Startup wspierany przez YC Discovered Materials uruchamia wyzwanie AI za 1 mln USD, aby rozwiązać kluczowe problemy nauki o materiałach

Image: TechCrunch · Source

Discovered Materials, startup wspierany przez Y Combinator, ogłosił wyzwanie o wartości miliona dolarów, mające na celu wykorzystanie AI do rozwiązania pięciu kluczowych otwartych problemów w nauce o materiałach, co może przyspieszyć projektowanie półprzewodników i zrozumienie fizyki.

Discovered Materials, startup z siedzibą w San Francisco, inkubowany w ramach wiosennej edycji Y Combinator 2026, inicjuje wyzwanie o wartości 1 miliona dolarów, aby pobudzić rozwiązania oparte na sztucznej inteligencji dla pięciu podstawowych problemów w nauce o materiałach. Firma, która wykorzystuje modele AI do odkrywania nowych materiałów do zaawansowanych układów półprzewodnikowych, poszukuje przełomów obliczeniowych, które mogą pogłębić rozumienie i poprawić projektowanie w tej dziedzinie.

Podczas gdy AI niedawno poczyniła znaczne postępy w problemach z matematyki i nauk o życiu, nauka o materiałach stawia unikalne wyzwania ze względu na złożoną fizykę i mniej precyzyjnie określone problemy. „Trudniej jest jasno określić problemy w nauce o materiałach, ponieważ nie jest to jak matematyka, gdzie można mieć bardzo konkretną definicję i uzyskać odpowiedź tak lub nie” – powiedział współzałożyciel Advaith Sridhar.

Aby zdefiniować wyzwanie, Discovered Materials powołało doradczy zespół akademików z czołowych uniwersytetów, który wyłonił pięć nierozwiązanych problemów kluczowych. Każdy problem nagradzany jest kwotą 200 000 dolarów, co w sumie daje 1 milion, aby motywować rozwiązania oparte na AI. Problemy te obejmują:

- Opracowanie teorii wyjaśniającej nadprzewodnictwo związków miedziowych (cuprate), gdzie niektóre materiały wykazują zerowy opór elektryczny w ultraniskich temperaturach. - Stworzenie metody numerycznej do przewidywania struktury interfejsów między krzemem a dwutlenkiem krzemu, powszechnym połączeniem materiałów w półprzewodnikach. - Zaprojektowanie metody numerycznej mapującej strukturę ziaren na właściwości termiczne, co umożliwia materiały o lepszym rozpraszaniu ciepła. - Sformułowanie teorii wyjaśniającej, jak oświetlenie materiałów może zmienić ich zachowanie, zwłaszcza w kontekście nadprzewodnictwa. - Udoskonalenie teorii funkcjonału gęstości (Density Functional Theory), fundamentalnej metody obliczeniowej modelującej struktury atomów i cząsteczek w materiałach.

Felipe Jornada, profesor ze Stanford zaangażowany w formułowanie tych wyzwań, podkreślił ich znaczenie: „Wyjaśnienie tych zjawisk poprawiłoby nasze rozumienie fizyki i bezpośrednio wpłynęłoby na sposób budowy elektroniki, magazynowania energii i wytwarzania przyszłych materiałów.”

Przed ogłoszeniem wyzwania Discovered Materials testowało najnowsze modele AI laboratorium wyposażone w dostęp do internetu na tych problemach, jednak zauważono ograniczone postępy nawet po kilku dniach autonomicznego rozwiązywania problemów. Sridhar zauważył, że podczas gdy inne laboratoria AI, takie jak OpenAI czy Anthropic, mogą próbować tych wyzwań dysponując większymi zasobami obliczeniowymi, firma wita każdy sukces jako krok naprzód dla dziedziny.

Inicjatywa odzwierciedla nowy paradygmat w badaniach naukowych, gdzie definiowanie właściwych pytań i metod weryfikacji poprzedza generowanie wyjaśniających idei. Sridhar podkreślił kluczową rolę współpracy akademickiej w formułowaniu dobrze postawionych pytań sprzyjających eksploracji przez AI.

Discovered Materials kontynuuje swoją główną misję odkrywania nowych materiałów półprzewodnikowych, współpracując z głównymi producentami układów scalonych i rozwijając badania wewnętrzne. Po rundzie seed funding ogłoszonej w sierpniu 2026, startup jest coraz bardziej pewny swojej zdolności do identyfikacji materiałów przemysłowo użytecznych w czasie krótszym niż rok.

Wyznaczając jasne cele wyzwania AI w nauce o materiałach, Discovered Materials dąży do katalizowania postępów, które mogą zrewolucjonizować projektowanie elektroniki i przesunąć granice rozumienia fizyki dzięki sztucznej inteligencji.