Y Combinator atbalstītā jaunuzņēmuma Discovered Materials izsludina miljons dolāru lielu mākslīgā intelekta izaicinājumu materiālu zinātnes galveno problēmu risināšanai

Attēls: TechCrunch · Avots

Y Combinator atbalstīts jaunuzņēmums Discovered Materials ir paziņojis par miljons dolāru lielu izaicinājumu, kura mērķis ir izmantot mākslīgo intelektu piecām būtiskām materiālu zinātnes atklātām problēmām risināt, kas potenciāli var veicināt pusvadītāju dizainu un fizikas izpratni.

Discovered Materials, Sanfrancisko bāzēts jaunuzņēmums, kas inkubēts Y Combinator 2026. gada pavasara kārtā, vada miljons dolāru lielu izaicinājumu, lai stimulētu mākslīgā intelekta risinājumus piecām materiālu zinātnes fundamentālajām problēmām. Uzņēmums, kas pielieto AI modeļus jaunu materiālu atklāšanai progresīvām pusvadītāju mikroshēmām, meklē skaitļošanas jaunievedumus, kas varētu padziļināt izpratni un uzlabot dizainu šajā jomā.

Lai gan AI nesen ir sasniedzis ievērojamus panākumus matemātikas un dzīveszinātņu problēmās, materiālu zinātne piedāvā unikālas grūtības tās sarežģītās fizikas un mazāk precīzi definēto problēmu dēļ. „Materiālu zinātnē ir grūtāk skaidri definēt problēmas, jo tā nav kā matemātika, kur var būt ļoti specifiska definīcija un atbilde ir jā vai nē,” norādīja līdzīpašnieks Advaith Sridhar.

Lai definētu izaicinājumu, Discovered Materials izveidoja padomdevēju paneli ar akadēmiķiem no vadošajām universitātēm, lai identificētu piecas neatrisinātas pamatproblēmas. Katram uzdevumam ir paredzēta 200 000 dolāru prēmija, kopumā miljons dolāru, lai veicinātu AI balstītus risinājumus. Šīs problēmas ietver:

- Teorijas izstrāde, kas izskaidro kuprāta supervadītspēju, kad daži materiāli pie ļoti zemas temperatūras izrāda nulles elektrisko pretestību. - Skaitliskās metodes radīšana, lai prognozētu saskares struktūru starp silīciju un silīcija dioksīdu, materiālu kombināciju, kas ir plaši izplatīta pusvadītājos. - Skaitliskās metodes izstrāde graudu struktūras kartēšanai uz termiskajām īpašībām, ļaujot materiāliem labāk izkliedēt siltumu. - Teorijas formulēšana, kas izskaidro, kā apgaismojošie materiāli var mainīt savu uzvedību, īpaši saistībā ar supervadītspēju. - Ziemeņu funkcionālās teorijas uzlabošana, kas ir pamata skaitļošanas metode atomu un molekulu struktūru modelēšanai materiālos.

Stanfordas profesors Felipe Jornada, kurš piedalījās šo izaicinājumu formulēšanā, uzsvēra to nozīmi: „Šo parādību izpratne uzlabotu mūsu fizikas zināšanas un tieši ietekmētu to, kā mēs būvējam elektroniku, uzglabājam enerģiju un ražojam nākotnes materiālus.”

Pirms izaicinājuma paziņošanas Discovered Materials izmēģināja tipiskos AI laboratorijas modeļus ar interneta pieslēgumu uz šiem uzdevumiem, taču novēroja ierobežotu progresu pat pēc vairāku autonomu dienu risināšanas. Sridhar atzīmēja, ka, lai gan citas AI laboratorijas, piemēram, OpenAI vai Anthropic, varētu izmēģināt šos izaicinājumus ar lielākiem skaitļošanas resursiem, uzņēmums sveicina jebkuru panākumu kā nozīmīgu soli uz priekšu šajā jomā.

Šī iniciatīva ataino jaunu paradigmatu zinātniskajos pētījumos, kur pareizas jautājumu un pārbaudes metožu definēšana ir priekšā izskaidrojošu ideju ģenerēšanai. Sridhar uzsvēra akadēmiskās sadarbības kritisko lomu labi definētu jautājumu formulēšanā, kas veicina AI izpēti.

Discovered Materials turpina savu galveno misiju – jaunu pusvadītāju materiālu atklāšanu, sadarbojoties ar lielākajiem mikroshēmu ražotājiem un attīstot iekšējos pētījumus. Pēc 2026. gada augusta sēklas finansējuma kārtas paziņojuma jaunuzņēmums ir guvis lielāku pārliecību par savām spējām identificēt rūpnieciski noderīgus materiālus zem viena gada laika.

Nosakot skaidrus AI izaicinājuma mērķus materiālu zinātnē, Discovered Materials vēlas katalizēt progresu, kas varētu revolucionizēt elektronikas dizainu un paplašināt fizikas izpratnes robežas ar mākslīgā intelekta palīdzību.