YC remiamas startuolis Discovered Materials paskelbė 1 mln. USD vertės dirbtinio intelekto iššūkį spręsti pagrindines medžiagų mokslo problemas

Vaizdas: TechCrunch · Šaltinis

San Franciske įsikūrusi ir Y Combinator remiama startuolis Discovered Materials paskelbė 1 mln. USD vertės iššūkį, skirtą pasitelkti dirbtinį intelektą penkiems svarbiems atviriems medžiagų mokslo klausimams spręsti, galinčių pažengti puslaidininkių dizaino ir fizikos supratimo srityse.

San Franciske įsikūrusi startuolis Discovered Materials, įtrauktas į Y Combinator 2026 metų pavasario programą, vadovauja 1 mln. USD vertės iššūkiui, kurio tikslas – skatinti dirbtinio intelekto sprendimus penkioms pagrindinėms medžiagų mokslo problemoms. Įmonė, kuri taiko dirbtinio intelekto modelius naujoms medžiagoms pažangiems puslaidininkių lustams atrasti, siekia kompiuterinių proveržių, galinčių pagilinti supratimą ir patobulinti dizainą šioje srityje.

Nors dirbtinis intelektas pastaruoju metu žymiai pažengė matematikos ir gyvybės mokslų problemų sprendime, medžiagų mokslas kelia unikalių iššūkių dėl sudėtingos fizikos ir mažiau aiškių problemų apibrėžimų. „Medžiagų moksle sunkiau aiškiai apibrėžti problemas, nes tai nėra kaip matematikoje, kur galima turėti labai konkrečią apibrėžtį ir pasiekti teigiamą arba neigiamą atsakymą,“ sakė vienas iš įkūrėjų Advaith Sridhar.

Jiems suformuluoti iššūkiui, Discovered Materials subūrė konsultacinę akademikų grupę iš pirmaujančių universitetų, kurie identifikavo penkias neišspręstas pagrindines problemas. Kiekvienai problemai skiriama 200 000 USD premija, iš viso 1 mln. USD, siekiant paskatinti dirbtinio intelekto sprendimus. Šios problemos apima:

- Teorijos sukūrimą paaiškinti kupratinį superlaidumą, kai tam tikros medžiagos prie labai žemų temperatūrų neturi elektros varžos. - Skaitmeninio metodo sukūrimą, leidžiantį prognozuoti silicio ir silicio dioksido sąveikos sandūrų struktūrą, tai yra plačiai paplitęs medžiagų derinys puslaidininkių pramonėje. - Skaitmeninio metodo sukūrimą, leidžiantį žemėlapyje susieti grūdelių struktūrą su šiluminėmis savybėmis, taip užtikrinant medžiagas su geresne šilumos sklaida. - Teorijos suformulavimą, paaiškinantį, kaip apšvietimas gali keisti medžiagų elgseną, ypač superlaidumo atžvilgiu. - Tankio funkcinės teorijos tobulinimą, tai yra esminis skaitmeninis metodas modeliuoti atomines ir molekulines struktūras medžiagose.

Stanfordo universiteto profesorius Felipe Jornada, dalyvavęs formuluojant šiuos iššūkius, pabrėžė jų svarbą: „Šių reiškinių paaiškinimas padidintų mūsų fizikos supratimą ir tiesiogiai paveiktų, kaip kuriame elektroniką, kaupiame energiją ir gaminame ateities medžiagas."

Prieš paskelbiant iššūkį, Discovered Materials testavo pažangius dirbtinio intelekto laboratorijų modelius, turinčius priėjimą prie interneto, sprendžiant šias problemas, tačiau pastebėjo ribotą pažangą net ir po kelių dienų autonominio problemų sprendimo. Sridhar pažymėjo, kad nors tokios laboratorijos kaip OpenAI ar Anthropic galėtų išbandyti šiuos iššūkius turėdamos daugiau skaičiavimo išteklių, įmonė sveikina bet kurio dalyvio sėkmę kaip žingsnį pirmyn šioje srityje.

Ši iniciatyva atspindi naują mokslinių tyrimų paradigmą, kur pirmiausia apibrėžiamos tinkamos klausimų formuluotės ir patikros metodai, o tik po to generuojamos aiškinamosios idėjos. Sridhar pabrėžė mokslinių bendradarbių svarbą formuluojant gerai apibrėžtus klausimus, kurie skatintų dirbtinio intelekto tyrimus.

Discovered Materials toliau tęsia pagrindinę misiją – naujų puslaidininkių medžiagų atradimą, dirbdama su pagrindiniais lustų gamintojais ir pažengdama vidiniuose tyrimuose. Po pirmojo finansavimo etapo, paskelbto 2026 metų rugpjūtį, startuolis jaučiasi labiau pasitikintis savo gebėjimu identifikuoti pramonėje naudingas medžiagas per trumpesnį laiką – mažiau nei per metus.

Nustatydama aiškius dirbtinio intelekto iššūkius medžiagų moksle, Discovered Materials siekia paskatinti pažangą, kuri galėtų revoliucionizuoti elektronikos dizainą ir išplėsti fizikos supratimo ribas pasitelkus dirbtinį intelektą.