ઝીરો લિક્વિડ ડિસ્ચાર્જ (ZLD) અને UPW: સેમિકન્ડક્ટર સેક્ટરની જરૂરિયાત પૂરી કરતું નવું રોકાણ ક્ષેત્ર
વૈશ્વિક ટકાઉપણું પ્રયાસમાં એક મહત્વપૂર્ણ નવું ધ્યાન ઉભરી આવ્યું છે: કૃત્રિમ બુદ્ધિ (AI) અને માઇક્રોઇલેક્ટ્રોનિક્સ ક્ષેત્રોના મોટા પાયે અને ઘણીવાર જાહેર ન કરાયેલ પાણીના વપરાશ, જે મીઠા પાણીની અછત અને ઝડપી તકનીકી વિસ્તરણના પર્યાવરણીય ખર્ચ વિશે ચિંતા પેદા કરે છે.
જ્યારે AI ના કાર્બન ફૂટપ્રિન્ટ લાંબા સમયથી જાહેર તપાસ હેઠળ છે, ત્યારે સમાન મહત્વપૂર્ણ પાણીના ફૂટપ્રિન્ટ – સર્વર કૂલિંગ અને વીજળી ઉત્પાદન માટે ઉપાડવામાં આવેલું અને ઉપયોગમાં લેવાયેલું પાણી – મોટાભાગે છુપાયેલું રહ્યું છે. નિષ્ણાતો હવે જળ સંસાધનોની આ વધતી માંગને પહોંચી વળવા માટે તાત્કાલિક પગલાં અને પારદર્શિતાની હિમાયત કરી રહ્યા છે.
AI નું આઘાતજનક પાણી બિલ
AI ના પાણીના વપરાશનું પ્રમાણ અગાઉ માન્યતા પ્રાપ્ત કરતા ઘણું વધારે છે. અત્યાધુનિક યુએસ ડેટા સેન્ટરોમાં GPT-3 જેવા મોટા ભાષા મોડેલને તાલીમ આપવાથી કુલ 5.4 મિલિયન લિટર પાણીનો વપરાશ થઈ શકે છે, જેમાં બાષ્પીભવન દ્વારા 700,000 લિટર સીધા ઓન-સાઇટ વપરાશનો સમાવેશ થાય છે. ગ્રાહકો માટે, જનરેટિવ AI નો ઉપયોગ આશ્ચર્યજનક રીતે “તરસ્યો” છે; GPT-3 ના આશરે 10 થી 50 મધ્યમ-લંબાઈના પ્રતિભાવો માટે 500ml પાણીની બોટલનો વપરાશ જરૂરી છે, જે મોડેલ ક્યાં અને ક્યારે ઉપયોગમાં લેવાય છે તેના પર આધાર રાખે છે.
આ આંકડાઓ આસમાને પહોંચી રહ્યા છે. વૈશ્વિક AI માંગ 2027 સુધીમાં 4.2 થી 6.6 બિલિયન ક્યુબિક મીટરના સંયુક્ત સ્કોપ-1 અને સ્કોપ-2 પાણીના ઉપાડ માટે જવાબદાર હોવાનો અંદાજ છે. આ ઉપાડનું પ્રમાણ નોંધપાત્ર છે, જે ચાર થી છ ડેનમાર્કના કુલ વાર્ષિક પાણીના ઉપાડ અથવા યુનાઇટેડ કિંગડમના લગભગ અડધા ભાગ કરતાં વધુ છે.
આ પાણીનો મોટાભાગનો ભાગ “વાદળી પાણી” છે – નદીઓ, તળાવો અથવા ભૂગર્ભજળમાંથી કાઢવામાં આવેલું તાજું પાણી – જે મુખ્યત્વે કૃષિમાં વપરાતા “લીલા પાણી”થી વિપરીત, માનવ ઉપયોગ માટે સીધી અને ગંભીર અસર બનાવે છે.
ટેકનોલોજી-વોટર નેક્સસ
AI ના પાણીના ઉપયોગને ત્રણ અવકાશમાં વર્ગીકૃત કરવામાં આવ્યો છે:
1. અવકાશ 1 (ઓન-સાઇટ): મુખ્યત્વે ડેટા સેન્ટર સર્વર્સને ઠંડુ કરવા માટે વપરાતું પાણી, ઘણીવાર પાણીને બાષ્પીભવન કરતા કૂલિંગ ટાવર દ્વારા
2. અવકાશ 2 (ઓફ-સાઇટ): ડેટા સેન્ટરોને શક્તિ આપતી વીજળીના ઉત્પાદન દરમિયાન વપરાતું પાણી. આ મહત્વપૂર્ણ છે, કારણ કે થર્મોઇલેક્ટ્રિક પાવર જનરેશન વૈશ્વિક સ્તરે પાણીનો સૌથી મોટો વપરાશકાર છે.
૩. અવકાશ ૩ (એમ્બોડીડ): AI ચિપ્સ અને સર્વર્સના ઉત્પાદનમાં વપરાતું પાણી.
