Discovered Materials играет с ИИ в «Ударь крота» в поисках чипов, которые меньше нагреваются

Чипы, выполняющие задачи ИИ, перегреваются: это одна из причин, по которым центры обработки данных потребляют так много электроэнергии и нуждаются в системах охлаждения. И, неизбежно, предприниматели обращаются к ИИ, чтобы решить созданную им проблему.

Discovered Materials — последняя компания, избравшая такой путь: она планирует использовать рои ИИ-агентов для поиска новых материалов, которые можно применять при создании более эффективных интегральных схем. Стартап сообщил, что недавно закрыл посевной раунд на $9 млн под руководством Lightspeed India Partners после выхода из Y Combinator; в раунде также приняли участие Peak XV Partners и бизнес-ангелы Пол Грэм, Гокул Раджарам и Тарик Шихипар.

Основатели компании Адвайт Сридхар и Акаш Рамдас объединились для ее запуска, опираясь на опыт Рамдаса, получившего докторскую степень в области материаловедения в Стэнфорде, и работу Сридхара над агентами в Persona AI и Luma Labs.

Они создали программный конвейер, который использует модели Anthropic в специально разработанной оболочке для генерации перспективных материалов, а затем обращается к обученным ими фундаментальным физическим моделям, чтобы проводить симуляции и проверять, действительно ли эти материалы представляют интерес.

«[Рамдас] во время своей аспирантуры делал, возможно, по 20 предположений в день, — рассказал Сридхар TechCrunch. — Теперь мы способны делать тысячи предположений в день, запуская этих агентов круглосуточно в облаке и исследуя направления, которые он им задает».

Сегодня Discovered Materials представила примеры сотен новых материалов, а также свой «Material Discovery Bench», предназначенный для отслеживания того, как передовые модели справляются с этой задачей.

Такие компании, как MatNex, SandboxAQ и CuspAI, уже запустили аналогичные проекты, однако Discovered Materials делает ставку на узкую специализацию — решение тепловых проблем полупроводниковых материалов как путь к успеху. Стартап утверждает, что уже обнаружил несколько материалов, соответствующих свойствам существующих материалов, используемых крупными производителями чипов, но не может раскрыть о них дополнительные подробности.

Одна из проблем заключается в инженерном компромиссе: если им удастся найти материал, который может уменьшить тепловыделение или улучшить рассеивание тепла, его может оказаться слишком сложно использовать для фактического производства чипов либо его электрические свойства могут ухудшиться.

«Это немного похоже на игру в “бей крота” с атомными структурами, — рассказал TechCrunch Хемант Мохапатра, партнер Lightspeed, возглавлявший этот раунд. — Материал полезен в реальном мире только в том случае, если все его характеристики одновременно сходятся, и именно это превращает поиск в действительно интересную задачу».

Мохапатра ожидает, что бизнес по прогнозированию новых веществ станет стандартизированным по мере совершенствования моделей. Отличие Discovered Materials заключается в глубоком опыте Рамдаса в этой области и способности быстро проводить эксперименты и проверять кандидатов в лаборатории — по словам Рамдаса, основатели уже сделали это с несколькими новыми материалами.

Когда они найдут перспективные материалы, говорит Сридхар, компания попытается запатентовать их применение в графических процессорах либо процесс изготовления чипов из этих веществ, а затем лицензировать технологии производителям чипов. Он надеется, что в течение следующего года у компании появятся новые материалы, достойные патентования.

Однако, несмотря на весь ажиотаж, мы пока не видели, чтобы обнаруженные с помощью ИИ лекарства или материалы действительно оказали коммерческое влияние. Ближе всего к этому, возможно, находится Renterosib компании Insilico Medicine — первый препарат, открытый с помощью генеративного ИИ и дошедший до клинических испытаний II фазы. В области материалов уже найдены перспективные кандидаты, например постоянные магниты без редкоземельных элементов от MatNex или новые полупроводниковые материалы, разработанные Panasonic и Citrine Informatics. Но пока они не применяются в коммерческих масштабах.

Возможно, сейчас эти методы начинают раскрывать свой потенциал по мере совершенствования ИИ, однако именно поэтому Мохапатра не считает, что узким местом материаловедения с использованием ИИ является поиск большего числа кандидатов; вместо этого «узкое место — правильно их отфильтровать и синтезировать».

Сридхар считает, что уникальные данные и экспертиза Discovered Materials помогут стартапу конкурировать с хорошо финансируемыми передовыми лабораториями, однако признает, что в действительности «многое из этого потребует фактической работы в мокрых лабораториях и, так сказать, создания самих материалов. А этот процесс невозможно ускорить».