Чипы, выполняющие ИИ-задачи, выделяют много тепла, что заставляет дата-центры тратить значительные ресурсы на охлаждение. Стартап Discovered Materials, вышедший из Y Combinator, привлек $9 млн seed-раунда от Lightspeed India Partners, чтобы решить эту проблему с помощью ИИ. Инвестиции также поступили от Peak XV Partners и ангелов, включая Пола Грэма, Гокула Раджарама и Тарика Шихипара.
Основатели Адвайт Сридхар и Акшам Рамдас создали программный конвейер, который использует модели Anthropic в специальной обвязке для генерации перспективных материалов, а затем проверяет их с помощью обученных ими моделей фундаментальной физики. Рамдас, имеющий докторскую степень по материаловедению из Стэнфорда, ранее вручную проверял около 20 гипотез в день; теперь агенты работают круглосуточно в облаке и обрабатывают тысячи гипотез ежедневно. Компания уже опубликовала сотни новых материалов и запустила бенчмарк Material Discovery Bench для оценки того, как frontier-модели справляются с этой задачей.
Подход Discovered Materials отличается от конкурентов — MatNex, SandboxAQ и CuspAI — тем, что фокусируется исключительно на тепловых проблемах полупроводниковых материалов. Стартап утверждает, что уже нашел несколько материалов, соответствующих свойствам существующих, но не раскрывает деталей. Главная сложность — инженерный компромисс: материал, снижающий нагрев, может быть трудно производить или его электрические свойства могут быть хуже. Как отметил партнер Lightspeed Хемант Мохапатра, «материал полезен в реальном мире, только если все свойства сходятся одновременно».
Стартап использует ИИ-агентов на базе моделей Anthropic для генерации и проверки кандидатов в материалы.
Мохапатра считает, что предсказание новых веществ со временем станет товаром, а ключевое преимущество Discovered Materials — опыт Рамдаса и возможность быстро экспериментировать в лаборатории. Когда будут найдены ценные кандидаты, компания планирует патентовать их использование в GPU или процессы производства, лицензируя их производителям чипов. Сридхар надеется получить патенты в течение следующего года.
Однако отрасль еще не видела коммерческого успеха от материалов, открытых с помощью ИИ. Ближайший пример — препарат Renterosib от Insilico Medicine, первое лекарство, созданное генеративным ИИ и дошедшее до II фазы клинических испытаний. В материаловедении перспективные кандидаты, такие как магниты без редкоземельных элементов от MatNex или полупроводники от Panasonic и Citrine Informatics, пока не внедрены в промышленности. Мохапатра подчеркивает, что проблема не в поиске кандидатов, а в их фильтрации и синтезе. Сридхар признает, что многое придется делать в лабораториях, и этот процесс нельзя ускорить.
