Discovered Materials چپ کے تھرمل چیلنجز کو حل کرنے کے لیے AI ایجنٹس کا استعمال کر رہا ہے

جیسے جیسے AI ورک لوڈز ڈیٹا سینٹرز کو ان کی تھرمل حدود تک دھکیل رہے ہیں، ایک نیا اسٹارٹ اپ جنریٹیو AI کو اسی مسئلے کے خلاف استعمال کر رہا ہے جو اس نے خود پیدا کیا ہے۔ Discovered Materials کا مقصد خود مختار AI ایجنٹس کے ذریعے نئے اور حرارت خارج کرنے والے (heat-dissipating) مواد کی تلاش کر کے چپس کو زیادہ کارآمد بنانا ہے۔

AI Swarms اور فزکس ماڈلز کے ذریعے دریافت کے عمل کو وسعت دینا

جدید چپ مینوفیکچرنگ میں رکاوٹ ڈیزائن نہیں ہے؛ بلکہ یہ بھاری کمپیوٹیشنل لوڈ سے پیدا ہونے والی حرارت ہے۔ Y Combinator سے وابستہ Discovered Materials، انسانی اندازوں کی جگہ تیز رفتار AI پائپ لائنز لایا ہے۔ بانیوں Advaith Sridhar اور Akash Ramdas نے ایک ایسا سافٹ ویئر ہارس (software harness) تیار کیا ہے جو جنریٹیو انٹیلی جنس کو جسمانی حقیقت سے جوڑتا ہے۔

ورک فلو میں Anthropic ماڈلز کو ایک مخصوص ماحول میں استعمال کیا جاتا ہے تاکہ مواد کے ممکنہ ذرائع (material leads) تیار کیے جا سکیں۔ پھر اسٹارٹ اپ ان نتائج کو اپنے تربیت یافتہ فزکس ماڈلز کے ذریعے گزارتا ہے اور سخت سیمولیشنز (simulations) کرتا ہے۔ ایک انسانی محقق شاید روزانہ 20 اندازے لگا سکے؛ جبکہ AI ایجنٹس کلاؤڈ میں چوبیس گھنٹے ہزاروں سیمولیشنز مکمل کرتے ہیں۔

میٹریل انجینئرنگ کا "Whack-a-Mole" چیلنج

کسی موزوں مواد کی تلاش صرف آدھی جنگ ہے۔ ایک مواد تھرمل ڈیسیپیشن (حرارت خارج کرنے) میں بہترین ہو سکتا ہے لیکن الیکٹریکل استحکام یا مینوفیکچرنگ کے معاملے میں ناکام ہو سکتا ہے۔ Lightspeed India Partners کے پارٹنر Hemant Mohapatra اس عمل کو ایٹمی ساختوں کے ساتھ "whack-a-mole" کھیلنے سے تشبیہ دیتے ہیں—یعنی تھرمل، الیکٹریکل اور پیداواری پابندیوں کا ایک ساتھ ہم آہنگ ہونا ضروری ہے۔

اس مشکل کی پیمائش کے لیے، کمپنی نے "Material Discovery Bench" جاری کیا ہے، جو ایک ایسا ٹول ہے جو یہ ٹریک کرتا ہے کہ جدید ترین AI ماڈلز کثیر جہتی میٹریل سائنس کے مسائل کو کیسے حل کرتے ہیں۔ MatNex، SandboxAQ، اور CuspAI جیسے حریف بھی اسی شعبے میں کام کر رہے ہیں، لیکن Discovered Materials ان تھرمل رکاوٹوں پر توجہ مرکوز کرتا ہے جو سیمیکانڈکٹر کی کارکردگی کو متاثر کرتی ہیں۔

ڈیجیٹل سیمولیشن سے پیٹنٹ کے قابل ہارڈ ویئر تک

اسٹارٹ اپ اب ڈیجیٹل دریافت سے جسمانی تصدیق (physical validation) کی طرف بڑھ رہا ہے۔ اس نے کئی ایسے مواد کی شناخت کی ہے جو بڑے چپ سازوں کے استعمال کردہ مواد کی خصوصیات سے مطابقت رکھتے ہیں اور اب انہیں 'ویٹ لیب' (wet-lab) تجربات میں آزمایا جا رہا ہے۔

Discovered Materials اپنا کاروبار انٹلیکچوئل پراپرٹی (IP) پر تعمیر کرتا ہے۔ ایک بار جب کوئی مواد تصدیق کے مراحل سے گزر جاتا ہے، تو ٹیم GPUs میں اس کے استعمال یا اسے چپس میں شامل کرنے کے لیے درکار مینوفیکچرنگ عمل کا پیٹنٹ حاصل کرتی ہے۔ ان پیٹنٹ کو سیمیکانڈکٹر کے بڑے اداروں کو لائسنس دینا کمپنی کو اگلی نسل کے اعلیٰ کارکردگی والے AI ہارڈ ویئر میں ایک بنیادی ستون بنا سکتا ہے۔

اہم نکات

  • AI پر مبنی رفتار: Anthropic ماڈلز اور فزکس پر مبنی سیمولیشنز مواد کی دریافت کو روزانہ 20 اندازوں سے بڑھا کر ہزاروں تک لے جاتی ہیں۔
  • تھرمل آپٹیمائزیشن پر توجہ: دیگر وسیع پیمانے پر کام کرنے والے میٹریل ڈسکوری اسٹارٹ اپس کے برعکس، یہ فرم ان حرارت کے مسائل کو نشانہ بناتی ہے جو جدید AI چپس اور ڈیٹا سینٹرز کے لیے مشکلات پیدا کرتے ہیں۔
  • IP پر مبنی ماڈل: اس کا منصوبہ نئے مادوں اور عمل کے پیٹنٹ حاصل کر کے اور پھر انہیں بڑے چپ سازوں کو لائسنس دے کر اپنی دریافتوں سے منافع کمانا ہے۔

خطرات اور جوابی نکات

(تجزیہ کار کے اندراج کے لیے یہ حصہ جان بوجھ کر خالی چھوڑ دیا گیا ہے)

آگے کیا دیکھنا ہے

  • بینچ مارک کا اپنایا جانا –
  • تجرباتی کامیابیاں –
  • فیبز (fabs) کے ساتھ شراکت داری –
  • ریگولیٹری یا IP کے چیلنجز –

خلاصہ

Discovered Materials کا یہ ماننا ہے کہ مزید طاقتور ہوتے جا رہے AI چپس کو ٹھنڈا کرنے کی دوڑ میں خود مختار AI ایجنٹس انسانی وجدان (intuition) سے آگے نکل سکتے ہیں۔ جنریٹیو لینگویج ماڈلز کو فزکس پر مبنی سیمولیشنز کے ساتھ جوڑ کر، اسٹارٹ اپ کا دعویٰ ہے کہ وہ ایک سست اور اندازوں پر مبنی عمل کو ایک تیز رفتار تلاش میں بدل دے گا جو پیٹنٹ کے قابل اور مینوفیکچرنگ کے قابل حرارت خارج کرنے والے مواد فراہم کر سکتا ہے۔ آیا یہ طریقہ کار ویٹ لیب کی تصدیق اور سیمیکانڈکٹر کی دنیا کے محتاط اپناؤ کے عمل میں کامیاب رہتا ہے یا نہیں، یہی فیصلہ کرے گا کہ آیا یہ ٹھنڈے اور زیادہ کارآمد AI ہارڈ ویئر کے لیے ایک پوشیدہ محرک بنے گا یا AI پر مبنی کیمسٹری میں محض ایک اور پرجوش تجربہ۔