تصور کنید یک مرکز داده را مانند موتور یک ماشین مسابقهای پیشرفته ببینید؛ هرچه قدرت پردازش را بیشتر میکنید، دما بالا میرود و فشار روی سیستم افزایش مییابد. اگر متریالهای سازنده نتوانند این حرارت و ولتاژ را تحمل کنند، حتی هوشمندترین مدلهای هوش مصنوعی جهان هم روی سختافزاری میچرخند که در لحظهای از شدت گرما ذوب میشود. در واقع، وقتی مواد نمیتوانند دما یا ولتاژ را مدیریت کنند، سیستم فارغ از اینکه مدل هوش مصنوعی چقدر هوشمند است، با شکست مواجه میشود.
به گزارش Syensqo، پیشرو در تولید مواد تخصصی، گلوگاه رشد هوش مصنوعی از دنیای نرمافزار به دنیای فیزیکی منتقل شده است. این شرکت گزارش میدهد که نیمههادیها و مراکز داده به محدودیتهای سختگیرانهای در مدیریت حرارتی و بازده الکتریکی رسیدهاند که الگوریتمها بهتنهایی قادر به حل آنها نیستند. همانطور که هوش مصنوعی محاسبات را به قلمروهای جدیدی میبرد، موادی که پشت این زیرساختها قرار دارند، به اندازه الگوریتمهایی که روی آنها اجرا میشوند، حیاتی میشوند.
این تغییر به این معناست که مواد زیربنایی سختافزار دیگر صرفاً نقش پشتیبان در نوآوریهای هوش مصنوعی ندارند، بلکه اکنون تعیین میکنند چه چیزی در دنیای محاسبات ممکن است و چه چیزی نیست. طبق اعلام مایک فینلی (Mike Finelli)، مدیر فناوری و نوآوری Syensqo و مدیر بخش آمریکای شمالی، صنعت به «نوک هرم» پیشرفت رسیده است؛ جایی که مواد باید بهطور همزمان استانداردهای سختگیرانهای در خلوص، مقاومت حرارتی و پایداری داشته باشند. فینلی اشاره میکند که هوش مصنوعی اکنون نیمههادیها و مراکز داده را به مطلقترین محدودیتهای فیزیکیشان سوق داده است.
به همین دلیل است که Syensqo بر شیمی پیشرفته تمرکز کرده است تا عملکرد بالاتر، قابلیت اطمینان بیشتر و راهکارهای پایدارتری را ارائه دهد.
اصل «و، و، و» در مواد پیشرفته
فینلی چالش فعلی را با اصل «و، و، و» توصیف میکند. مواد معمولی (Commodity materials) برای کارهای ساده عالی هستند؛ مثلاً پلیمری که فقط باید ۱۰ سال در دمای اتاق بدون تغییر باقی بماند. اما زیرساختهای هوش مصنوعی موادی میخواهند که همزمان ویژگیهای زیر را داشته باشند:
- مقاوم به دمای بالا باشند و
- فوقخالص باشند و
- از نظر الکتریکی عملکرد بالایی داشته باشند و
- در برابر مواد شیمیایی و پلاسما مقاوم باشند و
- در بلندمدت پایدار بمانند.
وقتی این الزامات روی هم انباشته میشوند، شما از مواد معمولی فاصله گرفته و به نوک هرم عملکرد میرسید. این موضوع در ساخت نیمههادیها حیاتی است. ویفرهایی (Wafers) که دیسکهای بزرگ سیلیکونی هستند و بعداً به تراشههای کوچک تبدیل میشوند، در محفظههای عظیمی پردازش میشوند. این محفظهها محیطهایی با پلاسماهای تهاجمی و مواد شیمیایی فعال دارند. در این شرایط، درزگیرهای اطراف این محفظهها باید بتوانند این شرایط سخت را تحمل کنند تا گازها را محبوس کرده و در عین حال، خروج گازهای ناخواسته (outgassing) را به حداقل رسانده و خلوص محیط را حفظ نمایند.
