С ростом искусственного интеллекта (ИИ) возникают новые требования к материалам, которые поддерживают вычислительную инфраструктуру. Полупроводники и центры обработки данных достигают физических пределов по производительности, тепловому управлению, электрической эффективности и надежности. Это создает спрос на новые материалы, способные справляться с множеством задач одновременно. В то же время ИИ предоставляет ученым-материаловедам новые инструменты для поиска молекул и ускорения разработки решений.

Влияние ИИ на материалы

По словам Майка Финелли, главного технолога и директора по инновациям компании Syensqo, это слияние технологий меняет возможности, которые могут предоставить современные материалы. "ИИ сейчас, с точки зрения материалов, действительно подталкивает полупроводники и центры обработки данных к их физическим пределам", — утверждает он. С увеличением требований, таких как высокая температура, чистота, электрическая производительность, химическая стойкость и долговечность, материалы движутся к тому, что Финелли называет "верхушкой пирамиды".

Новые требования к материалам

Современные материалы должны не только поддерживать инновации в области ИИ, но и определять, что возможно в будущем. Syensqo разрабатывает материалы для высоковольтных архитектур центров обработки данных, передовые герметизирующие материалы для производства полупроводников и решения для теплового управления, включая жидкости для прямого погружного охлаждения. Некоторые из этих инноваций могут быть применены в различных отраслях. Например, материалы, разработанные для электрических автомобилей, могут помочь справиться с требованиями к более высоким напряжениям и плотности энергии в центрах обработки данных.

Изменение определения производительности

С увеличением требований к материалам, клиенты ожидают, что они будут соответствовать техническим характеристикам, одновременно снижая воздействие на окружающую среду. "Наша цель — устранить компромисс между производительностью и устойчивостью", — говорит Финелли. Это означает, что устойчивость должна учитываться на начальном этапе исследования, а не рассматриваться как дополнительное требование после разработки материала.

Использование ИИ в разработке материалов

Syensqo использует ИИ для цифрового синтеза миллионов потенциальных молекулярных комбинаций, предсказания их характеристик производительности и устойчивости, а затем сокращает их до гораздо меньшей группы для лабораторного тестирования. Результат, по словам Финелли, — это возможность работать "шире, глубже и быстрее", предоставляя ученым больше времени для решения сложных инженерных задач.

Цикл инноваций

Смотрев в будущее, Финелли видит возможность создания замкнутого цикла: ИИ помогает разрабатывать материалы, которые улучшают инфраструктуру ИИ, что, в свою очередь, позволяет более эффективному ИИ ускорять открытие новых материалов. Этот цикл может создать инновационный круговорот и расширить возможности будущих технологий. "Вы попадаете в этот ускоренный цикл инноваций в области материалов", — говорит Финелли. "Это действительно вдохновляет меня и дает нам возможность продолжать поддерживать технологии, которые будут формировать будущее".

Заключение

Таким образом, с ростом ИИ и новыми требованиями к материалам, компании, такие как Syensqo, находятся на переднем крае этой трансформации, разрабатывая решения, которые не только удовлетворяют текущие потребности, но и открывают новые горизонты для будущих технологий.