ചിപ്പ് താപപ്രശ്നങ്ങൾ പരിഹരിക്കാൻ Discovered Materials AI ഏജന്റുകളെ ഉപയോഗിക്കുന്നു

AI വർക്ക് ലോഡുകൾ ഡാറ്റാ സെന്ററുകളെ അവയുടെ താപ പരിധികളിലേക്ക് എത്തിക്കുമ്പോൾ, ജനറേറ്റീവ് AI സൃഷ്ടിച്ച അതേ പ്രശ്നത്തിനെതിരെ തന്നെ ഒരു പുതിയ സ്റ്റാർട്ടപ്പ് പോരാടുകയാണ്. പുതിയതും താപം പുറന്തള്ളാൻ ശേഷിയുള്ളതുമായ പദാർത്ഥങ്ങൾ കണ്ടെത്താൻ സ്വയംഭരണാധികാരമുള്ള (autonomous) AI ഏജന്റുകളെ ഉപയോഗിക്കുന്നതിലൂടെ ചിപ്പുകളുടെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കാനാണ് Discovered Materials ലക്ഷ്യമിടുന്നത്.

AI സ്വോംസും (Swarms) ഫിസിക്സ് മോഡലുകളും ഉപയോഗിച്ച് കണ്ടെത്തലുകൾ വ്യാപിപ്പിക്കുന്നു

ആധുനിക ചിപ്പ് നിർമ്മാണത്തിലെ തടസ്സം അതിന്റെ ഡിസൈൻ അല്ല; മറിച്ച് വൻതോതിലുള്ള കമ്പ്യൂട്ടേഷണൽ ലോഡുകൾ മൂലമുണ്ടാകുന്ന ചൂടാണ്. Y Combinator അലുമിനസ് ആയ Discovered Materials, മനുഷ്യരുടെ ഊഹക്കണക്കുകൾക്ക് പകരം അതിവേഗത്തിലുള്ള AI പൈപ്പ്‌ലൈനുകൾ ഉപയോഗിക്കുന്നു. ജനറേറ്റീവ് ഇന്റലിജൻസിനെ ഭൗതിക യാഥാർത്ഥ്യവുമായി ബന്ധിപ്പിക്കുന്ന ഒരു സോഫ്റ്റ്‌വെയർ സംവിധാനം സ്ഥാപകരായ അദ്വൈത് ശ്രീധറും ആകാശ് രാംദാസും നിർമ്മിച്ചു.

പദാർത്ഥങ്ങളെക്കുറിച്ചുള്ള സൂചനകൾ (leads) ഉൽപ്പാദിപ്പിക്കുന്നതിനായി ഈ വർക്ക്ഫ്ലോ Anthropic മോഡലുകളെ ഒരു കസ്റ്റം എൻവയോൺമെന്റിലേക്ക് നൽകുന്നു. തുടർന്ന്, സ്റ്റാർട്ടപ്പ് തങ്ങൾ പരിശീലിപ്പിച്ച ഫിസിക്സ് മോഡലുകളിലൂടെ ഈ സൂചനകൾ കടത്തിവിട്ട് കൃത്യമായ സിമുലേഷനുകൾ നടത്തുന്നു. ഒരു മനുഷ്യ ഗവേഷകന് ദിവസം 20 ഊഹങ്ങൾ മാത്രമേ കൈകാര്യം ചെയ്യാൻ കഴിയൂ; എന്നാൽ AI ഏജന്റുകൾ ക്ലൗഡിൽ ഇരുന്ന് പ്രവൃത്തി de തീരാത്ത ആയിരക്കണക്കിന് സിമുലേഷനുകൾ 24 മണിക്കൂറും നടത്തുന്നു.

