Discovered Materials சிப் வெப்பச் சவால்களைத் தீர்க்க AI ஏஜென்ட்களைப் பயன்படுத்துகிறது

AI பணிச்சுமை தரவு மையங்களை (data centers) அவற்றின் வெப்ப வரம்பிற்குத் தள்ளும் நிலையில், ஒரு புதிய ஸ்டார்ட்அப், தான் உருவாக்கிய அதே சிக்கலுக்கு எதிராகவே 'ஜெனரேட்டிவ் AI'-யைப் பயன்படுத்துகிறது. புதிய மற்றும் வெப்பத்தை வெளியேற்றும் பொருட்களைக் கண்டறியத் தன்னாட்சி பெற்ற AI ஏஜென்ட்களைப் பயன்படுத்துவதன் மூலம், சிப்களை (chips) அதிகத் திறன் கொண்டதாக மாற்றுவதே Discovered Materials-இன் நோக்கமாகும்.

AI Swarms மற்றும் இயற்பியல் மாதிரிகள் மூலம் கண்டுபிடிப்புகளை விரிவுபடுத்துதல்

நவீன சிப் உற்பத்தியில் உள்ள தடையானது வடிவமைப்பு அல்ல; அது மிகப்பெரிய கணக்கீட்டு சுமைகளால் உருவாகும் வெப்பமாகும். Y Combinator முன்னாள் நிறுவனமான Discovered Materials, மனிதர்களின் யூகங்களுக்குப் பதிலாக அதிவேக AI குழாய்களைப் (pipelines) பயன்படுத்துகிறது. நிறுவனர்களான Advaith Sridhar மற்றும் Akash Ramdas, ஜெனரேட்டிவ் இன்டெலிஜென்ஸை (generative intelligence) இயற்பியல் யதார்த்தத்துடன் இணைக்கும் ஒரு மென்பொருள் கட்டமைப்பை உருவாக்கியுள்ளனர்.

இந்த பணிப்பாய்வு (workflow), புதிய பொருட்களைக் கண்டறிய Anthropic மாதிரிகளை ஒரு தனிப்பயனாக்கப்பட்ட சூழலில் செலுத்துகிறது. பின்னர், அந்த ஸ்டார்ட்அப் தான் பயிற்றுவித்த இயற்பியல் மாதிரிகள் மூலம் கடுமையான உருவகப்படுத்துதல்களை (simulations) மேற்கொள்கிறது. ஒரு மனித ஆராய்ச்சியாளர் ஒரு நாளைக்கு 20 யூகங்களை மட்டுமே கையாள முடியும்; ஆனால் AI ஏஜென்ட்கள் மேகக்கணிமை (cloud) மூலம் நாள் முழுவதும் ஆயிரக்கணக்கான உருவகப்படுத்துதல்களைச் செய்கின்றன.

மெட்டீரியல் இன்ஜினியரிங்கின் "Whack-a-Mole" சவால்

ஒரு பொருத்தமான பொருளைக் கண்டறிவது என்பது போரின் பாதி மட்டுமே. ஒரு பொருள் வெப்பத்தை வெளியேற்றுவதில் சிறந்து விளங்கலாம், ஆனால் மின் நிலைத்தன்மை (electrical stability) அல்லது உற்பத்தித் திறன் ஆகியவற்றில் தோல்வியடையலாம். Lightspeed India Partners-இன் கூட்டாளர் Hemant Mohapatra, இந்தச் செயல்முறையை அணு அமைப்புகளுடன் "whack-a-mole" விளையாடுவது போன்றது என்று ஒப்பிடுகிறார்—அதாவது வெப்பம், மின்சாரம் மற்றும் உற்பத்தித் தடைகள் அனைத்தும் சரியாக ஒத்துப்போக வேண்டும்.

இந்தச் சிரமத்தை அளவிட, நிறுவனம் "Material Discovery Bench" என்ற கருவியைத் வெளியிட்டுள்ளது. இது அதிநவீன AI மாதிரிகள் பன்முகத்தன்மை கொண்ட மெட்டீரியல்-சயின்ஸ் சிக்கல்களை எவ்வாறு கையாளுகின்றன என்பதைக் கண்காணிக்கிறது. MatNex, SandboxAQ மற்றும் CuspAI போன்ற போட்டியாளர்கள் இதே துறையில் செயல்படுகிறார்கள், ஆனால் Discovered Materials குறைக்கடத்தி (semiconductor) செயல்திறனைத் தடுக்கும் வெப்பத் தடைகளில் மட்டும் கவனம் செலுத்துகிறது.

