Startup Apoyada por YC, Discovered Materials, Lanza un Desafío de IA de $1M para Resolver Problemas Clave en Ciencia de Materiales

Image: TechCrunch · Source

Discovered Materials, una startup incubada en Y Combinator, ha anunciado un desafío de un millón de dólares destinado a aprovechar la inteligencia artificial para resolver cinco problemas críticos abiertos en la ciencia de materiales, con el potencial de avanzar en el diseño de semiconductores y el entendimiento de la física.

Discovered Materials, una startup con sede en San Francisco incubada en la cohorte de primavera de 2026 de Y Combinator, lidera un desafío de un millón de dólares para estimular soluciones de inteligencia artificial a cinco problemas fundamentales en la ciencia de materiales. La compañía, que aplica modelos de IA para descubrir nuevos materiales para chips semiconductores avanzados, busca avances computacionales que puedan profundizar el entendimiento y mejorar el diseño en el campo.

Aunque la IA ha logrado recientemente progresos notables en problemas de matemáticas y ciencias de la vida, la ciencia de materiales presenta desafíos únicos debido a su física compleja y problemas menos claramente definidos. “Es más difícil especificar problemas claramente en ciencia de materiales porque no es como en matemáticas, donde puedes tener una definición muy específica y llegar a una respuesta sí o no”, comentó el cofundador Advaith Sridhar.

Para definir su desafío, Discovered Materials convocó un panel asesor de académicos de universidades líderes para identificar cinco problemas centrales sin resolver. Cada problema lleva un premio de $200,000, totalizando un millón de dólares, para incentivar soluciones impulsadas por IA. Estos problemas incluyen:

- Desarrollar una teoría para explicar la superconductividad en cupratos, donde ciertos materiales exhiben resistencia eléctrica cero a temperaturas ultra bajas. - Crear un método numérico para predecir la estructura de interfaces entre silicio y dióxido de silicio, una combinación material ubicua en semiconductores. - Diseñar un método numérico para mapear la estructura granular a las propiedades térmicas, permitiendo materiales con mejor disipación de calor. - Formular una teoría para explicar cómo la iluminación de materiales puede cambiar su comportamiento, especialmente relacionado con la superconductividad. - Mejorar la Teoría del Funcional de la Densidad, un método computacional fundamental para modelar estructuras atómicas y moleculares en materiales.

Felipe Jornada, profesor de Stanford involucrado en la formulación de estos desafíos, enfatizó su importancia: “Explicar estos fenómenos mejoraría nuestro entendimiento de la física e influiría directamente en cómo construimos electrónica, almacenamos energía y fabricamos materiales del futuro.”

Antes del anuncio del desafío, Discovered Materials probó modelos de IA de vanguardia con acceso a internet en estos problemas, pero observó progreso limitado incluso después de varios días de resolución autónoma. Sridhar señaló que aunque otros laboratorios de IA como OpenAI o Anthropic podrían intentar estos desafíos con mayores recursos computacionales, la empresa da la bienvenida a cualquier éxito como un avance para el campo.

La iniciativa refleja un nuevo paradigma en la investigación científica, donde definir las preguntas correctas y métodos de verificación precede a generar ideas explicativas. Sridhar destacó el rol crítico de la colaboración académica en formular estas preguntas bien planteadas propicias para la exploración con IA.

Discovered Materials continúa con su misión principal de descubrir nuevos materiales semiconductores, trabajando con grandes fabricantes de chips y avanzando en investigación interna. Tras su ronda de financiación semilla anunciada en agosto de 2026, la startup se muestra más confiada en su capacidad para identificar materiales útiles industrialmente en un plazo reducido de menos de un año.

Al establecer objetivos claros para desafíos de IA en ciencia de materiales, Discovered Materials apunta a catalizar avances que podrían revolucionar el diseño electrónico y expandir los límites del entendimiento físico mediante inteligencia artificial.