Стартап Discovered Materials привлёк $9 млн в посевном раунде и намерен использовать рои ИИ-агентов для поиска новых материалов, которые помогут делать интегральные схемы более эффективными и снизить тепловыделение чипов. Высокий нагрев ускорителей ИИ — одна из причин большого энергопотребления дата-центров и затрат на охлаждение.
Компания вышла из Y Combinator. Раунд возглавил Lightspeed India Partners, также в нём участвовали Peak XV Partners и бизнес-ангелы Пол Грэм, Гокул Раджарам и Тарик Шихипар.
Discovered Materials основали Адвайт Шридхар и Акаш Рамдас. Рамдас получил докторскую степень по материаловедению в Stanford, а Шридхар ранее работал над агентами в Persona AI и Luma Labs.
Стартап создал программный конвейер, который использует модели Anthropic в собственной связке для генерации гипотез о новых материалах. После этого обученные компанией физические модели проводят симуляции и проверяют, представляют ли кандидаты практический интерес.
«[Рамдас] во время своей PhD-программы делал, возможно, 20 предположений в день, — рассказал Шридхар TechCrunch. — Теперь мы можем делать тысячи предположений в день, потому что эти агенты работают в облаке 24/7 и изучают исследовательские направления, которые он им задаёт».
В тот же день компания представила примеры сотен новых материалов, а также свой Material Discovery Bench — набор для отслеживания того, как передовые модели справляются с такой задачей.
Похожими проектами уже занимаются MatNex, SandboxAQ и CuspAI. Однако Discovered Materials делает ставку именно на тепловые проблемы полупроводниковых материалов. Стартап утверждает, что уже нашёл несколько материалов со свойствами, сопоставимыми с теми, что используют крупные производители чипов, но подробности пока не раскрывает.
Одна из главных проблем — инженерный компромисс. Материал может снижать нагрев или лучше отводить тепло, но при этом оказаться слишком трудным в производстве или уступать по электрическим характеристикам.
«Это немного похоже на игру, где устраняешь одну проблему в атомной структуре, а затем появляется другая, — сказал партнёр Lightspeed Хемант Мохапатра, который возглавил раунд. — Материал полезен в реальных условиях только тогда, когда все параметры сходятся одновременно. Именно поэтому это такая интересная поисковая задача».
По мнению Мохапатры, сам бизнес по предсказанию новых веществ со временем может стать массовым по мере улучшения моделей. Он считает, что отличие Discovered Materials — в глубокой экспертизе Рамдаса и способности быстро проверять кандидатов в лаборатории. По его словам, основатели уже проделали это с несколькими новыми материалами.
Если компания найдёт ценные кандидаты, она планирует патентовать применение таких материалов в GPU или сам процесс производства чипов из этих веществ, а затем лицензировать разработки производителям. Шридхар рассчитывает получить материалы, достойные патентования, в течение следующего года.
При этом коммерческий эффект от ИИ-поиска материалов и лекарств пока остаётся ограниченным. В фарме одним из ближайших примеров называют Renterosib от Insilico Medicine — это первый препарат, найденный с помощью генеративного ИИ и дошедший до второй фазы клинических испытаний. В материалах также есть перспективные результаты, включая постоянные магниты без редкоземельных элементов от MatNex и новые полупроводниковые материалы, над которыми работали Panasonic и Citrine Informatics. Но масштабного коммерческого внедрения у таких решений пока нет.
Мохапатра считает, что узкое место сейчас — уже не поиск новых кандидатов, а их правильный отбор и синтез. Шридхар согласен, что для конкуренции с крупными лабораториями компании помогут собственные данные и экспертиза, но признаёт: значительная часть работы всё равно требует экспериментов в физических лабораториях, и этот этап ускорить нельзя.
Источник: TechCrunch.
