Y Combinatori toetusega idufirma Discovered Materials kuulutab välja $1 miljoni suuruse AI väljakutse materjaliteaduse võtmeküsimuste lahendamiseks

Pilt: TechCrunch · Allikas

Y Combinatori toetusel tegutsev idufirma Discovered Materials kuulutas välja $1 miljoni suuruse väljakutse, mille eesmärk on kasutada tehisintellekti, et lahendada viis materjaliteaduse võtmeküsimust ning võimaldada edusamme pooljuhude disainis ja füüsikateadmistes.

Discovered Materials, San Franciscos asuv idufirma, mis on inkubeeritud Y Combinatori 2026. aasta kevadises grupis, juhib $1 miljoni suurust väljakutset, et ergutada tehisintellekti lahendusi viiele materjaliteaduse vundamentaalsele probleemile. Ettevõte rakendab AI mudeleid uute materjalide avastamiseks arenenud pooljuhtkiipide jaoks ning otsib arvutuslikke läbimurdeid, mis võiksid süvendada valdkonna mõistmist ja parandada disaini.

Kuigi AI on hiljuti teinud tähelepanuväärseid edusamme matemaatika ja eluteaduste probleemides, esitab materjaliteadus unikaalseid väljakutseid keeruka füüsika ja vähem selgelt määratletud probleemide tõttu. „Materjaliteaduses on probleemide täpne määratlemine keerukam, sest see ei ole nagu matemaatika, kus on väga spetsiifiline definitsioon ja vastus võib olla jah või ei,” ütles kaasasutaja Advaith Sridhar.

Väljakutse määratlemiseks kutsus Discovered Materials kokku tipptasemel ülikoolide akadeemikutest nõuandva paneeli, kes identifitseeris viis lahendamata põhiküsimust. Iga probleemi eest on mõeldud $200,000 preemia, kokku $1 miljon, julgustamaks AI-põhiseid lahendusi. Nende probleemide hulka kuuluvad:

- Teooria arendamine kupraatsupersukontsust seletamaks, kus teatud materjalid näitavad null elektrilist takistust äärmiselt madalatel temperatuuridel. - Numbrilise meetodi loomine, mis prognoosib liideste struktuuri räni ja ränioksiidi vahel – pooljuhtides laialt levinud materjalikombinatsioon. - Numbrilise meetodi väljatöötamine terastruktuuri kaardistamiseks soojuslike omaduste määramiseks, võimaldades materjale parema soojusjuhtivusega. - Teooria formuleerimine, et seletada, kuidas materjalide valgustatus muudab nende käitumist, eriti supersukontsusega seotud. - Tiheduse funktsionaalse teooria parandamine, mis on põhiline arvutusmeetod aatomite ja molekulaarstruktuuride modelleerimiseks materjalides.

Stanfordi professor Felipe Jornada, kes osales nende väljakutsete koostamises, rõhutas nende tähtsust: „Nende nähtuste seletamine parandaks meie füüsika mõistmist ja avaldaks otsest mõju elektroonika loomisele, energia talletamisele ning tulevaste materjalide tootmisele.”

Enne väljakutse väljakuulutamist testis Discovered Materials tipptasemel AI laboris mudeleid, millel on internetiühendus, ent tõdes piiratud edusamme ka pärast mitmeid päevi autonoomset probleemi lahendamist. Sridhar märkis, et kuigi teised AI laboris nagu OpenAI või Anthropic võivad neid väljakutseid proovida suuremate arvutusressurssidega, tervitab ettevõte kõigi edu kui valdkonna samm edasi.

See algatus peegeldab uut teadustöö paradigmati, kus õige küsimuse ja kontrollimeetodite määratlemine eelneb seletavate ideede genereerimisele. Sridhar tõi esile akadeemilise koostöö kriitilise rolli hästi määratletud küsimuste loomisel, mis soodustab AI uurimist.

Discovered Materials jätkab oma põhitegevust uute pooljuhtmaterjalide avastamisel, töötades suuremate kiipide tootjatega ning arendades sisemisi uuringuid. Pärast 2026. aasta augustis teatatud idufinantseerimisvooru on ettevõtte kindlus suurenenud võimes tööstuslikult kasulikke materjale alla ühe aasta jooksul tuvastada.

Selgete AI-väljakutse eesmärkide seadmisega materjaliteaduses soovib Discovered Materials kiirendada läbimurdeid, mis võivad revolutsioneerida elektroonikadisaini ja laiendada füüsikateadmiste piire tehisintellekti abil.