नई दिल्ली. आर्टिफिशियल इंटेलिजेंस (AI) की दुनिया में तेजी से बढ़ती मांग के बीच भारतीय प्रतिभा से जुड़े एक स्टार्टअप ने सेमीकंडक्टर इंडस्ट्री की बड़ी चुनौती को हल करने की दिशा में अहम कदम उठाया है. IIT मद्रास के पूर्व छात्र आकाश रामदास के स्टार्टअप Discovered Materials ने 9 मिलियन डॉलर यानी करीब 80 करोड़ रुपये की सीड फंडिंग जुटाई है. कंपनी आर्टिफिशियल इंटेलिजेंस की मदद से ऐसे नए मटेरियल खोजने पर काम कर रही है, जो शक्तिशाली AI चिप्स में पैदा होने वाली गर्मी को बेहतर तरीके से नियंत्रित करने में मदद कर सकें.
20 अक्टूबर 2026 को प्रकाशित रिपोर्ट के अनुसार, इस फंडिंग का इस्तेमाल कंपनी अपने रिसर्च और डेवलपमेंट कार्यों को आगे बढ़ाने, तकनीकी टीम का विस्तार करने और नए मटेरियल की खोज की प्रक्रिया को तेज करने में करेगी. हालांकि, फंडिंग से जुड़ी विस्तृत शर्तों और निवेशकों के बारे में उपलब्ध जानकारी सीमित है.
AI मॉडल, डेटा सेंटर और हाई-परफॉर्मेंस कंप्यूटिंग की बढ़ती जरूरतों ने चिप बनाने वाली कंपनियों के सामने ऊर्जा खपत और हीट मैनेजमेंट की चुनौती बढ़ा दी है. ऐसे में Discovered Materials का लक्ष्य सिर्फ नए मटेरियल खोजना नहीं, बल्कि उनकी खोज की प्रक्रिया को तेज और अधिक प्रभावी बनाना भी है.
कौन हैं आकाश रामदास, जिनके स्टार्टअप पर लगा बड़ा दांव
आकाश रामदास IIT मद्रास के पूर्व छात्र हैं और उन्होंने Discovered Materials की स्थापना नई तकनीक के जरिए मटेरियल साइंस की जटिल समस्याओं को हल करने के उद्देश्य से की. कंपनी का फोकस आर्टिफिशियल इंटेलिजेंस और कंप्यूटेशनल रिसर्च को मिलाकर ऐसे पदार्थों की पहचान करना है, जिनका इस्तेमाल भविष्य की सेमीकंडक्टर तकनीक में किया जा सके.
मटेरियल साइंस में किसी पदार्थ के गुणों को समझना, उसकी संरचना में बदलाव करना और उसे औद्योगिक इस्तेमाल के लिए उपयुक्त बनाना एक लंबी प्रक्रिया हो सकती है. पारंपरिक तरीकों में वैज्ञानिकों को अलग-अलग रासायनिक संयोजनों के प्रयोग करने पड़ते हैं. हर संभावित मटेरियल को तैयार करना, उसकी जांच करना और नतीजों का विश्लेषण करना समय और संसाधन मांगता है.
Discovered Materials इसी प्रक्रिया में AI की भूमिका बढ़ाने की कोशिश कर रहा है. कंपनी का उद्देश्य संभावित मटेरियल की पहचान के लिए कंप्यूटेशनल तरीकों का उपयोग करना और प्रयोगशाला में परीक्षण के लिए अधिक उपयोगी विकल्पों को प्राथमिकता देना है.
इस तरह का मॉडल सफल रहता है, तो रिसर्च टीम कम समय में अधिक संभावनाओं का आकलन कर सकती है. हालांकि, किसी मटेरियल को कंप्यूटर पर उपयोगी पाए जाने और वास्तविक चिप में सफलतापूर्वक इस्तेमाल किए जाने के बीच कई तकनीकी चरण होते हैं.
