U razgovorima o veštačkoj inteligenciji najčešće se pominju modeli, procesorska snaga i ulaganja u nove centre podataka. Međutim, kako pokazuje i ovaj sponzorisani tekst MIT Technology Review, iza tog razvoja stoji još jedan sloj tehnologije: napredni materijali.
Kako AI sistemi postaju zahtevniji, raste i pritisak na poluprovodnike, energetsku infrastrukturu i hlađenje u data centrima. To znači da nije dovoljno unaprediti samo dizajn čipova. Potrebni su materijali koji mogu da izdrže više temperature, agresivne hemikalije, plazmu i veća opterećenja u proizvodnji i radu.
Materijali kao deo performansi
U tekstu se navodi da svaka nova generacija AI tehnologije traži više procesorske snage, više memorije, bolju energetsku efikasnost i veću pouzdanost. U proizvodnji čipova i dalje se radi o veoma preciznim procesima, sa hiljadama koraka i malim prostorom za grešku. Male varijacije u temperaturi ili hemijskoj stabilnosti mogu da smanje prinos i povećaju troškove.
Zbog toga su važni materijali sa većom čistoćom, većom otpornošću na hemikalije i stabilnošću u teškim uslovima. U tekstu se kao primeri pominju polimeri, elastomeri i specijalne tečnosti koje pomažu da oprema radi pouzdano.
Isti princip važi i za data centre. Veća gustina računarske opreme znači složenije upravljanje toplotom, zahtevnije napajanje i brži prenos podataka. Pod pritiskom su i konektori, kondenzatori i hard diskovi, a ne samo serveri.
Šta se menja u data centrima
U sponzorisanom tekstu Syensqo tvrdi da prenosi znanje iz više industrija, uključujući automobilsku, kako bi unapredio rešenja za hlađenje i upravljanje energijom u AI serverima. Jedan od primera koje navodi jeste direktno tečno hlađenje, gde se iskustvo iz sistema za rashladne tečnosti koristi u novom kontekstu.
To je važno zato što AI infrastruktura brzo prelazi na veće naponske arhitekture i veću gustinu energije. U takvom okruženju, pouzdanost materijala postaje jednako važna kao i sama računarska arhitektura.
Performanse više nisu jedini kriterijum
Tekst naglašava i da se pojam performansi menja. Ranije je glavni kriterijum bio da materijal tehnički izdrži uslove u proizvodnji i radu. Sada se očekuje i da bude proizveden odgovornije.
Kao primer se navode perfluoroelastomeri, materijali koji se koriste za zaptivanje opreme u proizvodnji poluprovodnika. Syensqo tvrdi da novu generaciju tih materijala proizvodi bez fluorosurfaktanata, kako bi se smanjio uticaj procesa proizvodnje na životnu sredinu. U tekstu se to predstavlja kao pokušaj da se dobije bolji materijal i čistiji proizvodni postupak istovremeno.
Istovremeno, kompanija podseća da se novi materijali ne uvode lako. Kvalifikacija može da traje godinama, a proizvođači menjaju sastojke samo kada nova opcija rešava konkretan inženjerski problem ili omogućava novu tehnologiju.
AI pomaže i u otkrivanju novih materijala
Drugi važan deo teksta odnosi se na to kako se sami materijali razvijaju. Tradicionalni postupak uključuje hipotezu, sintezu, testiranje i ponavljanje, što je spor proces. Prema navodima autora, AI alati sada pomažu da se ranije izdvoje najperspektivniji kandidati i tako smanji broj fizičkih eksperimenata.
Syensqo navodi da koristi više AI alata, uključujući Microsoft Discovery platformu, za pronalaženje potencijalnih molekula za nove rashladne tečnosti. Cilj je da istraživači brže procene koje formule imaju osobine potrebne za upotrebu u proizvodnji poluprovodnika i data centrima.
To ne znači da AI zamenjuje naučnike. U tekstu se eksplicitno kaže da stručna procena, laboratorijsko testiranje i saradnja sa kupcima ostaju obavezni. AI, međutim, može da skrati početnu fazu istraživanja i da pomogne da se resursi usmere na najbolja rešenja.
Šira poruka za AI industriju
Poruka ovog teksta je prilično jasna: budućnost AI-ja neće zavisiti samo od boljih modela i jačih čipova, već i od materijala koji omogućavaju da ti sistemi uopšte rade u praksi. Kako se povećavaju zahtevi za performansama, isto toliko raste i značaj pouzdanosti, energetske efikasnosti i održivije proizvodnje.
Za industriju poluprovodnika, elektronike i data centara to znači da će napredak sve više zavisiti od materijala koji prođu stroga testiranja i pokažu da mogu da izdrže nove uslove rada. Za čitaoce je važno da razumeju da AI razvoj nije samo softverska priča, već i pitanje fizičke infrastrukture ispod nje.
Napomena: ovaj tekst je zasnovan na sponzorisanom sadržaju koji je objavila redakcija MIT Technology Review, a dostavila kompanija Syensqo.
