Стартап Discovered Materials при поддержке YC запускает конкурс на $1 млн для решения ключевых задач материаловедения с помощью ИИ

Image: TechCrunch · Source

Discovered Materials, стартап, поддержанный Y Combinator, объявил конкурс на сумму 1 миллион долларов, направленный на использование ИИ для решения пяти важных открытых проблем в материаловедении, что потенциально может продвинуть дизайн полупроводников и понимание физики.

Discovered Materials, стартап со штаб-квартирой в Сан-Франциско, прошедший инкубацию в весеннем потоке Y Combinator 2026 года, возглавляет конкурс на 1 миллион долларов для стимулирования решений на базе искусственного интеллекта по пяти основополагающим проблемам материаловедения. Компания, использующая модели ИИ для открытия новых материалов для передовых полупроводниковых чипов, стремится к вычислительным прорывам, которые могут углубить понимание и улучшить проектирование в этой области.

Хотя ИИ недавно сделал значительные успехи в задачах математики и наук о жизни, материаловедение представляет уникальные вызовы из-за своей сложной физики и менее чётко определённых постановок задач. «В материалах труднее чётко формулировать задачи, поскольку это не математика, где можно иметь очень конкретное определение и получить ответ да или нет», — сказал соучредитель Адваит Сридхар.

Для определения вызова Discovered Materials собрала консультативную группу учёных из ведущих университетов, чтобы выделить пять неразрешённых ключевых проблем. Каждая проблема имеет приз в 200 000 долларов, в общей сложности 1 миллион, чтобы стимулировать решения с помощью ИИ. Эти проблемы включают:

- Разработку теории, объясняющей сверхпроводимость купратов, при которой определённые материалы проявляют нулевое электрическое сопротивление при ультранизких температурах. - Создание численного метода для предсказания структуры интерфейсов между кремнием и диоксидом кремния, широко используемым сочетанием материалов в полупроводниках. - Разработку численного метода отображения структуры зёрен на тепловые свойства, что позволит создавать материалы с улучшенным рассеиванием тепла. - Формулирование теории, объясняющей, как освещение материалов может изменять их поведение, особенно в отношении сверхпроводимости. - Улучшение теории функционала плотности (Density Functional Theory) — фундаментального вычислительного метода моделирования атомных и молекулярных структур в материалах.

Фелипе Жорнада, профессор Стэнфорда, участвующий в формулировании этих задач, подчеркнул их важность: «Объяснение этих явлений улучшит наше понимание физики и напрямую повлияет на то, как мы создаём электронику, храним энергию и производим будущие материалы.»

До объявления конкурса Discovered Materials тестировала передовые модели ИИ с доступом в интернет на этих задачах, но даже после нескольких дней автономного решения проблем прогресс был ограничен. Сридхар отметил, что хотя другие AI-лаборатории, такие как OpenAI или Anthropic, могут попытаться решить эти задачи, располагая большими вычислительными ресурсами, компания приветствует любой успех как шаг вперёд для всей области.

Инициатива отражает новую парадигму в научных исследованиях, где определение правильных вопросов и методов проверки предшествует генерации объяснительных идей. Сридхар выделил критическую роль академического сотрудничества в формулировании правильно поставленных задач, благоприятных для исследования с помощью ИИ.

Discovered Materials продолжает основную миссию по открытию новых материалов для полупроводников, сотрудничая с крупнейшими производителями микрочипов и продвигая внутренние исследования. После раунда посевного финансирования, объявленного в августе 2026 года, стартап стал более уверенным в своей способности выявлять промышленные материалы за период менее года.

Устанавливая ясные цели ИИ-конкурса в материаловедении, Discovered Materials стремится стимулировать достижения, которые могут революционизировать проектирование электроники и расширить границы понимания физики с помощью искусственного интеллекта.