Új anyagokat keres az AI-val a Discovered Materials — 9 millió dolláros befektetést kapott

Az AI-munkafolyamatokhoz szükséges chipek túlmelegedése jelenti az egyik fő okot az adatközpontok magas energiafogyasztására és hűtési igényére. Erre a problémára kínál megoldást a Discovered Materials startup, amely mesterséges intelligencia-ügynökök segítségével keres új anyagokat a hatékonyabb integrált áramkörök gyártásához.

A cég 9 millió dolláros seed befektetést szerzett a Lightspeed India Partners vezetésével, miután kilépett az Y Combinator inkubátorból. További befektetők között van a Peak XV Partners, valamint Paul Graham, Gokul Rajaram és Thariq Shihipar angyalbefektetők. Az alapítók, Advaith Sridhar és Akash Ramdas, Ramdas Stanfordon szerzett anyagtudományi PhD-jére és Sridhar ügynökökkel kapcsolatos tapasztalataira építve hozták létre a vállalatot.

AI-alapú anyaggenerálás és szimuláció

A Discovered Materials egy szoftverfolyamatot dolgozott ki, amely az Anthropic nyelvi modelljeit használja anyagötletek generálására. Ezeket azután saját, alapvető fizikai modellekkel futtatott szimulációk ellenőrzik, hogy kiderüljön, az adott anyagjelölt valóban érdekes-e. „Ramdas a PhD-ja alatt naponta talán 20 tippeléssel próbálkozott” — mondta Sridhar a TechCrunch-nak. „Mi most naponta több ezer tippelést tudunk megtenni azzal, hogy ezek az ügynökök a felhőben futnak a nap 24 órájában, az általa megadott kutatási irányokat vizsgálva.”

A startup több száz új anyagot mutatott be, valamint a „Material Discovery Bench” nevű eszközüket, amely arra szolgál, hogy kövessék, hogyan birkóznak meg a legfejlettebb modellek ezzel a kihívással. Olyan cégek, mint a MatNex, a SandboxAQ és a CuspAI is hasonló erőfeszítéseket tesznek, de a Discovered Materials arra fogad, hogy a félvezető anyagok termikus problémáira való fókuszálás az út a sikerhez. A startup állítása szerint már több olyan anyagot találtak, amelyek megfelelnek a nagy chipgyártók által használt jelenlegi anyagok tulajdonságainak, de további részleteket nem árulhatnak el.

Kísérleti validálás és szabadalmaztatás

Az egyik kihívás az úgynevezett „mérnöki kompromisszum” (engineering trade-space): ha találnak egy anyagot, amely csökkentheti a hőtermelést vagy javíthatja a hőelvezetést, a túl nehezen tenné lehetővé a chip gyártását, vagy sértené az elektromos tulajdonságait. „Ez egy kicsit olyan, mint atomi szerkezetekkel játszani a ’whack-a-mole’ játékot” — mondta Hemant Mohapatra, a befektetést vezető Lightspeed partner. „Egy anyag csak akkor hasznos a valós világban, ha minden tulajdonsága egyszerre kedvező, ami igazán érdekes keresési problémává teszi ezt.”

A különbség a Discovered Materials esetében Ramdas mély szakértelme a területen, valamint egy olyan labor működtetésének képessége, amely gyorsan képes kísérletezni és validálni a jelölteket — amit a két alapító már több új anyaggal meg is tett. Amikor értékes jelölteket találnak, Sridhar elmondása szerint a vállalat megpróbálja szabadalmaztatni az anyagok GPU-kban való használatát, vagy a gyártási folyamatot, és licencelni azt chipgyártóknak.

Mindezek ellenére még nem láttunk olyan gyógyszereket vagy anyagokat, amelyeket az AI fedezett fel, és amelyek kereskedelmi hatást értek volna el. A legközelebbi talán az Insilico Medicine Renterosib nevű gyógyszere, amely az első generatív AI által felfedezett gyógyszer, és eljutott az II. fázisú klinikai vizsgálatig. Az anyagok terén ígéretes jelölteket találtak, mint a MatNex ritkaföldfém-mentes állandó mágnesei vagy a Panasonic és a Citrine Informatics által kidolgozott új félvezető anyagok.

Bár Sridhar úgy véli, hogy a Discovered Materials egyedi adatai és szakértelme segít a startupnak versenyezni a nagy erőforrásokkal rendelkező laborokkal, elismerte, hogy „sok mindent ténylegesen nedves laboratóriumokban kell majd megvalósítani, és dolgokat kell gyártani. Ez a folyamat pedig nem gyorsítható.”