MIT Araştırmacıları Nükleer Malzemeler Üzerindeki Yapay Zekâ Çalışmalarını İlerletmek İçin Ferveret Soğutma Platformunu Kullanıyor

Yapay zekâ araştırmaları, fikirler tükenmeden çok önce fiziksel bir sınıra takılabilir: Bir laboratuvarın çalıştırıp soğutabileceği hesaplama kapasitesine. Ferveret, MIT’deki araştırmacıların nükleer malzemeleri incelemeye yönelik yapay zekâ yöntemleri geliştirmek için şirketin yüksek performanslı bilgi işlem platformunu kullandığını ve Adaptive Phase Cooling teknolojisini uzun süreli bilimsel iş yüklerinde devreye soktuğunu söylüyor.

22 Ekim tarihli duyuru, iki mühendislik sorununu birbiriyle ilişkilendiriyor. Araştırmacıların, aşırı koşullara maruz kalan malzemeleri anlayabilmek için daha fazla hesaplama kapasitesine ihtiyacı var. Veri merkezi işletmecileri ise sınırlı elektrik kapasitesinden daha fazla yararlı işlem gücü elde etmek istiyor. Ferveret, yeni nesil işlemcilere gerek kalmadan, ısıyı daha iyi uzaklaştırmanın her iki soruna da yardımcı olabileceğini öne sürüyor.

Nükleer Malzeme Araştırmaları Neden Daha Fazla Yapay Zekâ Hesaplama Gücüne İhtiyaç Duyuyor?

Çalışma, Nükleer Bilim ve Mühendislik ile Elektrik Mühendisliği ve Bilgisayar Bilimi alanlarında yardımcı doçent olan Ericmoore Jossou’nun yönettiği MIT Materials in Extreme Environments Lab’ı kapsıyor. MIT’nin öğretim üyesi profili, yapısal özellikleri ve kusurları nanometre ölçeğinde incelemek için gelişmiş mikroskopi ile koherent X-ışını görüntülemeyi bir araya getiren araştırmaları anlatıyor.

Ferveret, platformunu kullanan iki projeden söz ediyor. Bunlardan biri, nükleer malzemelerin koherent X-ışını ölçümlerini analiz etmeye yönelik yapay zekâ yaklaşımları geliştiriyor. Diğeri ise atomların nasıl etkileştiğini tahmin eden ve araştırmacıların zorlu koşullar altında malzemelerin davranışını simüle etmesine yardımcı olan modeller, yani makine öğrenimi tabanlı atomlar arası potansiyeller eğitiyor.

İlk projenin araştırma yönelimi, bağımsız bir kaynakla da destekleniyor. MIT’nin 2026 Nükleer Bilim ve Mühendislik Araştırma Fuarı programında, DongHun Ryu’nun “BCDI Fazının Geri Kazanımı için Fizik Bilgisiyle Yönlendirilen Derin Üretici Modeller” başlıklı sunumu yer alıyor. BCDI, Bragg koherent kırınım görüntüleme anlamına geliyor; bu teknik, Jossou’nun öğretim üyesi profili açıklamasında da araştırma alanları arasında belirtiliyor. Bu durum, soğutma şirketinin duyurusunun ötesinde somut bir araştırma bağlantısı ortaya koyuyor; ancak etkinlik programı Ferveret’in donanımını değerlendirmiyor.

Atomlar arası potansiyeller, hesaplamadaki farklı bir darboğazı ele alıyor. Simülasyonun her aşamasında maliyetli bir elektronik yapı hesabı yapmak yerine, eğitilmiş bir model atom dizilimleri, enerjiler ve kuvvetler arasındaki ilişkiyi yaklaşık olarak hesaplıyor. MIT’nin arşivinde yer alan araştırma, makine öğrenimi tabanlı kuvvet alanlarının, eğitildikleri referans hesaplamaların doğruluğunu korurken atomik simülasyonların zaman ve uzunluk ölçeklerini nasıl genişletebildiğini açıklıyor.

Bu doğruluk, modelin kendisine ve temsil etmeyi öğrendiği durumlara bağlı olmaya devam ediyor. Ferveret’in duyurusuna göre desteklenen araştırmalar, yoğunluk fonksiyonel teorisinin doğruluğuna yaklaşan simülasyonları hedefliyor; ancak duyuruda bu projeler için bir hata tablosu, yayımlanmış bir model ya da bu sonucu ortaya koyan sayısal bir karşılaştırma sunulmuyor.

Adaptive Phase Cooling Isıyı Nasıl Uzaklaştırıyor?

Ferveret’in teknoloji açıklamasının merkezinde, nükleer reaktörlerdeki ısı transferi araştırmalarından esinlenen aşırı soğutulmuş kaynama yöntemi bulunuyor. Yonganın yüzeyindeki ısı buhar kabarcıkları oluştururken, çevresindeki sıvı kaynama sıcaklığının altında kalıyor. Şirket, küçük kabarcıkların hızla yüzeyden ayrılıp daha soğuk sıvıda yeniden yoğuştuğunu ve böylece sıcak yüzeyle temasın yenilendiğini söylüyor.

Fark, buharın nereye gittiğinde yatıyor. Ferveret’in karşılaştırma yaptığı doymuş kaynama temelli daldırmalı soğutma yönteminde kabarcıklar yoğuşmadan önce bir buhar boşluğuna yükseliyor. Ferveret’in yaklaşımı ise kabarcıkları sıvının içinde, oluştukları noktaya yakın bir yerde yoğuşturmayı amaçlıyor. Şirket, bunun ortam basıncına yakın koşullarda çalışmayı ve tek tek sunuculara hizmet veren kompakt muhafazaları desteklediğini söylüyor.