حل بحران حرارتی و انرژی
برای عبور از این بنبست، Syensqo روی چندین راهکار کلیدی در زنجیره ارزش الکترونیک تمرکز کرده است؛ از مراحل ساخت (Fabrication) گرفته تا مخابرات و اتصالهای فوقسریع (Hyperconnectivity). نقش آنها فعالسازی نوآوری از طریق شیمی پیشرفته در بازارهایی است که محصولاتشان برای هر چیزی، از دستگاههای موبایل تا کاربردهای نجاتبخش در مراقبتهای بهداشتی، حیاتی است.
موتور نوآوری Syensqo بسیار قدرتمند است؛ به طوری که ۲۰٪ از درآمدهای سالانه آنها اکنون از محصولات و کاربردهای جدیدی میآید که در ۵ سال اخیر عرضه شدهاند. این ظرفیت برای توسعه سریع، در حالی که آنها حوزههای زیر را هدف قرار دادهاند، ضروری است:
- معماریهای ولتاژ بالا: مراکز داده برای افزایش قدرت محاسباتی به سمت معماریهای ولتاژ بالا میروند. این رویکرد با کاهش تلفات انرژی، بازدهی را بهبود میبخشد و در نهایت ردپای محیطی مرکز داده را کاهش میدهد. این تحول در زیرساختهای برق، در کنار راهکارهای جدید UPS برای مقابله با نوسانات شدید برق در مراکز داده، برای پایداری شبکه ضروری است.
- خنکسازی غوطهوری مستقیم: استفاده از هوا برای خنک کردن نیمههادیها، انرژیبر و ناکارآمد است. Syensqo در حال توسعه مواد دیالکتریک و سیالات تخصصی است تا نیمههادیها را مستقیماً در مایع غوطهور کند و مدیریت حرارتی بسیار بهینهتری فراهم آورد.
- درزگیرهای پیشرفته: تولید الاستومرها و پلیمرهای با عملکرد بالا برای ابزارهای ویفر که میتوانند تهاجمیترین محیطهای شیمیایی در کارخانههای ساخت تراشه (Fabs) را تحمل کنند. این مواد برای تولید صنعتی نسل بعدی تراشهها ضروری هستند. این پیشرفت در مواد، مکمل تلاشهایی است که شرکتهایی مانند EUCLYD برای شکستن سد محدودیت پهنای باند حافظه و افزایش کارایی سختافزاری به کار میگیرند.
- سیستمهای ذخیره انرژی: توسعه بایندرهایی (Binders) برای کاتدهای باتری لیتیوم-یون که تضمین میکند باتریها تا ۱۰ سال عمر کنند. این فناوری اکنون به مراکز داده منتقل میشود تا بارهای پیک (Peak loads) را مدیریت کرده و با حرکت مراکز داده به سمت انرژیهای تجدیدپذیر، برق پشتیبان تابآوری ایجاد کند.
انتقال تکنولوژی: از خودروهای برقی به مراکز داده
جالب است که بسیاری از این راهکارها از صنعت خودروهای برقی (EV) وام گرفته شدهاند. فینلی اشاره میکند که افزایش چگالی توان در مراکز داده نسل جدید، دقیقاً مشابه چالشهای موجود در خودروهای برقی است.
در یک خودروی برقی، باتری منبع قدرت است. انتقال صدها کیلووات انرژی به موتور از طریق سیمها و شینباسها (Bus bars) باعث افزایش سریع و شدید دما میشود. Syensqo پلیمرهای عایقی برای این شینباسهای مسی توسعه داد که میتوانند این جهشهای دمایی را تحمل کنند. اکنون همین مواد برای مراکز دادهای که با ولتاژها و چگالیهای انرژی بالاتر روبرو هستند، قابل استفادهاند.
