Menghalau Panas Chip AI Lewat Rekayasa Material Berbasis Kecerdasan Buatan
PerbesarKebutuhan komputasi kecerdasan buatan (artificial intelligence) yang melonjak drastis memicu masalah krusial berupa konsumsi daya dan panas berlebih pada infrastruktur digital. Kondisi ini memaksa pengelola data center mengonsumsi energi dalam jumlah raksasa demi menjaga stabilitas sistem pendingin mereka. Ironisnya, solusi untuk mengatasi dampak buruk AI ini justru kini coba dipecahkan oleh teknologi AI itu sendiri.
Sebuah perusahaan rintisan bernama Discovered Materials hadir dengan ambisi memecahkan kebuntuan tersebut. Didukung oleh pendanaan awal (seed round) sebesar 9 juta dolar AS yang dipimpin oleh Lightspeed India Partners, startup ini mengerahkan armada AI agents untuk memburu material baru yang mampu meningkatkan efisiensi termal dan meminimalkan panas pada sirkuit terpadu generasi mendatang.
Otomatisasi Simulasi Fisika Menggunakan AI Agents
Metode konvensional dalam penemuan material baru dikenal sangat lambat dan melelahkan. Salah satu pendiri Discovered Materials, Akash Ramdas, yang memegang gelar doktor dalam ilmu material dari Stanford University, sebelumnya hanya mampu merumuskan sekitar 20 spekulasi struktur atom per hari selama masa studinya. Kini, dengan mengintegrasikan model bahasa besar dari Anthropic ke dalam sistem kustom mereka, proses pencarian tersebut mengalami lompatan eksponensial.
Sistem perangkat lunak yang mereka bangun bekerja secara non-stop di jaringan cloud. Model AI bertindak sebagai agen yang menghasilkan ribuan kandidat material baru setiap hari, yang kemudian langsung diuji akurasinya menggunakan model fisika fundamental (foundational physics models) yang telah dilatih khusus untuk menjalankan simulasi. Sridhar, salah satu pendiri lainnya, menjelaskan, “Kami kini mampu melakukan ribuan spekulasi setiap hari dengan membiarkan agen-agen ini berjalan 24/7 di cloud, mengeksplorasi arah penelitian yang ia berikan.”
Tantangan Whack a Mole dalam Rekayasa Atomik
Meski mampu menghasilkan ribuan kandidat material dalam waktu singkat, mengaplikasikan zat baru ini ke dalam industri semikonduktor nyata bukanlah perkara mudah. Penemuan material semikonduktor selalu dihadapkan pada kompromi rekayasa yang rumit. Jika sebuah material berhasil mereduksi panas atau mempercepat disipasi termal, material tersebut sering kali sangat sulit untuk diproduksi massal atau justru memiliki sifat kelistrikan yang buruk.
Kondisi saling jegal antar-karakteristik fisik ini digambarkan secara apik oleh investor mereka. Hemant Mohapatra, mitra di Lightspeed India Partners yang memimpin pendanaan ini, mengibaratkan proses ini seperti permainan ketok palu. “Ini seperti bermain whack-a-mole dengan struktur atom,” ujar Mohapatra. Ia menambahkan bahwa sebuah material baru benar-benar berguna di dunia nyata hanya jika seluruh sifat fisik yang dibutuhkan dapat menyatu secara bersamaan, menjadikannya sebuah masalah pencarian yang sangat menantang.
Menembus Hambatan Komersialisasi dan Uji Laboratorium Basah
Discovered Materials berencana mematenkan penggunaan material baru yang mereka temukan untuk digunakan pada unit pemroses grafis (GPU) atau melisensikan proses manufakturnya kepada para produsen chip global. Kendati demikian, sejarah mencatat bahwa belum ada material atau obat hasil penemuan AI yang benar-benar memberikan dampak komersial berskala masif di pasar. Kasus terdekat adalah Renterosib milik Insilico Medicine yang baru memasuki uji klinis Fase III, serta magnet permanen bebas tanah jarang dari MatNex yang belum diadopsi secara luas.
Bagi Mohapatra, kendala utama dalam sains material berbasis AI saat ini bukan lagi terletak pada kemampuan menemukan kandidat material baru, melainkan pada proses penyaringan (filtering) dan sintesis fisik di dunia nyata. Sridhar pun mengakui tantangan tersebut. Pada akhirnya, sekuat apa pun kemampuan model AI di atas awan, validasi final tetap harus dilakukan secara manual di dalam laboratorium basah (wet labs) untuk meramu material fisik secara langsung—sebuah proses alami yang tidak akan pernah bisa dipercepat oleh algoritma komputer sekencang apa pun.