Discovered Materials — последний стартап, который планирует использовать рои агентов ИИ для поиска новых материалов, пригодных для создания более эффективных интегральных схем. Компания сообщила, что недавно закрыла посевной раунд на $9 млн от Lightspeed India Partners после выхода из Y Combinator, при участии Peak XV Partners и бизнес-ангелов Пола Грэма, Гокула Раджарама и Тарика Шихипара.
Основатели Адвайт Шридхар и Акаш Рамдас объединились для запуска компании, опираясь на опыт Рамдаса, получившего докторскую степень по материаловедению в Стэнфорде, и работу Шридхара над агентами в Persona AI и Luma Labs.
Вдвоём они создали программный пайплайн, который использует модели Anthropic в специальной обвязке для генерации перспективных материалов, а затем обращается к обученным ими фундаментальным физическим моделям для запуска симуляций, проверяющих, представляют ли кандидатные материалы реальный интерес.
«[Рамдас] во время своей докторской делал, возможно, 20 догадок в день, — рассказал Шридхар TechCrunch. — Теперь мы можем делать тысячи догадок в день, запуская этих агентов 24/7 в облаке и исследуя направления, которые он им задаёт».
Сегодня Discovered Materials опубликовала примеры сотен новых материалов, а также свой «Material Discovery Bench» — инструмент для отслеживания того, как передовые модели справляются с этой задачей.
Такие компании, как MatNex, SandboxAQ и CuspAI, уже запустили аналогичные проекты, но Discovered Materials делает ставку на то, что ключ к успеху — лазерная фокусировка на тепловых проблемах полупроводниковых материалов. Стартап утверждает, что уже обнаружил несколько материалов, соответствующих свойствам существующих материалов, используемых крупными производителями чипов, но не может раскрыть о них подробности.
Одна из проблем — инженерное пространство компромиссов: если они найдут материал, который может снизить тепловыделение или улучшить рассеивание тепла, его может быть слишком сложно изготовить в виде чипа, или его электрические свойства окажутся неудовлетворительными.
Ещё одна сложность — инженерное пространство компромиссов: если они найдут материал, который может уменьшить тепловыделение или улучшить отвод тепла, его может быть слишком сложно изготовить в виде чипа, или его электрические свойства окажутся неудовлетворительными.
Однако коммерческого эффекта от материалов или лекарств, открытых с помощью ИИ, пока нет. Ближе всего к этому, пожалуй, препарат Renterosib от Insilico Medicine — первое лекарство, открытое с помощью генеративного ИИ, которое дошло до клинических испытаний фазы II. В области материалов были найдены перспективные кандидаты, например, постоянные магниты без редкоземельных элементов от MatNex или новые полупроводниковые материалы, разработанные Panasonic и Citrine Informatics. Но они ещё не были коммерчески внедрены в масштабе.
Эти методы могут начать приносить плоды сейчас, по мере совершенствования ИИ, но это одна из причин, по которой Мохапатра считает, что поиск новых кандидатов не является узким местом для ИИ в материаловедении; вместо этого «узким местом является их правильная фильтрация и синтез».
Хотя Шридхар считает, что уникальные данные и экспертиза Discovered Materials помогут стартапу конкурировать с хорошо финансируемыми передовыми лабораториями, он признаёт, что реальность такова: «многое из этого потребует работы в мокрых лабораториях и непосредственного создания образцов. И этот процесс невозможно ускорить».
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Tim Fernholz