علاوه بر الکترونیک قدرت، Syensqo از دانش عمیق خود در زمینه گردش سیالات در بخشهای خودرویی و نیمههادیها بهره میبرد. این تخصص اکنون در توسعه مواد دیالکتریک برای خنکسازی غوطهوری مستقیم در فارمهای سرور به کار گرفته شده تا روشهای ناکارآمد خنکسازی با هوا کنار گذاشته شوند.
علاوه بر این، بایندرهای با عملکرد بالایی که برای باتریهای لیتیوم-یون خودروهای برقی ساخته شدهاند — و باعث میشوند تمام اجزا برای تضمین عملکرد ۱۰ ساله با هم کار کنند — اکنون در ذخیرهسازهای انرژی مراکز داده به کار میروند. این امر به مراکز داده اجازه میدهد تا با مدیریت بارهای پیک و تضمین برق پشتیبان، منابع انرژی تجدیدپذیر را بهتر ادغام کنند.
کشف مواد با شتاب هوش مصنوعی
در حالی که هوش مصنوعی تقاضا برای مواد جدید را ایجاد کرده، خود به ابزاری برای یافتن آنها تبدیل شده است. Syensqo حدود دو سال پیش این مسیر را آغاز کرد و با همکاری مایکروسافت (Microsoft) و استفاده از ابزار اکتشاف مایکروسافت، شروع به شناسایی و ارزیابی سریع کاندیداهای مولکولی امیدوارکننده نمود.
در گذشته، دانشمندان به جستوجوی متون علمی، بررسی پتنتها و روش آزمون و خطا متکی بودند. چون سنتز میلیونها مولکول در آزمایشگاه از نظر فیزیکی غیرممکن است، پژوهشگران بر اساس تخصص خود، ناحیه کوچکی را انتخاب، تست و تکرار میکردند. این یعنی آنها اغلب راهکاری مییافتند که «کار میکرد»، اما لزوماً «بهترین» ترکیب ممکن نبود.
گردش کار مبتنی بر عاملهای هوش مصنوعی
سیستم جدید مبتنی بر هوش مصنوعی در سه مرحله متمایز عمل میکند تا حدس و گمان در شیمی سنتی را حذف کند:
۱. سنتز دیجیتال: عاملهای هوش مصنوعی (AI Agents) میلیونها و میلیونها ترکیب مولکولی احتمالی را بهصورت دیجیتالی سنتز میکنند و کل فضای شیمیایی ممکن را میکاوند.
۲. شبیهسازی فیزیکی: عاملهای هوش مصنوعی مجزا، از شبیهسازیهای مبتنی بر فیزیک برای پیشبینی عملکرد استفاده میکنند. این شامل پیشبینی خواص شیمیایی فیزیکی، سمیت و ویژگیهای پایداری محیطی است.
۳. رتبهبندی: در نهایت، یک عامل تمام دادههای شبیهسازی شده را گرفته و کاندیداها را رتبهبندی میکند. این کار دایره احتمالات را از میلیونها مورد به یک لیست اولویتدار از حدود ۱۰۰ کاندیدا برای سنتز فیزیکی در آزمایشگاه محدود میکند.
این فرآیند به پژوهشگران اجازه میدهد «وسیعتر، عمیقتر و سریعتر» حرکت کنند. فینلی تأکید میکند که هوش مصنوعی جایگزین دانشمندان نمیشود، بلکه با کاهش زمان جستوجو و اجازه دادن به آنها برای تمرکز بر سختترین چالشهای مهندسی، به آنها «ابرقدرت» میدهد.
الزام پایداری محیطی
عملکرد بالا تنها «بلیت ورود» است؛ اما پایداری محیطی اکنون یک الزام اصلی است. مشتریان انتظار عملکرد فنی برجسته را دارند، بدون اینکه محیط زیست به خطر بیفتد. برای مدیریت این موضوع، Syensqo ابزاری به نام مدیریت سبد پایدار (SPM) توسعه داده است.