AI चिप्स का गर्म होना क्यों बन गया बड़ी चुनौती
आर्टिफिशियल इंटेलिजेंस के बड़े मॉडल को ट्रेन करने और उन्हें इस्तेमाल करने के लिए भारी कंप्यूटिंग क्षमता की जरूरत होती है. इसके लिए डेटा सेंटरों में शक्तिशाली प्रोसेसर और एक्सेलरेटर लगाए जाते हैं. ये चिप्स बहुत कम समय में बड़ी मात्रा में गणना करती हैं, लेकिन इस दौरान ऊर्जा का एक हिस्सा गर्मी के रूप में निकलता है.
जब चिप्स में गर्मी बढ़ जाती है, तो सिस्टम को सुरक्षित तापमान पर रखने के लिए कूलिंग की जरूरत पड़ती है. तापमान निर्धारित सीमा से अधिक होने पर कुछ चिप्स अपनी गति कम कर सकती हैं, जिसे थर्मल थ्रॉटलिंग कहा जाता है. इससे परफॉर्मेंस प्रभावित हो सकती है.
डेटा सेंटरों में इस गर्मी को नियंत्रित करने के लिए पंखों, हीट सिंक, लिक्विड कूलिंग और अन्य तकनीकों का इस्तेमाल किया जाता है. इन प्रणालियों के संचालन में भी ऊर्जा खर्च होती है. AI इंफ्रास्ट्रक्चर के विस्तार के साथ बिजली की उपलब्धता, कूलिंग की लागत और उपकरणों की विश्वसनीयता महत्वपूर्ण मुद्दे बन गए हैं.
यही वह क्षेत्र है, जहां बेहतर मटेरियल अहम भूमिका निभा सकते हैं. यदि चिप्स और उनके आसपास इस्तेमाल होने वाले पदार्थ गर्मी को अधिक प्रभावी ढंग से स्थानांतरित या फैलाने में सक्षम हों, तो हीट मैनेजमेंट को बेहतर बनाया जा सकता है. हालांकि, केवल नया मटेरियल खोज लेने से पूरी कूलिंग समस्या समाप्त नहीं होगी. चिप डिजाइन, पैकेजिंग और कूलिंग सिस्टम भी इसमें महत्वपूर्ण भूमिका निभाते हैं.
AI की मदद से कैसे खोजे जाएंगे नए मटेरियल
Discovered Materials का मुख्य विचार मटेरियल की खोज में AI और कंप्यूटेशनल मॉडल का इस्तेमाल करना है. पारंपरिक रिसर्च में वैज्ञानिक पहले संभावित पदार्थों की पहचान करते हैं और फिर उनके गुणों का परीक्षण करते हैं. इस प्रक्रिया में कई ऐसे विकल्पों पर भी समय लग सकता है, जो अंततः अपेक्षित परिणाम नहीं देते.
AI आधारित प्रणाली उपलब्ध वैज्ञानिक डेटा, रासायनिक संरचनाओं और मटेरियल के गुणों के बीच संबंधों का विश्लेषण कर सकती है. इसके आधार पर मॉडल उन संयोजनों की पहचान करने में मदद कर सकता है, जिनमें वांछित गुण मिलने की संभावना अधिक हो.
उदाहरण के लिए, सेमीकंडक्टर उद्योग के लिए किसी मटेरियल का तापीय चालकता यानी थर्मल कंडक्टिविटी, विद्युत गुण, स्थिरता और निर्माण प्रक्रिया के साथ अनुकूलता महत्वपूर्ण हो सकती है. AI मॉडल इन गुणों से जुड़े संभावित विकल्पों को छांटने में मदद कर सकता है.
इसके बाद वैज्ञानिकों को चुने गए मटेरियल का प्रयोगशाला में परीक्षण करना पड़ता है. उन्हें यह भी जांचना होता है कि पदार्थ वास्तविक उत्पादन परिस्थितियों में कैसा व्यवहार करता है और क्या उसका निर्माण बड़े पैमाने पर संभव है.
