Discovered Materials залучив $9 млн на пошук чипів з AI
Стартап Discovered Materials хоче за допомогою AI знаходити матеріали для менш гарячих і ефективніших чипів. Але ключова проблема — їх виробництво.
AI знову намагаються спрямувати на проблему, яку сама ж технологічна гонка частково й загострила. Стартап Discovered Materials заявив, що хоче за допомогою роїв AI-агентів знаходити нові матеріали для ефективніших інтегральних схем — і, відповідно, менш «гарячих» чипів. Компанія вже закрила seed-раунд на $9 млн після виходу з Y Combinator. Інвесторами стали Lightspeed India Partners, Peak XV Partners, а також ангельські інвестори Paul Graham, Gokul Rajaram і Thariq Shihipar.
Discovered Materials використовує моделі Anthropic для пошуку нових матеріалів
Співзасновники Discovered Materials — Advaith Sridhar і Akash Ramdas. Ramdas має докторський ступінь зі material science зі Stanford, а Sridhar раніше працював над агентами в Persona AI та Luma Labs.
Стартап побудував програмний процес, у якому моделі Anthropic працюють у спеціальному середовищі та генерують кандидатів на нові матеріали. Потім компанія застосовує власні фізичні моделі, щоб перевірити, чи справді ці варіанти можуть бути корисними.
За словами Sridhar, під час PhD Ramdas міг робити приблизно 20 припущень на день. Тепер AI-агенти, які працюють у хмарі цілодобово, дають змогу робити тисячі спроб щодня.
Стартап показав перші результати, але не розкрив ключових деталей
Discovered Materials сьогодні оприлюднила приклади сотень нових матеріалів, а також свій бенчмарк Material Discovery Bench. Він має відстежувати, як frontier-моделі справляються з таким типом задач.
На цьому полі вже працюють і інші компанії — MatNex, SandboxAQ та CuspAI. Втім, Discovered Materials робить ставку на вузький фокус: теплові проблеми напівпровідникових матеріалів.
У компанії кажуть, що вже знайшли кілька матеріалів, які відповідають властивостям тих, що використовують великі виробники чипів. Але подробиць цих знахідок поки не розкривають. Як пишуть Новини IT-PUB, саме тут і проходить межа між гучною обіцянкою та перевіркою на практиці.
Головний бар’єр — не пошук, а компроміси у виробництві
Найскладніше в цій сфері — інженерний компроміс. Матеріал може допомагати зменшувати нагрів або краще відводити тепло, але водночас виявитися занадто складним для виробництва чипа чи погіршити електричні властивості.
У Lightspeed це називають «грою в whack-a-mole з атомними структурами»: один і той самий матеріал має одночасно відповідати кільком вимогам, інакше він не стане придатним для реального використання.
Інвестор Hemant Mohapatra, який очолив раунд, вважає, що прогнозування нових речовин з часом стане більш масовим і менш унікальним. На його думку, перевага Discovered Materials — у глибокій експертизі Ramdas і в можливості швидко тестувати кандидатів у лабораторії.
Патенти можуть з’явитися вже за рік, але комерційний шлях довгий
Коли компанія знайде цінні матеріали, Sridhar планує патентувати їх використання в GPU або сам процес виготовлення чипів із цих речовин, а потім ліцензувати розробки виробникам напівпровідників. У стартапі сподіваються, що нові матеріали, придатні для патентування, з’являться вже протягом наступного року.
Водночас джерело наголошує: попри інтерес до AI-досліджень, поки що майже немає прикладів, коли відкриті штучним інтелектом ліки або матеріали справді дали комерційний ефект. Один із найближчих прикладів — Renterosib від Insilico Medicine, який став першим препаратом, відкритим generative AI, що дійшов до Phase II клінічного випробування.
У матеріалознавстві теж є перспективні знахідки, зокрема rare-earth free permanent magnets від MatNex і нові напівпровідникові матеріали від Panasonic та Citrine Informatics. Але масштабного комерційного впровадження поки не сталося.
Mohapatra вважає, що головне вузьке місце — не стільки пошук нових кандидатів, скільки їх правильне відсіювання та синтез. І сам Sridhar визнає: навіть якщо AI допоможе швидше знаходити перспективні варіанти, далі все одно доведеться працювати у wet labs, а цей процес прискорити неможливо.
Для ринку це означає доволі приземлену річ: AI вже здатен різко збільшити кількість ідей, але шлях від цифрової моделі до реального матеріалу для чипа все ще залишається довгим і дорогим.
