سامسونگ با کمک هوش مصنوعی زمان توسعه مواد جدید تراشه را از پنج سال به دو سال کاهش می‌دهد
سامسونگ الکترونیکس اعلام کرده است که با بهره‌گیری از هوش مصنوعی، می‌خواهد مدت‌زمان تحقیق و توسعه مواد جدید نیمه‌رسانا را به‌طور چشمگیری کاهش دهد و چرخه سنتی پنج‌ساله توسعه این مواد را به دو سال برساند.
تسریع کشف مواد جدید با هوش مصنوعی
این برنامه در همایشی به میزبانی مجمع انجمن صنعت کره اعلام شد؛ جایی که مدیران و فعالان صنعتی درباره ادغام هوش مصنوعی در فرایند تحقیق و توسعه صنعتی گفت‌وگو کردند. چوی یونگ‌سانگ، یکی از مسئولان مؤسسه پیشرفته فناوری سامسونگ، توضیح داد که این شرکت قصد دارد تعداد گزینه‌های امیدوارکننده برای تولید مواد جدید را بیش از پنج برابر کند و هم‌زمان میزان آزمایش‌های فیزیکی موردنیاز را ۸۰ درصد کاهش دهد.
توسعه مواد پیشرفته مورد استفاده در نیمه‌رساناها فرایندی پیچیده و زمان‌بر است. تراشه‌های امروزی از چندین لایه نازک تشکیل شده‌اند و در یک ساختار متشکل از هفت لایه، بیش از ۱۰۰ میلیون ترکیب احتمالی از مواد مختلف وجود دارد. در روش‌های متداول، پژوهشگران عمدتاً به تجربه و شهود خود تکیه می‌کنند تا این گزینه‌ها را محدود کنند؛ فرایندی که ممکن است ماه‌ها یا حتی سال‌ها آزمون‌وخطا به طول بینجامد.
رفع محدودیت‌های ناشی از آزمایش‌های فیزیکی
محدودیت‌های عملی نیز سرعت نوآوری را کاهش می‌دهند. پژوهشگران معمولاً می‌توانند در هر ماه تنها حدود ۵۰ آزمایش انجام دهند؛ بنابراین، بررسی دستی تمام فضای گسترده پارامترهای مواد بالقوه عملاً امکان‌پذیر نیست. افزون بر این، داده‌های حاصل از آزمایش‌های ناموفق در گذشته به‌خوبی مورد استفاده قرار نمی‌گرفتند و به‌جای آنکه برای بهبود مدل‌های پیش‌بینی به کار روند، کنار گذاشته می‌شدند.
سامسونگ قصد دارد با استفاده از الگوریتم‌های یادگیری ماشین که با داده‌های داخلی حاصل از چندین دهه آزمایش آموزش دیده‌اند، برهم‌کنش میان مواد را شبیه‌سازی کند و پیش از آغاز ساخت فیزیکی مواد، شرایط بهینه را پیش‌بینی کند. این رویکرد که «اطلاعات‌شناسی مواد مبتنی بر هوش مصنوعی» نامیده می‌شود، به شرکت امکان می‌دهد گزینه‌های مناسب‌تر را برای آزمایش‌های فیزیکی در اولویت قرار دهد و از مسیرهای بی‌نتیجه‌ای اجتناب کند که در روش‌های سنتی بخش عمده منابع تحقیق و توسعه را مصرف می‌کنند.
کاربردهای گسترده‌تر در صنایع مختلف
کاربردهای این راهبرد به تراشه‌های منطقی محدود نمی‌شود. سامسونگ انتظار دارد همین روش‌های مبتنی بر هوش مصنوعی در توسعه مواد باتری، فناوری‌های نمایشگر و راهکارهای بسته‌بندی پیشرفته نیز به کار گرفته شوند؛ حوزه‌هایی که دستیابی به مواد جدید در آن‌ها برای حفظ برتری رقابتی در برابر رقبایی مانند TSMC و اینتل اهمیت اساسی دارد.
تحلیلگران صنعت این اقدام را گامی ضروری در رقابت فشرده صنعت نیمه‌رسانا می‌دانند. با نزدیک شدن کوچک‌سازی فیزیکی ترانزیستورها به محدودیت‌های اتمی، نوآوری بیش از پیش به کشف مواد جدید با ویژگی‌های الکتریکی و حرارتی منحصربه‌فرد وابسته شده است. سامسونگ با نهادینه کردن استفاده از هوش مصنوعی در مرحله کشف مواد، می‌کوشد از نظر سرعت نوآوری به مزیتی پایدار دست یابد تا بتواند خود را سریع‌تر با نیازهای متغیر بازارهای هوش مصنوعی و رایانش با کارایی بالا سازگار کند.