فشار دادن محدودیت ها: علاقه مندان همیشه به دنبال یک مزیت در دنیای اورکلاک و خنک کننده شدید هستند. در این آزمایش وحشی، تیم به دنبال تعیین اینکه آیا فناوری های پیشرفته GenAI و چاپ سه بعدی می تواند به آنها در استخراج عملکرد بیشتر از پردازنده های امروزی کمک کند یا خیر. برای پاسخ به این سوال، آنها یک ظرف نیتروژن مایع (LN2) را به روشی کاملاً جدید ساختند – و به نتایج جالبی رسیدند.
این پروژه کارشناسان را از سراسر اکوسیستم گرد هم آورده است – Skatterbencher، که به دلیل قدرت اورکلاک خود شناخته شده است. Diabatix که در زمینه هوش مصنوعی مولد برای محلول های حرارتی تخصص دارد. سیستم های سه بعدی برای تولید مواد افزودنی. و در نهایت ElmorLabs برای اورکلاک تجهیزات.
این تیم از کانتینر LN2 آتشفشان موجود ElmorLabs به عنوان نقطه مرجع استفاده کرد، سپس ColdStream Next AI Diabatix را برای ایجاد یک طرح بهینهسازی شده سفارش داد. 3D Systems سپس با پرینت سه بعدی نمونه اولیه با استفاده از پودر مس بدون اکسیژن، این طرح دیجیتالی را زنده کرد. اما به طرز شگفت انگیزی، این فرآیند پیچیده 10000 دلار آمریکا هزینه داشت که با هزینه 260 دلاری آتشفشان اصلی فاصله زیادی دارد.
طراحی چاپ شده AI/3D نتایج امیدوارکنندهای را در آزمایشهای اولیه نشان داده است، با تمرکز بر سه معیار کلیدی: زمان خنکسازی از دمای اتاق تا -194 درجه سانتیگراد، زمان گرم شدن از -194 درجه سانتیگراد تا 20 درجه سانتیگراد تحت بار 1250 وات، کمترین دما با استفاده از 500 میلی لیتر نیتروژن مایع به دست آمد.
آتشفشان با سرعت سرد شدن فوران کرد و دمای آن از 28 درجه سانتیگراد به -194 درجه سانتیگراد در کمتر از یک دقیقه در مقایسه با سرعت 3 دقیقه آتشفشان افزایش یافت. عملکرد گرمایش نیز بهتر بود و محفظه هوش مصنوعی 30٪ سریعتر گرم می شود. بهره وری همچنین به طراحی هوش مصنوعی کمک کرد – با استفاده از 500 میلی لیتر LN2، دما به -133 درجه سانتیگراد رسید، در حالی که آتشفشان در -100 درجه سانتیگراد متوقف شد.
با این حال، از آنجایی که این آزمایشها عملکرد واقعی را نشان نمیدهند، تیم تصمیم گرفت سه آزمایش دیگر را با استفاده از پردازنده Intel Core i9-14900KF Raptor Lake انجام دهد. ابتدا Cinebench 2024 را برای یافتن پایدارترین حداکثر فرکانس CPU اجرا کردند.
ما متوجه شدیم که هر دو کیس LN2 میتوانند Core i9-14900KF را با هستههای P با فرکانس کاری 7.4 گیگاهرتز بدون هیچ مشکلی اداره کنند، به نظر میرسد که طراحی تولید شده توسط هوش مصنوعی میتواند برای مدتی بیشتر 7.5 گیگاهرتز را نگه دارد. این فقط یک تغییر از اجرا به اجرا است،” آنها اشاره می کنند.
در آزمایش دوم، آنها تفاوت دمای CPU بین پخش کننده حرارت و پایه هیت سینک را بررسی کردند تا قابلیت انتقال حرارت واقعی آن را ارزیابی کنند. همچنین یک تست استرس گسترده وجود داشت که در آن بیش از 600 وات برای چند دقیقه از طریق تراشه فشار داده شد.
در حالی که کانتینر هوش مصنوعی کمی پیشرفت کرد، دستاوردها در مقایسه با نتایج آزمایش نظری نسبتاً خاموش بود. تفاوت دما بین پخش کننده حرارت CPU و پایه کیس در مدل پرینت سه بعدی کمتر بود، اما با حاشیه چشمگیر نبود. همانطور که در بالا نشان داده شد، حتی بهبود عملکرد در Cinebench نسبتاً کم بود.
پس از بررسی اعداد و ارقام، تیم تشخیص داد که اگرچه از نظر فنی چشمگیر است، اما طراحی چاپ شده AI/3D در حال حاضر در سناریوهای اورکلاک متوسط از هزینه/فایده کمتر است. نه با این قیمت 10000 دلاری.
با این حال، آنها هنوز تمام نشده اند. در حالی که هیچ چیز مشخصی در دست نیست، تیم می گوید آنها می توانند به دنبال بهبود عملکرد و هزینه باشند. برای مثال، طراحی محفظه LN2 لزوماً نباید دایره ای باشد. آنها همچنین در حال بررسی طرحهای جدید برای پردازندههای با قدرت بالاتر مانند Ryzen Threadripper یا Xeon 6 اینتل هستند.
به طور کلی، مطالعه امکانسنجی ممکن است برخی محدودیتها را نشان دهد، اما همچنین نشان داد که هوش مصنوعی مولد کاربردهای بهتری نسبت به تولید مدلهای شش انگشتی دارد.