മെറ്റീരിയൽ എൻജിനീയറിംഗിലെ "Whack-a-Mole" വെല്ലുവിളി

അനുയോജ്യമായ ഒരു പദാർത്ഥം കണ്ടെത്തുക എന്നത് പകുതി പോരാട്ടം മാത്രമാണ്. ഒരു പദാർത്ഥം താപം പുറന്തള്ളുന്നതിൽ മികച്ചതാകാം, എന്നാൽ വൈദ്യുത സ്ഥിരതയിലോ (electrical stability) നിർമ്മാണക്ഷമതയിലോ (manufacturability) പരാജയപ്പെട്ടേക്കാം. ആറ്റോമിക് ഘടനകളുമായുള്ള ഈ പ്രക്രിയയെ "whack-a-mole" കളിയോട് ഉപമിക്കുന്ന ലൈറ്റ്‌സ്പീഡ് ഇന്ത്യ പാർട്ണേഴ്സ് പങ്കാളി ഹേമന്ത് മഹാപാത്ര, താപനില, വൈദ്യുതി, ഉൽപ്പാദനം എന്നീ നിയന്ത്രണങ്ങളെല്ലാം ഒരേസമയം ഒത്തുചേരണമെന്ന് പറയുന്നു.

ഈ പ്രയാസം അളക്കുന്നതിനായി, അത്യാധുനിക AI മോഡലുകൾ ബഹുതല മെറ്റീരിയൽ സയൻസ് പ്രശ്നങ്ങളെ എങ്ങനെ നേരിടുന്നു എന്ന് നിരീക്ഷിക്കുന്ന "Material Discovery Bench" എന്ന ഉപകരണം കമ്പനി പുറത്തിറക്കി. MatNex, SandboxAQ, CuspAI തുടങ്ങിയ എതിരാളികൾ ഇതേ മേഖലയിൽ പ്രവർത്തിക്കുന്നുണ്ടെങ്കിലും, സെമികണ്ടക്ടർ പ്രകടനം തടസ്സപ്പെടുത്തുന്ന താപ പ്രശ്നങ്ങളിൽ (thermal bottlenecks) മാത്രമാണ് Discovered Materials ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്.

ഡിജിറ്റൽ സിമുലേഷനിൽ നിന്ന് പേറ്റന്റർ योग्य ഹാർഡ്‌വെയറിലേക്ക്

സ്റ്റാർട്ടപ്പ് ഇപ്പോൾ ഡിജിറ്റൽ കണ്ടെത്തലുകളിൽ നിന്ന് ഭൗതികമായ പരിശോധനകളിലേക്ക് (physical validation) മാറുകയാണ്. പ്രമുഖ ചിപ്പ് നിർമ്മാതാക്കൾ ഉപയോഗിക്കുന്ന പദാർത്ഥങ്ങളുടെ ഗുണങ്ങളോട് സാമ്യമുള്ള നിരവധി പദാർത്ഥങ്ങളെ ഇത് കണ്ടെത്തിയിട്ടുണ്ട്, അവ ഇപ്പോൾ വെറ്റ്-ലാബ് (wet-lab) പരീക്ഷണങ്ങളിലൂടെ പരിശോധിച്ചുവരികയാണ്.

ബൗദ്ധിക സ്വത്തവകാശത്തെ (intellectual property) അടിസ്ഥാനമാക്കിയാണ് Discovered Materials അതിന്റെ ബിസിനസ്സ് കെട്ടിപ്പടുക്കുന്നത്. ഒരു പദാർത്ഥം പരിശോധനയിൽ വിജയിച്ചാൽ, GPU-കളിൽ അതിന്റെ ഉപയോഗത്തിനോ അല്ലെങ്കിൽ ചിപ്പുകളിൽ അത് ഉൾപ്പെടുത്തുന്നതിന് ആവശ്യമായ നിർമ്മാണ പ്രക്രിയയ്ക്കോ വേണ്ടി ടീം പേറ്റന്റ് എടുക്കുന്നു. ഈ പേറ്റന്റുകൾ സെമികണ്ടക്ടർ ഭീമന്മാർക്ക് ലൈസൻസ് നൽകുന്നത് അടുത്ത തലമുറയിലെ ഉയർന്ന കാര്യക്ഷമതയുള്ള AI ഹാർഡ്‌വെയറുകളിൽ ഈ കമ്പനിയെ ഒരു അടിസ്ഥാന ഘടകമാക്കി മാറ്റിയേക്കാം.

