AI for Science with GPT-6 Astra: Thermal Design and Electrothermal Analysis of 2D CFET
تُثبت هذه الورقة أن سير عمل وكيل الذكاء الاصطناعي الذي يستخدم GPT-6 Astra يمكنه بنجاح تحسين التصميم الحراري لعواكس CFET ثنائية الأبعاد من خلال اقتراح والتحقق من التعديلات الهيكلية التي تقلل بشكل كبير من درجات الحرارة القصوى مع تحديد المقايضات الكهربائية المرتبطة بها.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تتقلص الإلكترونيات الحديثة إلى نقطة تجعل عملية تشغيل وإيقاف الكمبيوتر بحد ذاتها تولد كمية مفاجئة من الحرارة. فعندما يقوم المهندسون بتكديس أنواع مختلفة من الترانزستورات فوق بعضها البعض لتوفير المساحة، فإنهم يحبسون تلك الحرارة في مساحة صغيرة جدًا، تمامًا مثل تكديم البطانيات فوق جسد دافئ. وتعمل المواد الموجودة بين هذه الطبقات كعوازل، مما يجعل من الصعب هروب الحرارة. وإذا تراكمت هذه الحرارة، فإنها تغير كيفية تدفق الكهرباء، مما يؤدي بدوره إلى توليد المزيد من الحرارة، وهو ما قد يتسبب في تعطل الجهاز. وبالنسبة للجيل القادم من الرقائق فائقة الصنف، فإن إيجاد طريقة لسحب هذه الحرة بعيدًا دون جعل الجهاز أكبر حجمًا أو أبطأ سرعة يعد أحد أكثر التحديات حرجًا في الفيزياء والهندسة.
ولمعالجة ذلك، لجأ فريق من الباحثين مؤخرًا إلى نوع جديد من المساعدين: عالم ذكاء اصطناعي. لم يكتفوا بمجرد طلب حل مسألة رياضية من الكمبيوتر؛ بل منحوه مختبرًا افتراضيًا وهدفًا محددًا. كان الباحثون يدرسون نوعًا من الرقائق المستقبلية المصنوعة من مواد ثنائية الأبعاد، وهي عبارة عن طبقات من الذرات رقيقة جدًا لدرجة أنها مسطحة جوهريًا. صُممت هذه الرقائق لتكديس ترانزستورات من النوع (n-type) والنوع (p-type) رأسيًا، مما يخلق عاكسًا مدمجًا (inverter) — وهو لب بناء أساسي يقلب الإشارات الكهربائية. أراد الفريق معرفة ما إذا كان بإمكان الذكاء الاصطناعي اكتشاف كيفية إعادة ترتيب الأسلاك المعدنية الصغيرة داخل هذه الرقاقة لتبريدها، وما إذا كان القيام بذلك سيضر بأداء الرقاقة.
وُضع نظام الذكاء الاصطناعي، الذي سُمي "أسترا" (Astra)، داخل محاكاة رقمية للرقاقة. وكانت مهمته هي اختبار أشكال ومواقع مختلفة للأسلاك المعدنية التي تربط الطبقات العلوية والسفلية للجهاز. وضع الباحثون قواعد صارمة: يجب أن تظل كمية المعدن المستخدمة ثابتة تمامًا، ويجب أن تتعامل الرقاقة مع قدر محدد من الطاقة الكهربائية. بدأ "أسترا" باختبار فرضية بدت منطقية في ذلك الوقت: ربما جعل السلك الموجود في الطبقة العلوية الأكثر حرارة أعرض سيساعد. ومع ذلك، أظهرت المحاكاة العكس تمامًا؛ فعندما قام الذكاء الاصطناعي بتوسيع ذلك السلك العلوي، أصبحت الرقاقة في الواقع أكثر سخونة. تعلم الذكاء الاصطناعي بسرعة أن الحل لا يكمن في جعل الأشياء أكبر، بل في تحريكها. فقد اقترح تصميمًا يتم فيه تضييق السلك المعدني في الطبقة العلوية ونقله نحو الداخل، بينما يتم نقل المعدن الموفر إلى الطبقة السفلية. هذا التوزيع سمح للحرارة بالتدفق بسهل نحو الأسفل.
لكن الذكاء الاصطناعي لم يتوقف عند هذا الحد. فقد نظر وكيل ذكاء اصطناعي ثانٍ ومنسق إلى النتائج واقترح إضافة جديدة: مسارًا رأسيًا ضيقًا، يشبه المدخنة، يمتد من الجهاز نحو القاعدة لحمل الحرارة بعيدًا. وعندما دمج الباحثون الأسلاك المعاد تموضعها مع مسار الحرارة الجديد هذا، كانت النتائج واضحة. ففي المحاكاة، انخفضت درجة الحرارة القصوى للرقاقة بمقدار 1.67 درجة كلفن مقارنة بالتصميم الأصلي. كان هذا تحسنًا ملحوظًا، مما أثبت أن الذكاء الاصطناعي لا يمكنه فقط إيجاد شكل أفضل، بل يمكنه أيضًا ابتكار طريقة جديدة لنقل الحرارة قد لا يفكر فيها البشر على الفور.
ثم اختبر الباحثون هذا التصميم الجديد تحت ظروف أكثر واقعية، حيث كانت الرقاقة تعمل فعليًا في دائرة كهربائية وتولد حرارتها الخاصة بناءً على مدى شدة عملها. في هذا السيناريو، كان تأثير التبريد أصغر ولكنه ظل موجودًا، حيث خفض درجة الحرارة بنحو 0.3 درجة كلفن. والأهم من ذلك، كشفت الدراسة عن تكلفة هذا التبريد؛ فمن أجل تحقيق درجة الحرارة المنخفضة، انخفضت قدرة الرقاقة على توصيل الكهرباء قليلاً، حيث فقدت حوالي اثنين بالمائة من أقصى تيار لها. هذه المقايضة أمر حيوي ليفهمه المهندسون: التبريد الأفضل ممكن، ولكنه يأتي مع ضريبة طفيفة في السرعة أو الطاقة. لقد نجح الذكاء الاصطناعي في تحديد هذا التوازن كميًا، موضحًا بالضبط مقدار الأداء المفقود مقابل الحصول على تبريد محدد.
وللتأكد من أن هذه النتائج لم تكن مجرد خلل في كود الكمبيوتر، طلب الفريق من عدة نماذج ذكاء اصطناعي مختلفة تكرار الحسابات بشكل مستقل. وقد اتفقت معظمها تمامًا، مما أكد النتائج. ومع ذلك، فشل أحد النماذج بشكل ذريع، حيث أنتج نتيجة مغايرة بأكثر من 100 درجة، مما ساعد الباحثين في تحديد خطأ محدد في كيفية تعامل ذلك النموذج مع البيانات. هذه العملية من الفحص وإعادة الفحص منحت الفريق الثقة في أن التحسن البالغ 1.67 درجة كان حقيقيًا ضمن المحاكاة. وتخلص الدراسة إلى أنه على الرغم من أن التصميم لم يُبنَ بعد في مختبر فيزيائي، فإن سير العمل المستخدم هنا — حيث يقترح الذكاء الاصطناعي هيكلًا، ويختبره، ويقيس التكلفة — يعمل بفعالية. وهذا يوضح أن الذكاء الاصطناعي يمكنه الآن أن يعمل كشريك في الاكتشاف العلمي، عبر اقتراح تصاميم فيزيائية واختبارها بصرامة مقابل قوانين الفيزياء قبل تصنيع أي قطعة معدنية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.