SandboxAQ 獲得美國商務部 5 億美元補助，將運用其獨特的大型量化模型（LQMs）與人工智慧，在 2 到 4 年內為半導體產業尋找全氟/多氟烷基物質（PFAS）的替代品。此舉旨在加速解決半導體製程中「永久化學物質」的環境問題，並強化國家半導體供應鏈的永續發展。
人工智慧（AI）軟體開發商 SandboxAQ 已獲得美國商務部 5 億美元資金，將利用其先進的計算方法，加速半導體產業中「永久化學物質」全氟/多氟烷基物質（PFAS）替代品的研發。此項補助是透過美國《晶片與科學法》（CHIPS and Science Act）於今年六月撥款，旨在強化整個半導體生態系統，並解決環境與產業永續發展的雙重挑戰。
PFAS 這類化學物質自 1934 年被發現以來，因其獨特的耐熱與耐用特性，廣泛應用於半導體製造過程中，例如光刻、蝕刻、清洗與電漿處理等步驟，對晶圓的生產至關重要。然而，PFAS 在環境中極難分解，因此被稱為「永久化學物質」，引發全球各國立法機關的關注，並開始推動相關禁令。儘管半導體等關鍵產業目前仍有豁免，因為尚無可行的替代品，但尋找無 PFAS 替代品已成為業界的當務之急。
根據 Semiconductor Industry Association’s PFAS Consortium 的估計，尋找並成功導入無 PFAS 替代品可能需要 3 到 25 年的時間，且部分含氟化學品甚至可能無法取代。面對這項艱鉅的任務，SandboxAQ 工程副總裁 Stefan Leichenauer 表示，公司目標是在 2 到 4 年內，利用其獨特的「大型量化模型」（large quantitative models, LQMs）找出潛在的替代候選物，大幅縮短研發時程。
LQMs 是一種結合了計算物理、計算化學與人工智慧的創新方法，專門用於新材料的發現。Stefan Leichenauer 強調，LQMs 與傳統基於網路數據訓練的大型語言模型（LLM）不同，不會產生「幻覺」（hallucination）現象，而是能根據量化的輸入與輸出，可靠地回答關於材料和配方特性的問題。這些 AI 模型並非基於網路數據訓練，而是透過大規模的計算物理方法生成高品質數據，進而學習物理與化學原理。
SandboxAQ 已透過大規模雲端模擬，展示其在 PFAS 分子計算方面的能力。他們的方法包含設定所需材料特性的目標，同時避免不 desirable 的性質，然後透過運算找出符合條件的分子或配方。整個過程採迭代式發現，透過自我修正迴圈不斷訓練與微調 AI 模型，並結合非 AI 方法進行客觀驗證，最終透過真實世界的測試確認性能。Stefan Leichenauer 補充，在這個過程中，具備 AI、化學、物理與半導體專業知識的人才，在 AI 研發與應用各階段都扮演著不可或缺的角色。SandboxAQ 發展出的這套 LQM 方法不僅適用於半導體產業，也能推廣至其他關鍵產業，如催化劑、無稀土磁鐵與電池系統等領域，為國家安全與人類生活品質的提升做出貢獻。