டிஜிட்டல் உருவகப்படுத்துதலில் இருந்து காப்புரிமை பெறக்கூடிய வன்பொருள் வரை

இந்த ஸ்டார்ட்அப் இப்போது டிஜிட்டல் கண்டுபிடிப்பிலிருந்து இயற்பியல் சரிபார்ப்பு நிலைக்கு நகர்கிறது. முக்கிய சிப் தயாரிப்பாளர்கள் பயன்படுத்தும் பொருட்களின் பண்புகளுடன் ஒத்துப்போகும் பல பொருட்களை இது கண்டறிந்துள்ளதுடன், அவற்றை wet-lab சோதனைகளில் பரிசோதித்து வருகிறது.

Discovered Materials தனது வணிகத்தை அறிவுசார் சொத்துரிமையின் (intellectual property) அடிப்படையில் கட்டமைக்கிறது. ஒரு பொருள் சரிபார்ப்பைத் தாண்டியவுடன், அந்தப் பொருளை GPU-களில் பயன்படுத்துவதற்கோ அல்லது சிப்களில் ஒருங்கிணைக்கத் தேவையான உற்பத்தி முறைக்கோ குழு காப்புரிமை (patent) பெறுகிறது. அந்த காப்புரிமைகளை குறைக்கடத்தி நிறுவனங்களுக்கு உரிமம் வழங்குவதன் மூலம், அடுத்த தலைமுறை உயர் திறன் கொண்ட AI வன்பொருளின் அடிப்படைத் தளமாக இந்த நிறுவனம் மாறக்கூடும்.

முக்கியக் குறிப்புகள்

  • AI-ஆல் இயக்கப்படும் வேகம்: Anthropic மாதிரிகள் மற்றும் இயற்பியல் சார்ந்த உருவகப்படுத்துதல்கள், மெட்டீரியல் கண்டுபிடிப்பை ஒரு நாளைக்கு 20 யூகங்களிலிருந்து ஆயிரக்கணக்கிலான உருவகப்படுத்துதல்களாக உயர்த்துகின்றன.
  • வெப்ப மேம்படுத்தலில் கவனம்: பரந்த அளவிலான மெட்டீரியல்-கண்டுபிடிப்பு ஸ்டார்ட்அப் போலல்லாமல், இந்த நிறுவனம் நவீன AI சிப்கள் மற்றும் தரவு மையங்களை பாதிக்கும் வெப்ப வெளியேற்றப் பிரச்சினைகளை இலக்காகக் கொண்டுள்ளது.
  • IP-மைய அணுகுமுறை: புதிய பொருட்கள் மற்றும் செயல்முறைகளுக்கு காப்புரிமை பெறுவதன் மூலமும், பின்னர் அவற்றை முக்கிய சிப் தயாரிப்பாளர்களுக்கு உரிமம் வழங்குவதன் மூலமும் கண்டுபிடிப்புகளை வருமானமாக மாற்றத் திட்டமிட்டுள்ளது.

அபாயங்கள் மற்றும் எதிர் கருத்துக்கள்

(பகுப்பாய்வாளரின் உள்ளீட்டிற்காக இந்தப்பகுதி வேண்டுமென்றே காலியாக விடப்பட்டுள்ளது)

அடுத்து கவனிக்க வேண்டியவை

  • Benchmark ஏற்பு –
  • சோதனை ரீதியான முன்னேற்றங்கள் –
  • fabs உடனான கூட்டாண்மை –
  • ஒழுங்குமுறை அல்லது IP சவால்கள் –

இறுதி முடிவு

அதிக ஆற்றல் கொண்ட AI சிப்களைக் குளிர்விக்கும் போட்டியில், மனித உள்ளுணர்வை விடத் தன்னாட்சி பெற்ற AI ஏஜென்ட்கள் வேகமாகச் செயல்படும் என்று Discovered Materials நம்புகிறது. ஜெனரேட்டிவ் மொழி மாதிரிகளை இயற்பியல் சார்ந்த உருவகப்படுத்துதல்களுடன் இணைப்பதன் மூலம், மெதுவான மற்றும் யூகங்களைச் சார்ந்த செயல்முறையை, காப்புரிமை பெறக்கூடிய மற்றும் உற்பத்தி செய்யக்கூடிய வெப்பத்தை வெளியேற்றும் பொருட்களைத் தரும் அதிவேகத் தேடலாக மாற்ற முடியும் என்று அந்த ஸ்டார்ட்அப் கூறுகிறது. இந்த அணுகுமுறை wet-lab சரிபார்ப்பையும், குறைக்கடத்தி உலகின் எச்சரிக்கையான ஏற்பு முறைகளையும் தாண்டி வெற்றி பெறுமா என்பது, இது குளிர்ச்சியான, அதிக திறன் கொண்ட AI வன்பொருளுக்கான ஒரு மறைமுக ஊக்கியாக மாறுமா அல்லது AI-ஆல் இயக்கப்படும் வேதியியலில் மற்றொரு லட்சியத் திட்டமாக மட்டுமே முடிகிறதா என்பதைத் தீர்மானிக்கும்.