YC-støttet startup Discovered Materials lanserer AI-utfordring på 1 million dollar for å løse viktige materialvitenskapsproblemer

Bilde: TechCrunch · Kilde

Discovered Materials, en startup støttet av Y Combinator, har kunngjort en utfordring på 1 million dollar som har som mål å utnytte AI for å løse fem kritiske åpne problemer innen materialvitenskap, noe som potensielt kan fremme design av halvledere og forståelse av fysikk.

Discovered Materials, en San Francisco-basert startup inkubert i Y Combinators vårutgave 2026, leder en utfordring på 1 million dollar for å stimulere kunstig intelligens-løsninger på fem grunnleggende problemer innen materialvitenskap. Selskapet, som bruker AI-modeller for å oppdage nye materialer til avanserte halvlederbrikker, søker beregningsgjennombrudd som kan utdype forståelsen og forbedre design i feltet.

Mens AI nylig har gjort bemerkelsesverdige fremskritt innen matematikk og livsvitenskaper, byr materialvitenskap på unike utfordringer på grunn av dens komplekse fysikk og mindre klart definerte problemstillinger. "Det er vanskeligere å spesifisere problemer klart innen materialvitenskap fordi det ikke er som matematikk, hvor du kan ha en veldig spesifikk definisjon og komme fram til ja- eller nei-svar," sa medgrunnlegger Advaith Sridhar.

For å definere utfordringen sin samlet Discovered Materials et rådgivende panel av akademikere fra ledende universiteter for å identifisere fem uløste kjerneproblemer. Hvert problem har en premie på 200 000 dollar, totalt 1 million dollar, for å motivere AI-drevne løsninger. Disse problemene inkluderer:

- Å utvikle en teori for å forklare kupratsupraledning, hvor visse materialer viser null elektrisk motstand ved ultralave temperaturer. - Å lage en numerisk metode for å forutsi strukturen til grensesnitt mellom silisium og silisiumdioksid, en vanlig materialkombinasjon i halvledere. - Å designe en numerisk metode for å kartlegge kornstruktur til termiske egenskaper, som muliggjør materialer med bedre varmespredning. - Å formulere en teori for hvordan belysning av materialer kan endre deres oppførsel, spesielt relatert til supraledning. - Å forbedre tetthetsfunksjonalteori, en grunnleggende beregningsmetode for å modellere atom- og molekylstrukturer i materialer.

Felipe Jornada, professor ved Stanford involvert i utformingen av disse utfordringene, understreket deres betydning: "Å forklare disse fenomenene ville forbedre vår forståelse av fysikk og direkte påvirke hvordan vi bygger elektronikk, lagrer energi, og produserer fremtidige materialer."

Før utfordringen ble annonsert, testet Discovered Materials banebrytende AI-labbmodeller utstyrt med internett-tilgang på problemene, men observerte begrenset fremgang selv etter flere dager med autonom problemløsning. Sridhar bemerket at selv om andre AI-laboratorier som OpenAI eller Anthropic kunne prøve disse utfordringene med flere beregningsressurser, ønsker selskapet alle parters suksesser velkommen som et skritt framover for feltet.

Initiativet reflekterer et nytt paradigme innen vitenskapelig forskning, der å definere riktige spørsmål og verifikasjonsmetoder kommer før generering av forklarende ideer. Sridhar fremhevet den viktige rollen akademisk samarbeid spiller i å formulere disse godt stilte spørsmålene som egner seg for AI-utforskning.

Discovered Materials fortsetter sitt hovedoppdrag med å oppdage nye halvledende materialer, samarbeider med store brikkeprodusenter og driver intern forskning videre. Etter sin seed-finansieringsrunde annonsert i august 2026, har startupen blitt mer trygg på sin evne til å identifisere industrielt nyttige materialer innen en redusert tidsramme på under ett år.

Ved å sette klare AI-utfordringsmål innen materialvitenskap, søker Discovered Materials å katalysere fremskritt som kan revolusjonere elektronikkdesign og utvide grensene for fysikkforståelse gjennom kunstig intelligens.