تعریف راهکارهای پایدار
ابزار SPM یک ماتریس است که یک راهکار پایدار را به عنوان محصولی تعریف میکند که عملکرد اجتماعی و محیطی را در یک کاربرد خاص بهبود میبخشد و در عین حال، اثرات محیطی کمتری در طول تولید دارد. این ارزیابی پایداری در همان ابتدای فرآیند تحقیق برای هر پروژه اتفاق میافتد، نه اینکه به عنوان یک الزام اضافی پس از توسعه ماده در نظر گرفته شود.
دستاوردهای کلیدی در پایداری
- تأثیر سبد محصولات: ۸۸٪ از سبد محصولات فعلی Syensqo اکنون از محصولات پایدار تشکیل شده است.
- بهرهوری منابع: توسعه موادی که به مشتریان اجازه میدهد با ردپای کربن کمتر، مصرف آب کاهشیافته یا ایمنی بیشتر فعالیت کنند.
- سیالات نسل جدید: خلق سیالات انتقال حرارت برای خنکسازی غوطهوری که پتانسیل گرمایش جهانی (GWP) بالای سیالات فعلی صنعت را حذف میکنند.
هدف فینلی این است که تضاد بین عملکرد و پایداری را از بین ببرد و آنها را به عنوان یک الزام ترکیبی — یک «و» دیگر در معادله عملکرد — در نظر بگیرد.
تحلیل: چرخه فضیلت سختافزار
این تحولات نشاندهنده یک اثر مرتبه دوم حیاتی است: ظهور یک حلقه نوآوری تقویتکننده. فینلی چرخهای را توصیف میکند که در آن از هوش مصنوعی برای توسعه مواد جدید استفاده میشود، که این مواد به نوبه خود اجازه میدهند سختافزار هوش مصنوعی قدرتمندتر شود، و این سختافزار قدرتمندتر، هوش مصنوعی بهتری را برای شتاب بخشیدن بیشتر به اکتشاف مواد فراهم میکند. این حلقه بازخورد، چرخه نوآوری مواد را تسریع کرده و مرزهای آنچه فناوریهای آینده میتوانند به دست آورند را گسترش میدهد.
برای رهبران کسبوکار، این بدان معناست که رقابت در هوش مصنوعی دیگر فقط بر سر اینکه چه کسی بهترین مدل یا بیشترین تعداد GPU را دارد نیست؛ بلکه بر سر زنجیره تأمین شیمی تخصصی است. این رقابت برای بهینهسازی سختافزار، مشابه استراتژیهایی است که در سرمایهگذاری انویدیا در مدیاتک برای توسعه XPUهای اختصاصی برای دستیابی به بالاترین بازدهی محاسباتی دیده میشود. موتور نوآوری Syensqo همین حالا مشهود است، به طوری که ۲۰٪ از درآمدهای سالانه آن از محصولات جدید ۵ سال اخیر حاصل شده است.
شرکتهایی که مواد موجود در «نوک هرم» را کنترل کنند، کلید جهش بعدی در چگالی محاسباتی را در دست خواهند داشت. در ۲۴ ماه آینده، شاهد ادغام الکترونیک قدرت در سطح خودروهای برقی و فناوری بایندر باتری در طراحیهای مراکز داده خواهیم بود، زیرا این انتقال بینصنعتی احتمالاً سریعترین راه برای افزایش بهرهوری انرژی در فضای ابری است.
گام بعدی شما
- اگر در حوزه زیرساختهای ابری فعالیت میکنید، روی استانداردهای خنکسازی مایع (Liquid Cooling) سرمایهگذاری کنید زیرا خنکسازی با هوا به پایان رسیده است.
- مدیران زنجیره تأمین باید تأمینکنندگان مواد شیمیایی تخصصی را به عنوان شرکای استراتژیک در کنار تولیدکنندگان GPU قرار دهند.
- بررسی کنید که آیا ابزارهای شبیهسازی مولکولی میتوانند در بخش تحقیق و توسعه (R&D) سازمان شما، زمان رسیدن به محصول را کاهش دهند یا خیر.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell و مدیریت حرارتی آنها مراجعه کنید.
گفتگو