Когда говорят об искусственном интеллекте, обычно вспоминают алгоритмы, вычислительные мощности или миллиардные вложения в новые фабрики по производству чипов и гипермасштабные дата-центры. Но за каждым таким прорывом стоит ещё один, незаметный слой инноваций — передовые материалы.
Каждое новое поколение ИИ-технологий требует больше вычислительной мощности, больше памяти, лучшей энергоэффективности и повышенной надёжности. А рост производительности вычислений увеличивает физические нагрузки на системы, которые создают и обслуживают искусственный интеллект.
Эти улучшения зависят не только от прогресса в дизайне чипов и архитектуре систем, но и от материалов, способных работать в экстремальных условиях.
По мере того как ИИ раздвигает физические границы полупроводников и инфраструктуры дата-центров, передовые материалы перестают быть просто поддержкой инноваций — они определяют пределы возможного.
Приоритет производительности
Передовые материалы создаются для решения сложных задач, и с развитием ИИ эти задачи становятся всё более жёсткими.
Сегодня изготовление полупроводникового чипа включает тысячи тщательно контролируемых этапов, где почти нет права на ошибку. Даже небольшие колебания температуры или химическая нестабильность могут вызвать дефекты, которые снижают выход годных изделий и повышают себестоимость. С каждым новым поколением чипов производителям нужны материалы с более высокой чистотой, лучшей химической и плазменной стойкостью, а также стабильностью во всё более агрессивных средах.
Это знакомые инженерные вызовы, доведённые до новых пределов. Именно здесь материаловедческие инновации играют решающую роль — благодаря постоянному совершенствованию полимеров, эластомеров, специальных жидкостей и других современных материалов, которые делают возможным каждый следующий технологический шаг.
Для компаний, работающих с материалами, задача не в том, чтобы заново изобрести полупроводниковое производство, а в том, чтобы материалы развивались синхронно с отраслью. Этот же принцип применим и за пределами фабрик по выпуску чипов. Поскольку рабочие нагрузки ИИ становятся всё тяжелее, физическая инфраструктура, которая их обслуживает, стремительно меняется.
Рост вычислительной плотности трансформирует дизайн дата-центров, вызывая потребность в более сложном охлаждении, высоковольтных энергосистемах, увеличенных объёмах хранения данных и более быстрой и надёжной передаче информации. Давление ощущается на всех элементах системы — от охлаждения и управления питанием до критических электронных компонентов, таких как разъёмы, конденсаторы и жёсткие диски.
Syensqo опирается на свой опыт в области электронных и электрических компонентов, а также на знания из других рынков, чтобы удовлетворять эти растущие потребности.
Например, когда дата-центры переходят на более высокое напряжение и повышенную удельную мощность, многие проблемы с материалами очень напоминают те, что стоят перед электромобилями. Так, опыт циркуляции жидкостей из систем охлаждения полупроводников и автомобилей можно адаптировать для прямого жидкостного охлаждения ИИ-серверов. Перенося знания между рынками, Syensqo ускоряет создание новых решений по питанию и терморегуляции, одновременно обеспечивая надёжность, необходимую инфраструктуре ИИ следующего поколения.
Будь то производство полупроводников или гипермасштабные серверные фермы, задача для материаловедческих компаний одна: повышать производительность без ущерба для надёжности.
Новое определение производительности
Хотя производительность остаётся главным приоритетом, само её понимание меняется.
Помимо удовлетворения всё более жёстких технических требований новых полупроводников и дата-центров, теперь ожидается, что материалы разрабатываются и производятся более ответственно.
Например, перфторэластомеры используются для герметизации оборудования по производству чипов. Эти материалы работают при экстремальных температурах, в условиях агрессивной плазмы и высокореактивных химикатов.
Чтобы сделать процесс устойчивее, Syensqo внедрила следующее поколение перфторэластомеров, при изготовлении которых не применяются фторсодержащие поверхностно-активные вещества. Цель — создать материал с лучшими характеристиками, но произведённый более безопасным способом, чтобы производителям больше не приходилось выбирать между высокой эффективностью и ответственным производством.
Такой подход отражает более широкую реальность в отрасли.
Новые материалы принимаются не просто потому, что они новые. Квалификация может занимать годы, и производители идут на замену только тогда, когда материал решает реальную инженерную задачу или открывает возможности для новой технологии.
Производительность остаётся входным билетом. Разница сегодня в том, что определение производительности расширилось. Успех всё чаще зависит от способности обеспечить техническое превосходство через более ответственное производство с самого начала.
Ускорение темпа открытий
По мере роста требований к производительности должен меняться и подход к инновациям.
Разработка передовых материалов традиционно включает длительный цикл: гипотеза, синтез, тестирование, повторение. Хотя этот процесс и не изменился, новые цифровые инструменты помогают исследователям проходить эти этапы быстрее. Помогая учёным на ранних стадиях выявлять самые многообещающие варианты, ИИ сокращает количество необходимых физических экспериментов и ускоряет начальные этапы открытия материалов.
ИИ не заменяет научную экспертизу. Он помогает учёным применять свои знания эффективнее, позволяя тратить меньше времени на поиски ответов и больше — на решение самых сложных отраслевых задач.
Syensqo применяет этот подход на практике, используя несколько ИИ-инструментов, включая платформу Microsoft Discovery. Они помогают исследователям идентифицировать и оценивать перспективные кандидаты в молекулы для теплоносителей нового поколения, применяемых в производстве полупроводников и дата-центрах.
ИИ позволяет учёным быстро находить и оценивать многообещающие молекулы исходя из требуемых свойств. Это даёт возможность сосредоточить лабораторные работы там, где потенциал получить результат максимален, ускоряя открытие и сокращая время, необходимое для превращения перспективных материалов в решения, которые заказчики могут квалифицировать и внедрить.
Путь от лабораторного открытия до сертифицированного материала всегда будет требовать научной экспертизы, тщательного тестирования и тесного сотрудничества с клиентами. Но, ускоряя самые ранние этапы открытия, ИИ помогает материаловедению не отставать от быстро меняющихся потребностей таких отраслей, как полупроводники, электроника и дата-центры.
Прогресс нужно заслужить
Будущее искусственного интеллекта зависит от более совершенных алгоритмов, более мощных чипов и более масштабной вычислительной инфраструктуры. Но поддержание этого прогресса потребует и достижений в материалах, которые делают эти технологии возможными.
Будь то производство полупроводников или инфраструктура ИИ, прогресс нужно заслужить. Каждое новое поколение технологий поднимает планку, и каждый новый материал должен доказать, что он способен обеспечить требуемую производительность, надёжность и эффективность, прежде чем займёт своё место.
Для материаловедческих компаний это одновременно и вызов, и возможность.