El ingrediente secreto que mantiene la IA en funcionamiento: ciencia avanzada de materiales

Puntos clave

• Los materiales especializados, incluidos los elastómeros perfluorados (sellos resistentes al calor dentro de máquinas de fabricación de chips) y fluidos de transferencia de calor, establecen límites físicos estrictos sobre cuán potentes pueden llegar a ser los chips de IA.
• Syensqo, una empresa química belga, ha desarrollado un elastómero perfluorado de próxima generación fabricado sin tensioactivos fluorados, una clase de compuestos duraderos que son difíciles de degradar en el medio ambiente.
• Syensqo utiliza Microsoft Discovery, una plataforma de investigación asistida por IA, para identificar moléculas candidatas para nuevos fluidos de enfriamiento más rápidamente de lo que permiten los métodos de laboratorio tradicionales.
• Las técnicas de enfriamiento tomadas de la ingeniería de vehículos eléctricos se están adaptando para racks de servidores de IA de alta densidad, que generan calor intenso en un espacio pequeño.
• Los nuevos materiales pueden tardar varios años en obtener la calificación para su uso en equipos comerciales de fabricación de chips, por lo que la confiabilidad tiene prioridad sobre la novedad.

Cada vez que se lanza un nuevo modelo de IA, la conversación se centra en algoritmos y miles de millones gastados en chips nuevos. Rara vez se centra en los sellos dentro de las máquinas que imprimen esos chips, o los fluidos que evitan que se sobrecalienten. Vale la pena cerrar esa brecha.

Fabricar un chip de semiconductor moderno requiere miles de pasos estrictamente controlados. Pequeñas fluctuaciones de temperatura o materiales químicamente inestables crean defectos microscópicos, reduciendo el número de chips funcionales por oblea y elevando los costos. Cada nueva generación de chips empaqueta más transistores, por lo que esas tolerancias se reducen aún más.

Los elastómeros perfluorados están en la punta de lanza de este problema. Estos sellos flexibles y densos mantienen los gases reactivos y el plasma dentro del equipo de fabricación de chips y deben soportar condiciones que destruirían la mayoría de los materiales industriales. Syensqo, una empresa de químicos especializados escindida de Solvay en 2023, ahora fabrica una versión utilizando un proceso de fabricación libre de tensioactivos fluorados. La empresa afirma que el nuevo material funciona mejor y se produce de manera más responsable, sin obligar a los fabricantes de chips a elegir entre los dos.

¿Esto afecta a los usuarios ordinarios de IA?

Sí, indirectamente pero concretamente. Cuando los materiales no cumplen, los rendimientos de chips caen y los costos de hardware suben con ellos, lo que aumenta el precio de ejecutar servicios de IA. Mejores materiales significan chips más confiables, computación en la nube más asequible, y herramientas de IA que alcanzan a más personas.

Los centros de datos que ejecutan grandes cargas de trabajo de IA ahora empaquetan el hardware informático tan densamente que el enfriamiento por aire no puede seguir el ritmo. Los sistemas de energía de mayor voltaje se están convirtiendo en estándar, trayendo nuevos desafíos de materiales en torno al aislamiento eléctrico y la gestión del calor.

Syensqo dice que está aprovechando el trabajo ya realizado para vehículos eléctricos para abordar esto. Los sistemas de fluidos de enfriamiento diseñados para baterías de vehículos eléctricos comparten suficiente ADN de ingeniería con racks de servidores de IA enfriados por líquido para que las lecciones se transfieran, reduciendo el tiempo de desarrollo. Dos semanas antes de esta historia, reportamos que CuspAI, con sede en Cambridge, recaudó $450 millones para construir exactamente este tipo de búsqueda de materiales acelerada por IA, una señal de que el mundo del financiamiento se está poniendo al día con lo que los químicos han sabido durante años.

¿Cómo está cambiando la IA el proceso de descubrimiento de materiales?

Tradicionalmente, los químicos formarían una hipótesis, sintetizarían un compuesto, ejecutarían pruebas, y luego comenzarían de nuevo, un ciclo que duraba meses por candidato. Syensqo ahora utiliza Microsoft Discovery para analizar candidatos moleculares para nuevos fluidos de transferencia de calor al principio del proceso. La IA no reemplaza a los químicos. Reduce el campo para que pasen tiempo de laboratorio en las opciones más prometedoras en lugar de en tiros a larga distancia.

Nada de esto se mueve rápidamente. Un material identificado hoy podría tardar varios años en obtener la calificación para su uso en equipos comerciales de fabricación de chips, y los fabricantes cambian materiales solo cuando uno nuevo realmente resuelve un problema.

Una cosa en la que hay que enfocarse: este artículo se originó como contenido patrocinado publicado por MIT Technology Review, por lo que es una empresa presentando su caso en lugar de un análisis independiente. Las restricciones de ingeniería que describe son reales. Si las soluciones particulares de Syensqo son las mejores de su clase es una pregunta que el proceso de calificación responderá, no un comunicado de prensa.