Discovered MaterialsはAIを活用してクーラーチップを探索中 - なぜなら、発熱の壁は計算の壁と同じくらい現実的な課題だから

スタートアップが、可能な半導体および冷却材料の組み合わせを探索するためにAIを活用しています。1チップあたり1,000Wという消費電力により、熱管理がデータセンターの密度を制限する要因となっています。

簡単に言うと：Discovered Materialsは、チップ向けの新しい半導体材料と熱材料をAIで見つける。ビジネスの背景：AIトレーニング用チップが1ユニットあたり700～1,000Wを超える出力に達し、熱が計算密度と同じくらいの制約となっている。

解決しようとしている問題

現代のAIアクセラレータ（H100、B200クラス）は、ラック内にどれだけ密に配置できるかを制限する規模の熱を発生させる。液体冷却は役立つが、根本的な問題である「材料自体」は解決しない。優れた熱伝導体、相変化材料、新しい半導体基板があれば、チップはスロットリングせずに高温で動作するか、同じ性能でより低温で動作できるようになる。

Discovered MaterialsはAIを活用したループ検索を実施：候補となる材料組成を生成し、計算で特性を予測し、製造可能性の制約でフィルタリングし、反復する。TechCrunchはこれを「AIモグラ叩き」と表現している。検索空間は膨大で、有用な候補はごくわずかだ。

技術的詳細

AIを用いた材料発見の分野には、DeepMindのGNoME（220万の結晶構造）、MicrosoftのMatterGen、MetaのOpen Catalyst Projectが含まれる。Discovered Materialsは特に半導体向けの熱応用に焦点を当てており、結晶構造発見の幅広い研究よりも狭く、商業的に近いターゲットを設定している。

重要な点

計算スケーリングの問題はますます物理の問題となっている。材料AIは長期的な有効な手段だが、「シミュレーションで発見された」から「収率良く製造可能」までのギャップは大きい。これは来期の解決策ではなく、5年規模のインフラへの賭けだ。AIスタックのハードウェア層を追跡しているなら注目に値する。