इसलिए AI को वैज्ञानिकों का विकल्प मानने के बजाय रिसर्च को तेज करने वाला उपकरण समझना अधिक उचित है. Discovered Materials के लिए असली चुनौती ऐसे मटेरियल की पहचान करना होगी, जो कंप्यूटर मॉडल में ही नहीं, बल्कि वास्तविक औद्योगिक इस्तेमाल में भी बेहतर प्रदर्शन करें.
9 मिलियन डॉलर की फंडिंग से क्या बदलेगा
Discovered Materials को मिली 9 मिलियन डॉलर की सीड फंडिंग कंपनी को शुरुआती रिसर्च से आगे बढ़कर अपनी तकनीक को विकसित करने और उसकी उपयोगिता साबित करने का अवसर दे सकती है. स्टार्टअप के लिए शुरुआती निवेश आमतौर पर तकनीकी टीम बनाने, कंप्यूटिंग संसाधन जुटाने और प्रोटोटाइप विकसित करने में अहम होता है.
इस पूंजी से कंपनी को तीन प्रमुख क्षेत्रों में काम आगे बढ़ाने का अवसर मिल सकता है.
रिसर्च और डेवलपमेंट का विस्तार: नए मटेरियल की खोज के लिए AI मॉडल और कंप्यूटेशनल टूल विकसित करने में निवेश किया जा सकता है. इससे अलग-अलग मटेरियल के गुणों का आकलन करने की क्षमता बढ़ाने में मदद मिलेगी.
विशेषज्ञों की टीम तैयार करना: मटेरियल साइंस, केमिस्ट्री, मशीन लर्निंग और सेमीकंडक्टर इंजीनियरिंग जैसे क्षेत्रों के विशेषज्ञों की भूमिका महत्वपूर्ण होगी. इन क्षेत्रों के बीच बेहतर तालमेल से प्रयोगशाला में परीक्षण के योग्य विकल्पों की पहचान की जा सकती है.
औद्योगिक सहयोग की संभावनाएं: सेमीकंडक्टर कंपनियों और मटेरियल निर्माताओं के साथ सहयोग से नए पदार्थों का वास्तविक परिस्थितियों में परीक्षण करने का अवसर मिल सकता है. हालांकि, कंपनी ने किन औद्योगिक भागीदारों के साथ समझौते किए हैं, इसकी विस्तृत जानकारी उपलब्ध रिपोर्ट में स्पष्ट नहीं है.
यह फंडिंग कंपनी के लिए एक महत्वपूर्ण शुरुआती पड़ाव है, लेकिन इससे यह निष्कर्ष नहीं निकाला जा सकता कि उसने AI चिप्स की हीटिंग समस्या का समाधान खोज लिया है. तकनीक की सफलता उसके वास्तविक परीक्षण और औद्योगिक उपयोग के नतीजों पर निर्भर करेगी.
सेमीकंडक्टर उद्योग के लिए क्यों महत्वपूर्ण है यह तकनीक
दुनिया भर में AI डेटा सेंटरों का विस्तार हो रहा है. बड़ी टेक कंपनियां AI मॉडल के प्रशिक्षण और संचालन के लिए अधिक शक्तिशाली हार्डवेयर तैयार कर रही हैं. इसके साथ ही चिप्स की ऊर्जा दक्षता, गर्मी को नियंत्रित करने और सीमित जगह में अधिक कंप्यूटिंग क्षमता उपलब्ध कराने की जरूरत भी बढ़ रही है.
सेमीकंडक्टर उद्योग में मटेरियल की भूमिका केवल गर्मी नियंत्रित करने तक सीमित नहीं है. चिप्स की पैकेजिंग, उनके विभिन्न हिस्सों के बीच विद्युत संपर्क, टिकाऊपन और निर्माण की लागत भी इस्तेमाल होने वाले पदार्थों पर निर्भर करती है.
