الذكاء الاصطناعي يكتشف مواد جديدة لرقائق حاسوبية أبرد
أعلنت شركة ديسكفريد ماتيريالز الناشئة عن إغلاق جولة تمويل أولى بقيمة تسعة ملايين دولار، بقيادة لايت سبيد إنديا بارتنرز وبمشاركة بيك إكس فيي بارتنرز ومستثمرين من أمثال بول غراهام وغوكول راجارام وثاريق شيهيبار، عقب تخرجها من برنامج ي كومبينتور. تهدف الشركة إلى معالجة تحدي إدارة الحرارة في مراكز البيانات المعتمدة على الحوسبة عالية الكثافة، من خلال تطوير منصة لاكتشاف مواد متقدمة لأشباه الموصلات باستخدام أسراب من وكلاء الذكاء الاصطناعي. أسس الشركة المؤسسان أدفايت سريدهار وأكاش رامداس، مستفيدين من خلفية رامداس الأكاديمية في علوم المواد و خبرة سريدهار في هندسة وكلاء الذكاء الاصطناعي. تعمل المنصة عبر سلسلة معالجة برمجية توظف نماذج أنثروبي لتوليد مرشحين لمواد جديدة، تليها محاكاة فيزيائية دقيقة باستخدام نماذج أساسية قام الفريق بتدريبها لتأكيد الخصائص الهندسية. يتيح هذا النظام استكشاف آلاف الاحتمالات يومياً بشكل مستمر، مما يوسع نطاق البحث بشكل يتجاوز بكثير القدرات البشرية التقليدية. تركز الشركة بشكل حصري على المشكلات الحرارية في هندسة الدوائر المتكاملة، في حين تنشط شركات أخرى مثل مات نيكس وساندبوكس إيه كيو وكبس أيه آي في مجالات مجاورة. وقد كشفت الشركة عن إطلاق منصة تقييم لاكتشاف المواد، متتبعة أداء النماذج المتقدمة في هذا المجال، مع الإعلان عن مئات المرشحين الجدد الذين تتطابق خصائصهم مع معايير مصنعي الشرائح الكبار. وتخطط الشركة لحماية هذه الاكتشافات عبر براءات اختراع تغطي التطبيقات في وحدات المعالجة الرسومية أو عمليات التصنيع، على أن تقوم بترخيصها للمصنّعين في المستقبل القريب. رغم الزخم التقني، يشير المستثمرون والخبراء إلى أن العائق الحقيقي لا يكمن في اكتشاف مواد جديدة، بل في تصفيتها بدقة وإجراء التجارب المخبرية والتصنيعية. ويؤكد شريك الاستثمار هيمانت موهاباترا أن الجمع بين الخصائص الكهربائية والحرارية مع إمكانية التصنيع الفعلي يمثل معضلة هندسية تتطلب مختبرات تجريبية حقيقية لا يمكن تعجيلها برمجياً. وتتوقع الشركة أن تصبح عمليات التنبؤ بالمركبات مجردة مع تحسن النماذج، لكن ميزتها التنافسية تكمن في الخبرة العميقة والبنية التحتية المختبرية السريعة للتحقق. تأتي هذه الخطوة في مرحلة لا تزال فيها تقنية الذكاء الاصطناعي لاكتشاف المواد في مراحل ما قبل التجارية، حيث لم ينجح أي مرشح حتى الآن في الانتشار واسع النطاق رغم بعض الجهود الواعدة. وتؤكد هذه التحديات أن الجسر بين الاكتشاف النظري والتطبيق الصناعي لا يزال العائق الأبرز الذي تحتاجه المنصات القائمة على الذكاء الاصطناعي لتخطيه نحو النضج التجاري الفعلي.
