Discovered Materials привлекла $9 млн на поиск ИИ-агентами материалов для холодных чипов

Стартап Discovered Materials, выпускник Y Combinator, закрыл посевной раунд на 9 миллионов долларов, который возглавил фонд Lightspeed India Partners; в раунде также участвовали Peak XV Partners и бизнес-ангелы Пол Грэм, Гокул Раджарам и Тарик Шихипар. Компанию основали Адвайт Шридхар, ранее работавший над ИИ-агентами в Persona AI и Luma Labs, и Акаш Рамдас, получивший докторскую степень по материаловедению в Стэнфорде. Идея компании, использовать ИИ, чтобы решить проблему, которую ИИ сам же создал: чипы под ИИ-нагрузки сильно греются, из-за чего дата-центры тратят огромное количество электричества на охлаждение. Основатели построили программный конвейер, где модели Anthropic внутри собственной надстройки генерируют кандидатов на новые материалы, после чего обученные физические модели-симуляторы прогоняют их через расчёты, чтобы проверить, действительно ли материал интересен. По словам Шридхара, раньше Рамдас во время учёбы в аспирантуре делал примерно 20 таких предположений в день вручную; теперь агенты, работающие в облаке круглосуточно, выдают тысячи предположений в день по направлениям, которые задаёт им Рамдас. Компания сегодня опубликовала примеры сотен новых материалов, а также представила бенчмарк «Material Discovery Bench», инструмент для отслеживания того, как современные модели справляются с этой задачей. По словам стартапа, он уже нашёл несколько материалов, совпадающих по свойствам с материалами, которые сейчас используют крупные производители чипов, но подробности раскрыть не может. Ключевая сложность, инженерный компромисс: материал может снижать тепловыделение или улучшать теплоотвод, но при этом оказаться слишком сложным для производства чипа или иметь испорченные электрические свойства. Партнёр Lightspeed Хемант Мохапатра, который вёл раунд, сравнил задачу с игрой в «ударь крота» с атомными структурами: материал полезен в реальности, только если все нужные свойства сходятся одновременно. Он ожидает, что по мере роста качества моделей предсказание новых веществ станет массовым и недорогим сервисом; отличие Discovered Materials, глубокая экспертиза Рамдаса и способность быстро экспериментировать и проверять кандидатов в лаборатории. Найдя ценных кандидатов, компания намерена патентовать использование материалов в графических процессорах или сам способ изготовления чипов из них и лицензировать это производителям чипов; Шридхар надеется получить материалы, достойные патентования, в течение следующего года. При этом Мохапатра считает, что узкое место сейчас не в поиске новых кандидатов, а в их правильной фильтрации и синтезе. Авторы статьи отмечают, что пока ни одно лекарство или материал, найденные ИИ, не вышли на коммерческий масштаб: ближе всего к этому подошёл препарат Renterosib компании Insilico Medicine, первое созданное с помощью генеративного ИИ лекарство, дошедшее до II фазы клинических испытаний. Среди материалов есть похожие обнадёживающие примеры, постоянные магниты без редкоземельных металлов от MatNex и новые полупроводниковые материалы, найденные Panasonic и Citrine Informatics, но и они пока не развёрнуты в коммерческом масштабе. Сам Шридхар признаёт, что значительная часть работы всё равно требует реальных «мокрых» лабораторий и физического изготовления материалов, и этот процесс ускорить нельзя.

Ключевые факты

Discovered Materials закрыла посевной раунд на $9 млн от Lightspeed India Partners с участием Peak XV Partners и ангелов Пола Грэма, Гокула Раджарама и Тарика Шихипара
Компания использует рой ИИ-агентов на моделях Anthropic для генерации кандидатов в материалы для более холодных чипов, а затем проверяет их обученными физическими моделями-симуляторами
Основатель Акаш Рамдас раньше делал около 20 предположений в день вручную; теперь агенты выдают тысячи предположений в день
Компания выпустила примеры сотен новых материалов и бенчмарк Material Discovery Bench для оценки моделей на этой задаче
Партнёр Lightspeed Хемант Мохапатра считает, что бутылочное горлышко, не поиск кандидатов, а их фильтрация и синтез; ни одно ИИ-открытие в материаловедении пока не дошло до коммерческого масштаба

Почему это важно

Чипы, обрабатывающие ИИ-нагрузки, сильно греются, это одна из причин, почему дата-центры потребляют так много электричества и нуждаются в системах охлаждения. Discovered Materials пытается решить эту проблему тем же инструментом, который её породил: роем ИИ-агентов на моделях Anthropic, которые круглосуточно генерируют и проверяют кандидатов в новые материалы для чипов.

Кому это важно

Инвесторам и наблюдателям за рынком AI-for-science, раунд на $9 млн от Lightspeed India Partners с участием Peak XV Partners и известных бизнес-ангелов показывает интерес к применению ИИ-агентов в материаловедении. Производителям чипов интересны потенциальные материалы для патентования и лицензирования. У Discovered Materials есть прямые конкуренты в этой нише, компании MatNex, SandboxAQ и CuspAI, которые занимаются похожими задачами поиска материалов.

Как это применить

Найдя перспективный материал, компания намерена патентовать либо его использование в графических процессорах, либо сам процесс изготовления чипов из него, а затем лицензировать эти патенты производителям чипов. Шридхар надеется, что материалы, достойные патентования, появятся в течение следующего года.

Можно ли доверять

Основатели обладают релевантным опытом: Рамдас, доктор наук по материаловедению из Стэнфорда, Шридхар ранее работал над ИИ-агентами в Persona AI и Luma Labs. Стартап утверждает, что уже нашёл несколько материалов, совпадающих по свойствам с материалами, которые используют крупные производители чипов, но подробности не раскрывает, эти заявления независимо не проверяемы. В целом по индустрии пока нет ни одного случая, когда материал, открытый ИИ, дошёл до коммерческого развёртывания в масштабе; ближайший аналог в фармацевтике, препарат Renterosib компании Insilico Medicine, дошедший лишь до II фазы клинических испытаний.

Риски и подводные камни

Ключевая сложность, инженерный компромисс: материал может снижать тепловыделение, но при этом быть слишком сложным в производстве или иметь испорченные электрические свойства. По мнению партнёра Lightspeed Хеманта Мохапатры, узкое место в этой сфере, не поиск кандидатов (это, по его ожиданиям, станет массовым и недорогим по мере роста моделей), а их правильная фильтрация и синтез. Сам Шридхар признаёт, что значительная часть работы всё равно требует «мокрых» лабораторий и физического изготовления материалов, и этот процесс ускорить нельзя.

«Это немного похоже на игру в «ударь крота» с атомными структурами.»

— Хемант Мохапатра, партнёр Lightspeed, возглавивший раунд