अगर AI की मदद से ऐसे मटेरियल खोजे जा सकें, जो बेहतर तापीय प्रदर्शन के साथ अन्य जरूरी गुण भी बनाए रखें, तो भविष्य में अधिक प्रभावी चिप डिजाइन विकसित करने में मदद मिल सकती है. इससे डेटा सेंटरों की कुल ऊर्जा जरूरत और परिचालन लागत पर भी सकारात्मक प्रभाव पड़ने की संभावना है.
लेकिन किसी नई सामग्री को बड़े पैमाने पर अपनाने के लिए उसकी लागत, उपलब्धता, निर्माण प्रक्रिया और दीर्घकालिक विश्वसनीयता साबित करना जरूरी होगा. सेमीकंडक्टर उद्योग में किसी बदलाव को व्यावसायिक स्तर पर लागू होने में समय लग सकता है.
भारतीय तकनीकी प्रतिभा के लिए क्या है इसका महत्व
IIT मद्रास जैसे संस्थानों से निकले उद्यमियों का डीप टेक और AI आधारित उद्योगों में काम करना भारत के स्टार्टअप इकोसिस्टम के लिए महत्वपूर्ण संकेत है. जहां कई स्टार्टअप सॉफ्टवेयर और डिजिटल सेवाओं पर ध्यान देते हैं, वहीं मटेरियल साइंस और सेमीकंडक्टर तकनीक जैसे क्षेत्रों में काम करने वाली कंपनियों को लंबी रिसर्च, विशेषज्ञता और पर्याप्त पूंजी की जरूरत होती है.
Discovered Materials का मॉडल AI को वैज्ञानिक खोज की प्रक्रिया में इस्तेमाल करने पर केंद्रित है. यदि कंपनी अपनी तकनीक को सफलतापूर्वक विकसित कर पाती है, तो यह दिखा सकती है कि मशीन लर्निंग का इस्तेमाल केवल टेक्स्ट, तस्वीरों या डेटा विश्लेषण तक सीमित नहीं, बल्कि औद्योगिक और वैज्ञानिक समस्याओं के समाधान में भी किया जा सकता है.
हालांकि, कंपनी की स्थापना और फंडिंग को भारत में सेमीकंडक्टर निर्माण की उपलब्धि के बराबर नहीं माना जाना चाहिए. इसकी तकनीक का वास्तविक योगदान तभी स्पष्ट होगा, जब विकसित मटेरियल का परीक्षण हो और वे व्यावसायिक रूप से उपयोगी साबित हों.
अब आगे क्या होगा
आकाश रामदास के स्टार्टअप के सामने अगला महत्वपूर्ण चरण AI आधारित खोज को प्रयोगशाला के नतीजों और वास्तविक औद्योगिक जरूरतों से जोड़ना होगा. नए मटेरियल की पहचान, उनके गुणों का सत्यापन, निर्माण की व्यवहार्यता और सेमीकंडक्टर सिस्टम के साथ उनकी अनुकूलता इस प्रक्रिया के अहम हिस्से होंगे.
कुल मिलाकर, Discovered Materials की 9 मिलियन डॉलर की सीड फंडिंग AI और मटेरियल साइंस के मेल में निवेशकों की रुचि को दर्शाती है. AI चिप्स की बढ़ती गर्मी और कूलिंग की लागत एक वास्तविक तकनीकी चुनौती है. यदि कंपनी इस क्षेत्र में उपयोगी और व्यावसायिक रूप से व्यवहार्य मटेरियल विकसित कर पाती है, तो उसकी तकनीक भविष्य के सेमीकंडक्टर और डेटा सेंटर उद्योग के लिए अहम साबित हो सकती है. फिलहाल, फंडिंग एक शुरुआती उपलब्धि है और इसके वास्तविक परिणाम आने वाले रिसर्च तथा परीक्षणों से तय होंगे.
