Discovered Materials Menggunakan Ejen AI untuk Menyelesaikan Cabaran Terma Cip

Memandangkan beban kerja AI menolak pusat data ke had terma mereka, sebuah syarikat pemula baharu sedang menggunakan AI generatif untuk menangani masalah yang diciptakannya sendiri. Discovered Materials bertujuan untuk menjadikan cip lebih cekap dengan menggunakan ejen AI autonomi untuk mencari bahan baharu yang mampu menyuraikan haba.

Menskalakan Penemuan dengan Kawanan AI dan Model Fizik

Kekangan utama dalam pembuatan cip moden bukanlah reka bentuk; sebaliknya ia adalah haba yang dihasilkan oleh beban pengkomputeran yang besar. Discovered Materials, alumni Y Combinator, menggantikan tekaan manusia dengan saluran paip (pipeline) AI berkelajuan tinggi. Pengasasnya, Advaith Sridhar dan Akash Ramdas, membina kerangka perisian yang menghubungkan kecerdasan generatif dengan realiti fizikal.

Aliran kerja tersebut memasukkan model Anthropic ke dalam persekitaran tersuai untuk menjana petunjuk bahan. Kemudian, syarikat pemula itu menjalankan petunjuk tersebut melalui model fizik yang telah dilatihnya, dengan menjalankan simulasi yang rapi. Seorang penyelidik manusia mungkin hanya mampu menguruskan 20 tekaan sehari; ejen AI pula mampu menghasilkan beribu-ribu simulasi sepanjang masa di awan (cloud).

Cabaran "Whack-a-Mole" dalam Kejuruteraan Bahan

Menemui bahan calon hanyalah separuh daripada perjuangan. Sesuatu bahan mungkin cemerlang dalam penyuraian terma tetapi gagal dari segi kestabilan elektrik atau kebolehkilangan. Rakan kongsi Lightspeed India Partners, Hemant Mohapatra, menyamakan proses ini dengan permainan "whack-a-mole" dengan struktur atom—kekangan terma, elektrik, dan pengeluaran mestilah selari.

Untuk mengukur kesukaran ini, syarikat tersebut telah melancarkan "Material Discovery Bench," sebuah alat yang menjejaki bagaimana model AI terhadapan menangani masalah sains bahan berdimensi pelbagai. Pesaing seperti MatNex, SandboxAQ, dan CuspAI beroperasi dalam ruang yang sama, tetapi Discovered Materials menumpukan kepada kekangan terma yang menghambat prestasi semikonduktor.

Daripada Simulasi Digital kepada Perkakasan Boleh Paten

Syarikat pemula itu kini beralih daripada penemuan digital kepada pengesahan fizikal. Ia telah mengenal pasti beberapa bahan yang sepadan dengan sifat bahan yang digunakan oleh pengeluar cip utama dan sedang mengujinya dalam eksperimen makmal basah (wet-lab).

Discovered Materials membina perniagaannya berasaskan harta intelek. Sebaik sahaja sesuatu calon melepasi pengesahan, pasukan tersebut akan mempatenkan penggunaan bahan itu dalam GPU atau proses pembuatan yang diperlukan untuk menyepadukannya ke dalam cip. Melesenkan paten tersebut kepada gergasi semikonduktor boleh menjadikan syarikat ini sebagai lapisan asas dalam generasi akan datang perkakasan AI berkecekapan tinggi.

Ringkasan Utama

  • Kepantasan Dipacu AI: Model Anthropic dan simulasi berasaskan fizik meningkatkan penemuan bahan daripada 20 tekaan sehari kepada beribu-ribu.
  • Fokus Pengoptimuman Terma: Syarikat ini menyasarkan isu penyuraian haba yang membelenggu cip AI moden dan pusat data, tidak seperti syarikat pemula penemuan bahan yang lebih luas.
  • Model Berpusatkan IP: Ia merancang untuk menjana pendapatan daripada penemuan dengan mempatenkan bahan dan proses baharu, kemudian melesenkannya kepada pengeluar cip utama.

Risiko dan Hujah Balas

(bahagian ini sengaja dibiarkan kosong untuk input penganalisis)

Apa yang Perlu Diperhatikan Seterusnya

  • Penerimaan penanda aras –
  • Kejayaan eksperimen –
  • Kerjasama dengan fab –
  • Cabaran kawal selia atau IP –

Kesimpulan

Discovered Materials bertaruh bahawa ejen AI autonomi dapat mengatasi intuisi manusia dalam perlumbaan untuk menyejukkan cip AI yang semakin berkuasa. Dengan menggabungkan model bahasa generatif dengan simulasi berasaskan fizik, syarikat pemula itu mendakwa dapat mengubah proses "teka dan semak" yang perlahan kepada carian berkapasiti tinggi yang menghasilkan bahan penyuraian haba yang boleh dipatenkan dan dikilangkan. Sama ada pendekatan ini dapat bertahan dalam pengesahan makmal basah dan lengkung penerimaan yang berhati-hati dalam dunia semikonduktor akan menentukan sama ada ia menjadi pemangkin tersembunyi untuk perkakasan AI yang lebih sejuk dan cekap, atau sekadar satu lagi eksperimen bercita-cita tinggi dalam kimia dipacu AI.