Naukowcy z University of Houston twierdzą, że znaleźli sposób na ograniczenie tego zużycia. Ich najnowsze odkrycie – specjalny dwuwymiarowy izolator elektryczny – ma potencjał, by znacząco obniżyć energochłonność układów scalonych stosowanych w serwerach AI.
Dlaczego sztuczna inteligencja potrzebuje tak dużo energii?
Alamgir Karim, jeden z twórców nowego materiału, nie pozostawia wątpliwości co do skali problemu:
Sztuczna inteligencja sprawiła, że nasze zapotrzebowanie na energię eksplodowało
Badacz wskazuje, że większość centrów danych musi utrzymywać tysiące serwerów w niskiej temperaturze, aby zapewnić odpowiednią prędkość przetwarzania i przedłużyć żywotność podzespołów. Wymaga to potężnych, samych w sobie bardzo prądożernych, systemów chłodzenia. Podstawową wadą tradycyjnych komponentów w chipach jest to, że magazynują one energię elektryczną, generując przy tym duże ilości ciepła. To właśnie ten mechanizm napędza koszty operacyjne w zastraszającym tempie.
Jak działa nowy materiał?
Karim wraz ze swoim byłym doktorantem, Maninderjeetem Singhem, opracował materiał złożony z węgla i innych lekkich pierwiastków. Powstały w ten sposób kowalencyjnie wiązane, warstwowe folie o wysoce porowatej strukturze krystalicznej. Kluczem do sukcesu było wykorzystanie organicznych struktur ramowych, za które przyznano Nagrodę Nobla w dziedzinie chemii.
Nowy dielektryk ma fundamentalną cechę, której brakowało dotychczasowym rozwiązaniom – nie gromadzi energii elektrycznej. Ta właściwość bezpośrednio przekłada się na mniejsze wytwarzanie ciepła i niższe koszty prądu podczas intensywnych obliczeń. Materiały o niskiej stałej dielektrycznej, określane w branży jako low-k, pełnią rolę podstawowych izolatorów wspierających przewodniki w układach scalonych. Ich zadaniem jest przenoszenie szybkich, wysokoczęstotliwościowych sygnałów przy minimalnych stratach energii, jednocześnie redukując zakłócenia i tzw. przesłuch między ścieżkami, co finalnie podnosi wydajność całego systemu.
Niska stała dielektryczna i odporność na wysokie napięcia
Zespół odkrył, że opracowane dwuwymiarowe arkusze łączą ultraniską stałą dielektryczną z niezwykle wysoką wytrzymałością na przebicie elektryczne. To połączenie jest niezbędne do pracy w warunkach wysokich napięć, typowych dla urządzeń dużej mocy. Materiał wykazuje również dobrą stabilność termiczną w podwyższonych temperaturach, co ma kluczowe znaczenie dla realnych warunków pracy chipów.
Do wytworzenia warstw zastosowano metodę syntetycznej polimeryzacji międzyfazowej, technikę opracowaną przez laureatów Nagrody Nobla z 2025 roku, w tym Omara M. Yaghi. Lekkie pierwiastki, takie jak węgiel, tworzą struktury przyspieszające transmisję sygnałów i zmniejszające opóźnienia.
Maninderjeet Singh podkreśla znaczenie ich pracy:
Oczekuje się, że te materiały nowej generacji znacząco zwiększą wydajność sztucznej inteligencji i konwencjonalnych urządzeń elektronicznych
Wdrożenie materiałów low-k do układów scalonych niesie ogromny potencjał dla obniżenia zużycia energii przez dynamicznie rosnące centra danych AI. Chipy mogłyby pracować chłodniej i szybciej, oferując wyższą wydajność przy niższych rachunkach za prąd.
Czy to rozwiąże problem? Wyzwania przed komercjalizacją
Odkrycie z Houston może być istotną odpowiedzią na jedno z największych wyzwań współczesnej elektroniki. Jeśli materiał sprawdzi się w praktyce i uda się wdrożyć go do masowej produkcji, mógłby wpłynąć nie tylko na branżę AI, ale na cały sektor urządzeń elektronicznych. Kluczowe pytanie, na które dziś nie ma jeszcze konkretnej odpowiedzi, dotyczy czasu i kosztów takiej komercjalizacji. Przejście z laboratorium do fabryki bywa długim i kosztownym procesem, pełnym nieprzewidzianych przeszkód. Mimo to, samo znalezienie nowej, obiecującej ścieżki badawczej w dziedzinie materiałoznawstwa daje powody do ostrożnego optymizmu.
Patrząc na to odkrycie z perspektywy użytkownika technologii, który z jednej strony docenia wygodę usług opartych na AI, a z drugiej ma coraz większy dysonans, gdy słyszy o kolejnych rekordach zużycia prądu przez centra danych, trudno nie kibicować takim materiałowym przełomom. Jednocześnie mam wrażenie, że tego typu rozwiązania są tylko jednym z elementów większej układanki – nawet najbardziej wydajne chipy nie zatrzymają lawinowo rosnącego apetytu na moc obliczeniową, jeśli równolegle nie zaczniemy zadawać sobie niewygodnych pytań o skalę i sposób wykorzystania AI.
Nowe dielektryki mogą realnie obniżyć rachunki za prąd i temperaturę serwerowni, ale dopiero połączenie ich z bardziej odpowiedzialnym projektowaniem modeli, lepszą efektywnością algorytmów i rozwojem odnawialnych źródeł energii da szansę na to, by cyfrowa rewolucja nie zamieniła się w energetyczną pułapkę.