Spring til artiklen
nyhederModellanceringer
← Tilbage til nyhederne
Forskning · MIT Tech Review AI · 16.09.2026 · 2 min. læsning

Syensqo lader AI-agenter finde nye materialer

Materialevirksomheden Syensqo bruger AI-agenter til at screene millioner af molekyler og forkorte udviklingen af materialer til AI-chips og datacentre.

Materialer rammer loftet for AI-infrastruktur

AI presser halvledere og datacentre mod fysiske grænser. Det gælder ydeevne, varmeafledning, elektrisk effektivitet og pålidelighed, siger Mike Finelli, teknologi- og innovationsdirektør i materialevirksomheden Syensqo. Materialerne skal nu klare høj temperatur, høj renhed, kemisk modstandsdygtighed, modstandsdygtighed over for plasma og langvarig stabilitet på samme tid. Finelli kalder det at bevæge sig mod "toppen af pyramiden".

Syensqo udvikler materialer til datacentre med høj spænding, tætningsmaterialer til halvlederfremstilling og væsker til direkte immersionskøling, hvor elektronikken nedsænkes i væske. Materialer udviklet til elbiler kan ifølge Finelli også bruges i datacentre, fordi begge kræver højere spænding og energitæthed.

AI-agenter screener millioner af molekyler

Udviklingen af nye materialer er selv blevet et AI-projekt. Syensqo bruger AI-agenter til digitalt at syntetisere millioner af mulige molekylkombinationer, forudsige deres ydeevne og bæredygtighed og indsnævre dem til en langt mindre gruppe, som testes i laboratoriet. Finelli siger, at det gør arbejdet "bredere, dybere og hurtigere" og giver forskerne mere tid til komplekse ingeniørproblemer. Et molekyle er en samling atomer; her er det kandidater til nye materialer.

Samtidig forventer kunderne, at materialerne både opfylder tekniske krav og nedsætter miljøpåvirkningen. "Vores mål er at fjerne afvejningen mellem ydeevne og bæredygtighed," siger Finelli. Derfor skal bæredygtighed vurderes tidligt i forskningen, ikke bagefter.

Et kredsløb mellem AI og materialer

Finelli ser et muligt kredsløb: AI hjælper med at udvikle materialer, der forbedrer AI-infrastrukturen, og bedre AI kan igen fremskynde opdagelsen af nye materialer. Han kalder det en accelereret materialeinnovationscyklus.

Den tanke er et løfte fra Syensqo, ikke et uafhængigt resultat. Men hvis den holder, kan den ifølge Finelli udvide, hvad fremtidige teknologier kan præstere.

Flere detaljer
Derfor er det interessantSyensqo forventer, at bedre materialer kan gøre AI-infrastruktur mere effektiv og samtidig give AI bedre redskaber til at finde endnu nye materialer.

Kilder:
MIT Tech Review AI →

Læs dagens AI-nyheder på letlæst dansk →

Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.