L'ingrédient secret qui maintient l'IA en fonctionnement : la science des matériaux avancés

Points clés

• Les matériaux spécialisés, notamment les perfluoroélastomères (joints résistants à la chaleur utilisés dans les machines de fabrication de puces) et les fluides de transfert thermique, fixent des limites physiques strictes à la puissance que les puces d'IA peuvent atteindre.
• La société belge de chimie Syensqo a développé un perfluoroélastomère de nouvelle génération fabriqué sans tensioactifs fluorés, une classe de composés chimiques persistants qui sont difficiles à décomposer dans l'environnement.
• Syensqo utilise Microsoft Discovery, une plateforme de recherche assistée par l'IA, pour identifier les molécules candidates pour les nouveaux fluides de refroidissement plus rapidement que ne le permettent les méthodes de laboratoire traditionnelles.
• Les techniques de refroidissement empruntées à l'ingénierie des véhicules électriques sont adaptées aux serveurs d'IA haute densité, qui dégagent une chaleur intense dans un petit espace.
• Les nouveaux matériaux doivent passer par des années de tests de qualification avant que les fabricants de puces les acceptent, de sorte que les performances et la fiabilité restent prioritaires.

Chaque fois qu'un nouveau modèle d'IA est lancé, la conversation porte sur les algorithmes, les données et les milliards dépensés en nouvelles puces. Elle porte rarement sur les joints à l'intérieur des machines qui impriment ces puces, ou sur les fluides qui les empêchent de surchauffer. C'est une lacune qui vaut la peine d'être comblée.

La fabrication d'une puce semi-conductrice moderne nécessite des milliers d'étapes strictement contrôlées. De minuscules variations de température ou des matériaux chimiquement instables créent des défauts microscopiques, réduisant le nombre de puces fonctionnelles par wafer et augmentant les coûts. Avec chaque nouvelle génération de puces qui intègre plus de transistors, ces tolérances se resserrent davantage.

Les perfluoroélastomères sont un exemple de la façon dont la science des matériaux se trouve au cœur de ce problème. Ces joints denses et flexibles retiennent les gaz réactifs et le plasma à l'intérieur des équipements de fabrication de puces. Ils doivent survivre à des conditions qui détruiraient la plupart des matériaux industriels. Syensqo, une entreprise de chimie spécialisée créée à partir de Solvay en 2023, fabrique désormais une version de ces joints en utilisant un processus de fabrication qui évite les tensioactifs fluorés. L'entreprise affirme que le nouveau matériau fonctionne mieux et est produit de manière plus responsable, sans forcer les fabricants de puces à choisir entre les deux.

Cela affecte-t-il les utilisateurs ordinaires d'IA ?

Oui, indirectement mais concrètement. Lorsque les matériaux se dégradent ou ne répondent pas aux attentes, les rendements en puces baissent, les coûts du matériel augmentent, et le prix de l'exécution des services d'IA grimpe avec eux. De meilleurs matériaux signifient des puces plus fiables, une informatique en nuage plus abordable, et des outils d'IA qui atteignent plus de gens.

La pression ne se limite pas au plancher de fabrication. Les centres de données exécutant des charges de travail d'IA importantes empilent désormais le matériel informatique si densément que le refroidissement par air conventionnel a du mal à suivre. Des systèmes d'alimentation à tension plus élevée deviennent standard, et cela apporte une série nouvelle de défis en matière de matériaux autour de l'isolation électrique et de la gestion de la chaleur.

Syensqo affirme qu'elle s'appuie sur un travail déjà effectué pour les véhicules électriques pour relever ce défi. Les systèmes de fluides de refroidissement conçus pour les batteries de véhicules électriques partagent suffisamment d'ADN d'ingénierie avec les serveurs d'IA refroidis par liquide pour que les leçons se transfèrent, réduisant le temps de développement.

Ensuite, il y a la question de la manière dont les nouveaux matériaux sont découverts en premier lieu. Traditionnellement, les chimistes formuleraient une hypothèse, synthétiseraient un composé, le testeraient et itéreraient, un cycle qui prend des mois par candidat. Syensqo utilise désormais Microsoft Discovery, une plateforme de recherche assistée par l'IA, pour cribler les candidats moléculaires pour les nouveaux fluides de transfert thermique au début du processus. L'IA ne remplace pas les chimistes. Elle restreint le champ afin qu'ils consacrent le temps de laboratoire aux options les plus prometteuses plutôt qu'aux longues perspectives.

Rien de tout cela ne se déplace rapidement. Un matériau identifié en laboratoire aujourd'hui pourrait prendre plusieurs années pour être qualifié en vue d'une utilisation dans des équipements commerciaux de fabrication de puces. Les fabricants ne changent de matériaux que lorsqu'un nouveau résout véritablement un problème.

L'article est apparu à l'origine en tant que contenu sponsorisé publié par MIT Technology Review. Ce contexte est important : c'est une entreprise qui présente son cas, non une analyse indépendante. Les principes d'ingénierie qu'il décrit reflètent cependant les véritables contraintes qui façonnent ce que le matériel d'IA peut et ne peut pas faire.