પાણી પર આ વિશાળ નિર્ભરતા સેમિકન્ડક્ટર ઉદ્યોગમાં પણ સ્પષ્ટ છે, જે AI માટેના ઘટકો સહિત વૈશ્વિક માઇક્રોઇલેક્ટ્રોનિક્સ સપ્લાય ચેઇનનું કેન્દ્ર છે. ચિપ ઉત્પાદનમાં વૈશ્વિક અગ્રણી, તાઇવાન સેમિકન્ડક્ટર મેન્યુફેક્ચરિંગ કંપની (TSMC), દરરોજ 150,000 ટનથી વધુ પાણીનો વપરાશ કરે છે, જે સિંચુ શહેરમાં દૈનિક પાણી પુરવઠાના લગભગ 10%નું પ્રતિનિધિત્વ કરે છે. 2021 ના તાઇવાનના ગંભીર દુષ્કાળ દરમિયાન પાણીની અછત માટે આ ક્ષેત્રની ભારે નબળાઈ પ્રકાશિત થઈ હતી, જેમાં ચિપ ઉત્પાદન ટકાવી રાખવા માટે સરકારી રેશનિંગ અને ટ્રક દ્વારા પાણી પહોંચાડવાની જરૂર હતી.
ઝીરો લિક્વિડ ડિસ્ચાર્જ: સ્થિતિસ્થાપકતાનો માર્ગ
નિયમનકારી દબાણ અને વધતી જતી પાણીની અછતના પ્રતિભાવમાં, માઇક્રોઇલેક્ટ્રોનિક્સ ઉદ્યોગ ઝીરો લિક્વિડ ડિસ્ચાર્જ (ZLD) જેવા અદ્યતન ટકાઉ ઉકેલો તરફ વધુને વધુ વળગી રહ્યો છે. વેફર ફેબ્રિકેશન અને કેમિકલ એચિંગ જેવી પ્રક્રિયાઓ દ્વારા ઉત્પન્ન થતા નોંધપાત્ર ગંદા પાણીના સંચાલન માટે ZLD સિસ્ટમ્સ મહત્વપૂર્ણ છે.
ZLD સિસ્ટમ્સ પૂરી પાડે છે:
• અદ્યતન પાણીની પુનઃપ્રાપ્તિ: 95% સુધી ગંદા પાણીને પુનઃપ્રાપ્ત કરવા માટે રિવર્સ ઓસ્મોસિસ (RO) અને મલ્ટી-ઇફેક્ટ બાષ્પીભવનકર્તા જેવી તકનીકોનો ઉપયોગ.
• પર્યાવરણીય અસરમાં ઘટાડો: પર્યાવરણીય વિસર્જન ધોરણોને પૂર્ણ કરવા અથવા તેનાથી વધુ પ્રવાહી કચરાને દૂર કરવો.
• ઓપરેશનલ સ્થિતિસ્થાપકતા: નિયમનકારી ફેરફારો અને સ્થાનિક પાણીની અછત દ્વારા ઉભા થતા જોખમો સામે સુવિધાઓનું રક્ષણ કરવું.
સેમિકન્ડક્ટર ફેબ્રિકેશન અને ડિસ્પ્લે પેનલ ઉત્પાદન સહિત જટિલ માઇક્રોઇલેક્ટ્રોનિક્સ ઉત્પાદન એપ્લિકેશનો માટે હવે વિશિષ્ટ ZLD સોલ્યુશન્સ તૈયાર કરવામાં આવી રહ્યા છે.
પારદર્શિતા અને પાણી મુજબનું સમયપત્રક બનાવવા માટે આહવાન
ખરેખર ટકાઉ AI બનાવવા માટે, નિષ્ણાતો એક સર્વાંગી અભિગમની ભલામણ કરે છે જે પાણી અને કાર્બન ફૂટપ્રિન્ટ બંનેનો સામનો કરે છે
ઉદ્યોગ માટે મુખ્ય ભલામણોમાં શામેલ છે:
1. વધેલી પારદર્શિતા: AI મોડેલ કાર્ડ્સમાં નિયમિતપણે પાણીના વપરાશ (સ્કોપ-1 અને સ્કોપ-2 બંનેના ઉપયોગ સહિત) વિશેની માહિતી શામેલ હોવી જોઈએ, જે હાલમાં ઘણીવાર અવગણવામાં આવે છે
2. સમજદારીપૂર્વક સમયપત્રક: પાણીની કાર્યક્ષમતા (વોટર યુસેજ ઇફેક્ટિવનેસ, અથવા WUE) બહારની હવામાન પરિસ્થિતિઓ અને ગ્રીડના ઉર્જા બળતણ મિશ્રણને કારણે ભૌગોલિક અને કલાકદીઠ બદલાતી હોવાથી, AI મોડેલ તાલીમ અને અનુમાન ગતિશીલ રીતે “પાણી મુજબ” રીતે સુનિશ્ચિત થવું જોઈએ.
3. સંઘર્ષોનું નિરાકરણ: વિકાસકર્તાઓએ કાર્બન કાર્યક્ષમતા માટે ઑપ્ટિમાઇઝેશન (કેટલીકવાર સૌર ઊર્જા માટે “સૂર્યને અનુસરીને” પ્રાપ્ત થાય છે) અને પાણીની કાર્યક્ષમતા માટે ઑપ્ટિમાઇઝેશન (જેના માટે ઉચ્ચ-તાપમાનના કલાકો ટાળવાની અથવા “સૂર્યને અનુસરવાનું બંધ કરવાની” જરૂર પડી શકે છે) વચ્ચેના સંઘર્ષને સમાધાન કરવું જોઈએ.
જેમ જેમ મીઠા પાણીની અછત વૈશ્વિક પ્રાથમિકતા બની રહી છે, તેમ તેમ સૌથી ઝડપથી વિકસતા ટેકનોલોજી ક્ષેત્રની પર્યાવરણીય અસરો હવે રડાર હેઠળ રહી શકતી નથી.
