يستخدم باحثون في MIT منصة Ferveret للتبريد لدعم أبحاث الذكاء الاصطناعي في المواد النووية

قد تصطدم أبحاث الذكاء الاصطناعي بحدّ مادي قبل أن تنفد أفكارها بوقت طويل: مقدار الحوسبة التي يستطيع مختبر توفير الطاقة لها والحفاظ على برودتها. وتقول Ferveret إن باحثين في MIT يستخدمون منصتها للحوسبة عالية الأداء لتطوير أساليب ذكاء اصطناعي لدراسة المواد النووية، مستفيدين من تقنية التبريد بالطور التكيّفي في أحمال العمل العلمية المستمرة.

يربط إعلان 22 أكتوبر بين تحديين هندسيين. يحتاج الباحثون إلى قدرة حوسبة أكبر لفهم المواد المعرّضة لظروف قاسية. ويحتاج مشغّلو مراكز البيانات إلى إنجاز قدر أكبر من العمل المفيد بقدرة كهربائية محدودة. وتتمثل فكرة Ferveret في أن تحسين التخلص من الحرارة قد يساعد الطرفين، من دون الحاجة إلى جيل جديد من المعالجات.

لماذا تحتاج أبحاث المواد النووية إلى مزيد من قدرة الحوسبة للذكاء الاصطناعي

يشمل هذا العمل مختبر المواد في البيئات القصوى في MIT، الذي يديره إريك مور جوسو، الأستاذ المساعد في العلوم والهندسة النووية والهندسة الكهربائية وعلوم الحاسوب. ويصف الملف التعريفي لأحد أعضاء هيئة التدريس في MIT أبحاثًا تجمع بين المجهر المتقدم والتصوير بالأشعة السينية المتماسكة لفحص الخصائص البنيوية والعيوب بدقة تصل إلى المستوى النانوي.

تحدّد Ferveret مشروعين يستخدمان منصتها. يطوّر أحدهما أساليب للذكاء الاصطناعي لتحليل قياسات الأشعة السينية المتماسكة للمواد النووية. أما الآخر، فيدرّب كمونات بين ذرية قائمة على تعلّم الآلة، وهي نماذج تتنبأ بكيفية تفاعل الذرات وتساعد الباحثين على محاكاة سلوك المواد في ظروف صعبة.

وتوجد أدلة مستقلة تدعم التوجه البحثي للمشروع الأول. إذ يتضمن معرض أبحاث العلوم والهندسة النووية لعام 2026 في MIT عرضًا تقديميًا لدونغ هون ريو بعنوان «نماذج توليدية عميقة مستنيرة بالفيزياء لاسترجاع طور BCDI». ويشير BCDI إلى التصوير الحيودي المتماسك بطريقة براغ، وهي تقنية يذكرها أيضًا وصف أبحاث جوسو في ملفه التعريفي لأعضاء هيئة التدريس. وهذا يثبت وجود صلة بحثية ملموسة تتجاوز إعلان شركة التبريد، مع أن قائمة الفعالية لا تقيّم أجهزة Ferveret.

تعالج الكمونات بين الذرية عنق زجاجة حاسوبيًا مختلفًا. فبدلًا من إجراء حساب مكلف للبنية الإلكترونية في كل مرحلة من مراحل المحاكاة، يقدّر نموذج مدرّب العلاقة بين الترتيبات الذرية والطاقات والقوى. ويوضح بحث محفوظ في مستودع MIT كيف يمكن لمجالات القوى القائمة على تعلّم الآلة توسيع النطاقين الزمني والمكاني للمحاكاة الذرية، مع الحفاظ على دقة الحسابات المرجعية التي دُرّبت عليها.

وتظل هذه الدقة مشروطة بالنموذج وبالحالات التي تعلّم تمثيلها. ويذكر إعلان Ferveret أن الأبحاث المدعومة تسعى إلى محاكاة تقترب دقتها من دقة نظرية دالية الكثافة؛ لكنه لا يقدم جدولًا للأخطاء، أو نموذجًا منشورًا، أو مقارنة رقمية تثبت تحقق هذه النتيجة في هذه المشاريع.

كيف يبدد التبريد بالطور التكيّفي الحرارة

يتمحور وصف تقنية Ferveret حول الغليان دون درجة التشبع، وهو نهج يستند إلى أبحاث انتقال الحرارة في المفاعلات النووية. وتتكوّن فقاعات بخار بفعل الحرارة عند سطح الشريحة، بينما يبقى السائل المحيط بها دون درجة غليانه. وتقول الشركة إن الفقاعات الصغيرة تنفصل بسرعة ثم تتكثف مجددًا في ذلك السائل الأبرد، فتتجدد ملامسته للسطح الساخن.

يكمن الاختلاف في وجهة البخار. ففي نهج التبريد بالغمر مع الغليان المشبع الذي تقارنه Ferveret بنهجها، ترتفع الفقاعات إلى حيز بخاري قبل تكثيفها. أما نهج الشركة، فيسعى إلى تكثيفها محليًا داخل السائل. وتقول الشركة إن ذلك يتيح التشغيل عند ضغط قريب من الضغط المحيط، وفي حاويات مدمجة تخدم خوادم منفردة.

وتصف صفحة منتجات مراكز البيانات وحدة تبريد تُثبّت في الرفوف بارتفاع 4U وتُسمى Lambert، إلى جانب مبادل حراري مخصص وبرمجيات تحكم تضبط ظروف التشغيل. ويستهدف هذا التصميم نشر نظام تبريد على مستوى الخادم، متصل ببنية المنشأة التحتية للتخلص من الحرارة، بدلًا من خزان غمر كبير مشترك.