Ferveret’in veri merkezi ürün sayfasında, Lambert adlı rafa monte 4U soğutma ünitesi, özel bir ısı eşanjörü ve çalışma koşullarını ayarlayan kontrol yazılımı tanıtılıyor. Hedeflenen kurulum, büyük ve ortak kullanılan bir daldırma tankı yerine, tesisin ısı uzaklaştırma altyapısına bağlı, sunucu ölçeğinde bir soğutma sistemi.

Yapay zekâ sistemlerini işletenler açısından amaç, uzun süreli iş yükleri sırasında işlemcileri ısıl sınırlar içinde tutarken soğutmayla ilgili ek yükü azaltmak. Daha serin çalışan donanım, ısının performansı sınırlayabileceği durumlarda daha yüksek çalışma performansını sürdürebilir. Sağlanacak katkının boyutu yine de karşılaştırmada kullanılan işlemcilere, iş yüküne, güç ayarlarına ve soğutma sistemine bağlı.

%15 ve %35 Performans Rakamları Gerçekte Ne Anlama Geliyor?

Duyuruda öne çıkarılan iki rakam, farklı ölçümleri ifade ediyor. Ferveret, önde gelen doğrudan çipe soğutma yöntemleriyle karşılaştırıldığında sunucu düzeyinde %15’e kadar daha fazla hesaplama gücü, tesis düzeyindeki iyileştirmeler de hesaba katıldığında ise kullanılabilir hesaplama gücünde %35’e kadar artış bildirdiğini söylüyor.

Ferveret’in mart ayındaki duyurusu ilk rakam hakkında daha fazla ayrıntı sunuyor. Duyuruda, UCLA Intelligent Connectivity Laboratory ile NVIDIA H200 GPU’larını kullanarak yapılan kıyaslama anlatılıyor ve sunucu gücünün kilovatı başına TFLOPs cinsinden ölçülen hesaplama verimliliğinde %15’lik artış bildiriliyor. Açıklamada, sunucu ölçümüne tesis düzeyindeki güç kullanım etkinliğinin özellikle dahil edilmediği belirtiliyor.

Bu, yararlı bir bağlam sağlıyor; ancak yine de işbirliğine ilişkin şirket tarafından sunulan bir açıklamadan ibaret. Duyuru, karşılaştırmayı yeniden üretmeye yetecek kapsamlı bir kıyaslama protokolü veya ham sonuçlar sunmuyor. Ayrıca watt başına kayan nokta işlem hacmindeki %15’lik artış, eğitim süresinde ya da uygulama çıktısında otomatik olarak %15’lik bir iyileşme olduğu anlamına gelmiyor.

Daha yüksek değer, sunucu verimliliğini tesis modellemesiyle birleştiriyor. Ferveret’in örnek hesabında, güç kullanım etkinliği (PUE) 1,20’den 1,03’e düşürülüyor ve ardından sunucu verimliliğindeki %15’lik artış hesaba katılıyor. PUE, tesisin toplam güç tüketiminin BT ekipmanlarının güç tüketimine bölünmesiyle hesaplanır; oranın düşük olması, aynı BT yükü için tesis kaynaklı ek güç tüketiminin daha az olduğu anlamına gelir.

Belirtilen girdiler kullanıldığında toplam kazanç yaklaşık %34’tür: 1,15 çarpı 1,20/1,03. Ferveret sonucu yaklaşık %35 olarak ifade ediyor. Bu hesap, iddianın ölçeğini açıklıyor; ancak MIT’nin nükleer malzeme deneylerinde hızın %35 arttığını gösteren yayımlanmış bir ölçüm değil, varsayılan tesis verimliliklerine dayalı bir senaryodur.

Kanıtların Sona Erdiği, Fırsatın Başladığı Yer

Paylaşılan duyuruda Jossou, platforma erişimin daha büyük modelleri, daha hızlı yinelemeleri ve kesintisiz deneyleri mümkün kıldığını söylüyor. Bu gözlemler, ek bilgi işlem kaynaklarına erişimin pratik değerini destekliyor. Ancak iyileşmenin ne kadarının soğutmadan, ne kadarının donanım tahsisinden kaynaklandığını veya belirli bir bilimsel görevin ne ölçüde hızlandığını ortaya koymuyor.

Aynı ayrım sürdürülebilirlik için de geçerli. Ferveret, buharlaşma yoluyla su tüketmeden kuru soğutucularla ısıyı dışarı atabilen kapalı devre bir sistemi tanımlıyor. Bu, soğutma düzenine ilişkin bir iddiadır. Elektrik üretiminin, ekipman imalatının veya olası her tesis tasarımının su ayak izini ortadan kaldırdığı şeklinde yorumlanmamalıdır.

Duyuruda ayrıca, gelecekte yayımlanacak araştırma yayınlarında Ferveret’in altyapı katkısının belirtilmesinin beklendiği ifade ediliyor. Yayımlanmış yöntemler ve uygulama düzeyindeki sonuçlar, platformun yeniden yapılandırma doğruluğunu, simülasyon ölçeğini, eğitim süresini ve tamamlanan deney başına enerji tüketimini nasıl etkilediğini ortaya koymaya yardımcı olacaktır.

Şimdilik varılabilecek en güçlü sonuç sınırlı ve nettir: Ferveret, yapay zekâ ve nükleer malzemelere odaklanan bir araştırma programına altyapı sağlıyor; bu odak MIT tarafından da doğrulanıyor. Buna karşılık, daha kapsamlı verimlilik iddiaları değerlendirilirken ölçüm sınırlarının dikkate alınması gerekiyor. Uzun vadeli fırsat, kısıtlı bilgi işlem kapasitesinden daha fazla verim almak; ısı aktarımındaki iyileşmeleri, aynı elektrik bütçesiyle daha fazla bilimsel çalışmaya dönüştürmektir.