अणिमा आनंदकुमार यांच्या 'Accelerated Understanding' या स्टार्टअपद्वारे 'Physical AI' विकसित केले जात आहे. हे तंत्रज्ञान सेमीकंडक्टर मधील थर्मल मॅनेजमेंट आणि वैज्ञानिक प्रक्रियांचे अचूक सिम्युलेशन करून मॅन्युफॅक्चरिंगमधील R&D खर्च मोठ्या प्रमाणात कमी करण्याच्या तयारीत आहे.
आर्टिफिशियल इंटेलिजन्सच्या जगात आता 'Physical AI' नावाची एक नवी शाखा उदयास येत आहे. सध्याचे AI मॉडेल्स जे शब्दांचे भाकीत करतात, त्यापेक्षा हे तंत्रज्ञान पूर्णपणे वेगळे आहे. हे मॉडेल्स जटिल भौतिकशास्त्राची (Physics) समीकरणे सोडवण्यावर लक्ष केंद्रित करतात. कॅल्टेकच्या प्राध्यापिका अणिमा आनंदकुमार यांच्या नेतृत्वाखालील 'Accelerated Understanding' हे स्टार्टअप या क्षेत्रात आघाडीवर आहे. हे तंत्रज्ञान इंडस्ट्रियल डिझाइनमधील उष्णता प्रवाह (Heat Flow) आणि फ्लुइड डायनॅमिक्सचे अचूक मॉडेलिंग करण्यासाठी वापरले जात आहे.\n\n### सेमीकंडक्टर निर्मितीवर होणारा परिणाम\n\nसेमीकंडक्टर सेक्टरवर लक्ष ठेवून असलेल्या गुंतवणूकदारांसाठी ही मोठी बातमी आहे. चिप्सचा आकार लहान होत असताना, त्यातील उष्णतेचे व्यवस्थापन (Thermal Management) हे एक मोठे आव्हान ठरत आहे. पारंपारिक पद्धतीने चिपच्या उष्णतेचे परीक्षण करण्यासाठी महागडे प्रोटोटाइप आणि प्रदीर्घ वेळ लागतो. मात्र, आता न्यूरल ऑपरेटर्सच्या मदतीने चिप प्रत्यक्ष बनवण्यापूर्वीच तिची क्षमता डिजिटल पद्धतीने तपासली जाणार आहे. यामुळे उत्पादनातील चुका आधीच समजतील आणि महागड्या चाचण्यांचा खर्च कमी होईल.\n\n### औद्योगिक उपयोग आणि कार्यक्षमता\n\nकेवळ हार्डवेअरच नव्हे, तर वैद्यकीय उपकरणांच्या निर्मितीतही या तंत्रज्ञानाचा वापर यशस्वी ठरला आहे. कॅथेटर्सच्या डिझाइनचे सिम्युलेशन करून संसर्गाचा धोका कमी करण्यास मदत झाली आहे. ऑटोमोबाईल आणि एरोस्पेससारख्या क्षेत्रांत जिथे प्रत्यक्ष चाचणी धोकादायक किंवा खर्चिक असते, तिथे 'Physical AI' गेम चेंजर ठरू शकते.\n\n### आव्हाने आणि भविष्यातील गुंतवणूक\n\nही नवीन टेक्नॉलॉजी जरी क्रांतिकारी वाटत असली, तरी ती अजून सुरुवातीच्या टप्प्यात आहे. मोठ्या प्रमाणावर कॉम्प्युटिंग पॉवरची गरज हे या स्टार्टअपसमोरील एक मोठे आव्हान आहे. तसेच, पारंपारिक पद्धतींना हे तंत्रज्ञान कितपत टक्कर देऊ शकते, याकडे गुंतवणूकदारांचे लक्ष लागले आहे. जर हे तंत्रज्ञान मोठ्या मॅन्युफॅक्चरिंग प्लॅटफॉर्मवर यशस्वी झाले, तर उत्पादक कंपन्यांचा 'टाइम-टू-मार्केट' मोठ्या प्रमाणात कमी होऊन नफ्यात वाढ होऊ शकते.