تلعب المواد المكتشفة لعبة الضرب بالذكاء الاصطناعي لاصطياد الرقائق الأكثر برودة

إن الرقائق التي تقوم بأحمال عمل الذكاء الاصطناعي تكون ساخنة للغاية: وهذا هو أحد الأسباب التي تجعل مراكز البيانات تستهلك الكثير من الكهرباء وتتطلب أنظمة تبريد. ومن المحتم أن يلجأ رواد الأعمال إلى الذكاء الاصطناعي لحل المشكلة التي خلقها.

تعد Discovered Materials هي الأحدث، مع خطط لاستخدام مجموعات من عملاء الذكاء الاصطناعي للعثور على مواد جديدة يمكن استخدامها لبناء دوائر متكاملة أكثر كفاءة. قالت الشركة الناشئة إنها أغلقت مؤخرًا جولة تأسيسية بقيمة 9 ملايين دولار من Lightspeed India Partners بعد خروجها من Y Combinator، باستثمار من Peak XV Partners والمستثمرين الملائكيين Paul Graham وGokul Rajaram وThariq Shihipar.

تعاون المؤسسان Advaith Sridhar وAkash Ramdas لإطلاق الشركة، مستفيدين من خبرة Ramdas في حصوله على درجة الدكتوراه في علوم المواد من جامعة ستانفورد، وعمل Sridhar على الوكلاء في Persona AI وLuma Labs.

أنشأ الاثنان خط أنابيب برمجيًا يستخدم النماذج البشرية في أداة مخصصة لتوليد خيوط مادية، ثم يتحول بعد ذلك إلى نماذج الفيزياء الأساسية التي دربوها لتشغيل عمليات المحاكاة التي تتحقق مما إذا كانت المواد المرشحة ذات أهمية فعلية.

قال سريدهار لـ TechCrunch: "كان [رامداس] يقوم بـ 20 تخمينًا يوميًا أثناء حصوله على درجة الدكتوراه". "نحن الآن قادرون على إجراء آلاف التخمينات يوميًا من خلال جعل هؤلاء العملاء يعملون على مدار الساعة طوال أيام الأسبوع على السحابة، واستكشاف توجيهات البحث التي يقدمها لهم."

أصدرت شركة Discovered Materials أمثلة لمئات المواد الجديدة اليوم، بالإضافة إلى "Material Discovery Bench" اليوم، والذي تم تصميمه لتتبع كيفية مواجهة النماذج الرائدة لهذا التحدي.

وقد أطلقت شركات مثل MatNex، وSandboxAQ، وCuspAI جميعها جهودًا مماثلة، لكن Discovered Materials تراهن على أن التركيز بالليزر على المشكلات الحرارية للمواد شبه الموصلة هو الطريق إلى النجاح. وتقول الشركة الناشئة إنها اكتشفت بالفعل العديد من المواد التي تتطابق مع خصائص المواد الموجودة التي يستخدمها كبار صانعي الرقائق، لكنها لا تستطيع مشاركة المزيد من التفاصيل حولها.

يتمثل أحد التحديات في مجال التجارة الهندسية: إذا عثروا على مادة قد تقلل من توليد الحرارة أو تعمل على تحسين تبديد الحرارة، فقد يكون من الصعب للغاية تصنيع شريحة منها فعليًا، أو قد تتعرض خصائصها الكهربائية للخطر.

قال هيمانت موهاباترا، شريك Lightspeed الذي قاد هذه الجولة، لـ TechCrunch: "إن الأمر أشبه بلعب لعبة الضرب بالخلد مع الهياكل الذرية". "إن المادة تكون مفيدة في العالم الحقيقي فقط إذا تقاربت جميعها في وقت واحد، وهو ما يجعل هذه مشكلة بحث مثيرة للاهتمام حقًا."

ويتوقع موهاباترا أن يتم تحويل أعمال التنبؤ بالمواد الجديدة إلى سلعة مع استمرار تحسن النماذج. الفرق بين المواد المكتشفة هو خبرة رامداس العميقة في هذا المجال، وقدرته على تشغيل مختبر يمكنه تجربة المواد المرشحة والتحقق من صحتها بسرعة، وهو أمر يقول إن المؤسسين قد فعله بالفعل باستخدام العديد من المواد الجديدة.

عندما يجدون مرشحين ذوي قيمة، يقول سريدهار إن الشركة ستحاول تسجيل براءة اختراع لاستخدام المواد الموجودة في وحدات معالجة الرسومات، أو العملية التي يمكن من خلالها صنع الرقائق من المادة، وترخيصها لشركات تصنيع الرقائق. ويأمل أن يكون لديهم مواد جديدة تستحق تسجيل براءات الاختراع في العام المقبل.

ومع ذلك، وعلى الرغم من كل هذه الإثارة، إلا أننا لم نر حتى الآن أي أدوية أو مواد اكتشفها الذكاء الاصطناعي لها تأثير تجاري فعليًا. ولعل الأقرب هو عقار Renterosib الذي تنتجه شركة Insilico Medicine، وهو أول دواء تم اكتشافه باستخدام الذكاء الاصطناعي التوليدي ليدخل في المرحلة الثانية من التجارب السريرية. ومن ناحية المواد، تم العثور على مرشحات واعدة، مثل المغناطيس الدائم الخالي من العناصر الأرضية النادرة من شركة MatNex أو مواد شبه موصلة جديدة ابتكرتها شركتا Panasonic وCitrine Informatics. لكن لم يتم نشرها تجاريًا على نطاق واسع حتى الآن.

قد تكون هذه التقنيات في طريقها إلى التنفيذ الآن مع استمرار الذكاء الاصطناعي في التحسن، ولكن هذا هو أحد الأسباب التي تجعل موهاباترا يقول إنه لا يعتقد أن العثور على المزيد من المرشحين هو عائق لعلم مواد الذكاء الاصطناعي؛ وبدلاً من ذلك، فإن "ترشيحها بشكل صحيح وتوليفها هو عنق الزجاجة".

وفي حين يعتقد سريدهار أن البيانات والخبرة الفريدة التي تتمتع بها شركة Discovered Materials ستساعد الشركة الناشئة على التنافس مع المختبرات الحدودية ذات الأموال الكبيرة، فقد أقر بأن الواقع هو أن "الكثير من هذا سوف يتضمن الدخول فعلياً إلى مختبرات رطبة والرغبة في صنع الأشياء أيضاً. وهذه هي العملية التي لا يمكن تسريعها".