بالنسبة إلى مشغّلي الذكاء الاصطناعي، يتمثل الهدف في إبقاء المعالجات ضمن حدودها الحرارية خلال أحمال العمل الممتدة، مع تقليل الأعباء الإضافية المرتبطة بالتبريد. ويمكن للأجهزة الأبرد الحفاظ على أداء تشغيلي أعلى عندما تكون الحرارة عاملًا مقيّدًا لولا ذلك. ومع ذلك، يظل حجم الفائدة مرهونًا بالمعالجات وحمل العمل وإعدادات الطاقة ونظام التبريد المستخدم للمقارنة.

ما الذي تعنيه فعليًا أرقام الأداء البالغة 15% و35%؟

يشير الرقمان الرئيسيان في الإعلان إلى قياسين مختلفين. إذ تفيد Ferveret بتحقيق حوسبة أكبر بنسبة تصل إلى 15% على مستوى الخادم مقارنةً بأساليب التبريد المباشر للشرائح الرائدة، وبحوسبة قابلة للاستخدام أكبر بنسبة تصل إلى 35% عند احتساب التحسينات على مستوى المنشأة.

ويقدم إعلان Ferveret الصادر في مارس تفاصيل إضافية عن الرقم الأول. إذ يصف اختبارًا معياريًا أُجري بالتعاون مع مختبر الاتصال الذكي في UCLA باستخدام وحدات معالجة الرسومات NVIDIA H200، ويذكر تحسنًا بنسبة 15% في الكفاءة الحاسوبية، مقاسةً بالتيرافلوب لكل كيلوواط من طاقة الخادم. ويستثني البيان صراحةً مقياس كفاءة استخدام الطاقة على مستوى المنشأة من هذا المقياس الخاص بالخادم.

يوفر ذلك سياقًا مفيدًا، لكنه يظل روايةً للتعاون صادرةً عن الشركة. ولا يتضمن البيان بروتوكولًا كاملًا للاختبار المعياري أو نتائج خامًا تكفي لإعادة إجراء المقارنة. كما أن تحسن الإنتاجية الحسابية بالفاصلة العائمة لكل واط بنسبة 15% لا يثبت تلقائيًا تحسنًا بنسبة 15% في مدة التدريب أو مخرجات التطبيقات.

يجمع الرقم الأكبر بين كفاءة الخوادم ونموذج للمنشأة. في المثال التطبيقي الذي أوردته Ferveret، تنتقل المقارنة من معامل فعالية استخدام الطاقة (PUE) البالغ 1.20 إلى 1.03، ثم تُطبّق نسبة التحسن البالغة 15% في كفاءة الخوادم. ويُحسب معامل فعالية استخدام الطاقة بقسمة إجمالي الطاقة التي تستهلكها المنشأة على الطاقة التي تستهلكها معدات تقنية المعلومات؛ وتعني النسبة الأقل أعباءً أقل للمنشأة عند مستوى معين من أحمال تقنية المعلومات.

استنادًا إلى المدخلات المذكورة، يبلغ التحسن الإجمالي نحو 34%: 1.15 مضروبة في 1.20/1.03. وتصف Ferveret النتيجة بأنها نحو 35%. توضح الحسابات حجم الادعاء، لكنها تمثل سيناريو قائمًا على افتراضات بشأن كفاءة المنشأة، لا قياسًا منشورًا لتسارع بنسبة 35% في تجارب MIT على المواد النووية.

أين تنتهي الأدلة وتبدأ الفرصة

في الإعلان المقدم، يقول Jossou إن الوصول إلى المنصة يتيح استخدام نماذج أكبر، وتسريع تكرار العمل، وإجراء تجارب متواصلة. وتدعم هذه الملاحظات القيمة العملية لإتاحة قدرة حوسبة إضافية. لكنها لا تحدد مقدار التحسن الناتج عن التبريد، أو مقدار ما نتج عن تخصيص الأجهزة، ولا مدى تسريع تنفيذ مهمة علمية بعينها.

وينطبق التمييز نفسه على الاستدامة. تصف Ferveret نظامًا مغلق الحلقة يمكنه طرح الحرارة عبر مبردات جافة، من دون استهلاك المياه بالتبخر. وهذا ادعاء يتعلق بتكوين نظام التبريد. ولا ينبغي فهمه على أنه يعني انعدام البصمة المائية لتوليد الكهرباء أو إنتاج المعدات أو جميع التصاميم المحتملة للمنشآت.

ويذكر الإعلان أيضًا أنه يُتوقع أن تشير المنشورات البحثية المستقبلية إلى مساهمة Ferveret في البنية التحتية. ومن شأن نشر المنهجيات والنتائج على مستوى التطبيقات أن يساعد في تحديد أثر المنصة في دقة إعادة البناء، وحجم المحاكاة، ومدة التدريب، والطاقة المستهلكة لكل تجربة مكتملة.

في الوقت الراهن، يمكن استخلاص نتيجة محددة: توفر Ferveret بنية تحتية لبرنامج بحثي تؤكد MIT ما يركز عليه من ذكاء اصطناعي ومواد نووية، في حين تستدعي ادعاءات الكفاءة الأوسع تدقيقًا في حدود القياس. أما الفرصة على المدى الأبعد، فتتمثل في تحقيق استفادة أكبر من القدرة الحاسوبية المحدودة، وتحويل التحسينات في نقل الحرارة إلى مزيد من العمل العلمي ضمن الميزانية الكهربائية نفسها.