പ്രധാന കാര്യങ്ങൾ

  • AI അധിഷ്ഠിത വേഗത: Anthropic മോഡലുകളും ഫിസിക്സ് അധിഷ്ഠിത സിമുലേഷനുകളും പദാർത്ഥങ്ങളുടെ കണ്ടെത്തൽ പ്രതിദിനം 20 ഊഹങ്ങളിൽ നിന്ന് ആയിരക്കണക്കിന് എന്ന നിലയിലേക്ക് ഉയർത്തുന്നു.
  • താപ നിയന്ത്രണത്തിൽ ശ്രദ്ധ: മറ്റ് മെറ്റീരിയൽ ഡിസ്കവറി സ്റ്റാർട്ടപ്പുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ആധുനിക AI ചിപ്പുകളെയും ഡാറ്റാ സെന്ററുകളെയും ബാധിക്കുന്ന താപ പ്രശ്നങ്ങളെയാണ് ഈ സ്ഥാപനം ലക്ഷ്യമിടുന്നത്.
  • IP കേന്ദ്രീകൃത മാതൃക: പുതിയ പദാർത്ഥങ്ങളും പ്രക്രിയകളും പേറ്റന്റ് എടുക്കുന്നതിലൂടെയും അവ പ്രമുഖ ചിപ്പ് നിർമ്മാതാക്കൾക്ക് ലൈസൻസ് നൽകുന്നതിലൂടെയും കണ്ടെത്തലുകളിൽ നിന്ന് വരുമാനം നേടാൻ കമ്പനി പദ്ധതിയിടുന്നു.

റിസ്കുകളും എതിർവാദങ്ങളും

(വിശകലനത്തിനായി ഈ ഭാഗം മനഃപൂർവ്വം വിട്ടിവെച്ചിരിക്കുന്നു)

ഇനി ശ്രദ്ധിക്കേണ്ടവ

  • ബെഞ്ച്മാർക്ക് സ്വീകരണം –
  • പരീക്ഷണങ്ങളിലെ മുന്നേറ്റങ്ങൾ –
  • ഫാബ്സുകളുമായുള്ള (fabs) പങ്കാളിത്തം –
  • നിയമപരമായോ IP സംബന്ധമായോ ഉള്ള വെല്ലുവിളികൾ –

ചുരുക്കത്തിൽ

കൂടുതൽ കരുത്തുറ്റ AI ചിപ്പുകളെ തണുപ്പിക്കാനുള്ള മത്സരത്തിൽ മനുഷ്യന്റെ ഉൾക്കാഴ്ചയെക്കാൾ വേഗത്തിൽ പ്രവർത്തിക്കാൻ സ്വയംഭരണാധികാരമുള്ള AI ഏജന്റുകൾക്ക് കഴിയുമെന്ന് Discovered Materials വിശ്വസിക്കുന്നു. ജനറേറ്റീവ് ലാംഗ്വേജ് മോഡലുകളെ ഫിസിക്സ് അധിഷ്ഠിത സിമുലേഷനുകളുമായി സംയോജിപ്പിക്കുന്നതിലൂടെ, സാവധാനത്തിലുള്ള ഒരു 'ഊഹിച്ചു നോക്കുന്ന' പ്രക്രിയയെ പേറ്റന്റർ योग्यവും നിർമ്മാണയോഗ്യവുമായ താപ നിയന്ത്രണ പദാർത്ഥങ്ങൾ നൽകുന്ന അതിവേഗ തിരച്ചിലായി മാറ്റാൻ കഴിയുമെന്ന് സ്റ്റാർട്ടപ്പ് അവകാശപ്പെടുന്നു. ഈ സമീപനം വെറ്റ്-ലാബ് പരിശോധനകളിലും സെമികണ്ടക്ടർ ലോകത്തെ ജാഗ്രതയോടെയുള്ള സ്വീകാര്യതയിലും വിജയിക്കുമോ എന്നതാണ്, ഇത് കൂടുതൽ കാര്യക്ഷമമായ AI ഹാർഡ്‌വെയറുകൾക്കുള്ള ഒരു ചാലകശക്തിയാകുമോ അതോ AI അധിഷ്ഠിത കെമിസ്ട്രിയിലെ മറ്റൊരു महत्त्वाकांക്ഷി പരീക്ഷണം മാത്രമാകുമോ എന്ന് തീരുമാനിക്കുന്നത്.