Секретный ингредиент, благодаря которому работает ИИ: передовая наука о материалах
Чипы и программное обеспечение занимают первые полосы газет, но параллельно идёт более тихая гонка в лабораториях, где разрабатываются физические материалы, необходимые для существования оборудования ИИ.
Ключевые моменты
- Специальные материалы, включая перфторэластомеры (теплостойкие уплотнения, используемые внутри оборудования для производства чипов) и теплопередающие жидкости, устанавливают жёсткие физические пределы того, насколько мощными могут стать чипы ИИ.
- Бельгийская химическая компания Syensqo разработала новое поколение перфторэластомера без фторсурфактантов — класса химических соединений, которые сложно разлагаются в окружающей среде.
- Syensqo использует платформу Microsoft Discovery, систему исследований с помощью ИИ, чтобы быстрее выявлять потенциальные молекулы для новых охлаждающих жидкостей, чем это позволяют традиционные лабораторные методы.
- Методы охлаждения, заимствованные из инженерии электромобилей, адаптируются для высокоплотных серверных стоек ИИ, которые генерируют интенсивное тепло на небольшой площади.
- Новые материалы должны пройти годы квалификационного тестирования, прежде чем производители чипов их примут, поэтому производительность и надёжность остаются приоритетом.
Каждый раз, когда запускается новая модель ИИ, разговор переходит на алгоритмы, данные и миллиарды, потраченные на новые чипы. Редко вспоминают об уплотнениях внутри машин, которые печатают эти чипы, или о жидкостях, которые предотвращают их перегрев. Это упущение стоит исправить.
Производство современного полупроводникового чипа требует тысяч строго контролируемых этапов. Малейшие колебания температуры или химически нестабильные материалы создают микроскопические дефекты, снижая количество функциональных чипов на пластине и повышая затраты. По мере того как каждое новое поколение чипов содержит всё больше транзисторов, допуски становятся ещё жёстче.
Перфторэластомеры — это один из примеров того, где наука о материалах находится в острие проблемы. Эти плотные гибкие уплотнения удерживают реактивные газы и плазму внутри оборудования для производства чипов. Они должны выдерживать условия, которые разрушили бы большинство промышленных материалов. Syensqo, компания по специальным химикатам, созданная на базе Solvay в 2023 году, теперь производит версию этих уплотнений с использованием технологического процесса, который исключает фторсурфактанты. Компания утверждает, что новый материал работает лучше и производится более ответственно, не заставляя производителей чипов выбирать между одним и другим.
Влияет ли это на обычных пользователей ИИ?
Да, косвенно, но конкретно. Когда материалы выходят из строя или работают неадекватно, выход чипов падает, стоимость оборудования растёт, а цена запуска сервисов ИИ вместе с ними. Лучшие материалы означают более надёжные чипы, более доступные облачные вычисления и инструменты ИИ, которые становятся доступны большему количеству людей.
Давление приложено не только на производственную линию. Центры обработки данных, работающие с большими нагрузками ИИ, теперь так плотно упаковывают вычислительное оборудование, что обычное воздушное охлаждение с трудом справляется. Становятся стандартом системы питания с более высоким напряжением, и это создаёт новый набор проблем с материалами в области электрической изоляции и теплоуправления.
Syensqo говорит, что опирается на работу, которую она уже проделала для электромобилей. Системы охлаждения жидкостью, разработанные для батарей электромобилей, имеют достаточно много общего в инженерной части с жидкостными охлаждающими серверными стойками ИИ, поэтому знания переносятся между ними, сокращая время разработки.
Затем возникает вопрос о том, как новые материалы открывают в первую очередь. Традиционно химики формировали гипотезу, синтезировали соединение, тестировали его и повторяли этот цикл, что занимало месяцы для каждого претендента. Теперь Syensqo использует Microsoft Discovery, платформу для исследований с поддержкой ИИ, чтобы на ранних этапах отсеять молекулярных кандидатов для новых теплопередающих жидкостей. ИИ не заменяет химиков. Он сужает поле поиска, чтобы они тратили лабораторное время на наиболее перспективные варианты, а не на маловероятные.
Ничто из этого не происходит быстро. Материал, выявленный в лаборатории сегодня, может потребовать несколько лет для квалификации на использование в коммерческом оборудовании для производства чипов. Производители меняют материалы только тогда, когда новый действительно решает проблему.
Эта статья первоначально была опубликована как спонсируемый контент в MIT Technology Review. Этот контекст важен: это компания, излагающая своё видение, а не независимый анализ. Однако описанные ею принципы инженерии отражают реальные ограничения, которые определяют, что оборудование ИИ может и не может делать.
