Discovered Materials nevű startup azzal a céllal alakult meg, hogy mesterséges intelligencia-ügynökök terelésével és fizikán alapuló szimulációkkal új, hőtermelést csökkentő vagy jobb hőelvezetést biztosító félvezetőanyagokat találjon. A cég a Y Combinator után zárt be egy 9 millió dolláros seed befektetési kört, amelyet a Lightspeed India Partners vezetett, további befektetők között szerepel a Peak XV Partners és angyalbefektetők Paul Graham, Gokul Rajaram és Thariq Shihipar.
Alapítók és technológiai megközelítés
A vállalatot Advaith Sridhar és Akash Ramdas alapította. Akash Ramdas doktori fokozatot szerzett anyagtudományból a Stanfordon, míg Advaith Sridhar korábban ügynökökkel foglalkozott a Persona AI-nál és a Luma Labsnál. A két alapító szoftveres munkafolyamatot épített, amelyben Anthropic modelleket használnak egy egyedi futtatókörnyezetben (custom harness) anyagötletek generálására, majd saját, alapvető fizikai modelleken alapuló szimulációkat futtatnak annak igazolására, hogy a jelöltek valóban ígéretesek-e.
Sridhar elmondása szerint míg Ramdas a doktorátusa alatt napi nagyjából 20 anyagfeltevést tett, az ügynökök 24/7 futtatásával az új rendszer naponta ezreket tud kipróbálni a felhőben, az általa kijelölt kutatási irányokat feltérképezve.
Eredmények és nyilvános eszköz
A cég szerint ma bemutatták több száz új anyag példáját, valamint elindították a „Material Discovery Bench” nevű eszközt, amelynek célja nyomon követni, hogyan birkóznak meg a korszerű modellek az anyagfelfedezés kihívásaival. Discovered Materials kifejezetten a félvezetők hőproblémáira összpontosít, abban bízva, hogy ez szűk keresztmetszet mellett versenyelőnyt jelent.
A startup azt állítja, hogy már talált olyan anyagokat, amelyek megfelelnek nagy chipgyártók által használt tulajdonságoknak, de részleteket egyelőre nem közölnek.
Műszaki és ipari kihívások
A cég hangsúlyozza, hogy az anyagfelfedezés nemcsak új jelöltek megtalálásáról szól: egy lehetséges új anyag csökkentheti a hőtermelést vagy javíthatja a hőelvezetést, ugyanakkor előfordulhat, hogy gyártása túl bonyolult, vagy elektromos tulajdonságai nem felelnek meg a félvezetőipari követelményeknek. Hemant Mohapatra, a Lightspeed partnere, aki vezette a befektetést, úgy jellemezte a problémát, hogy „kicsit olyan, mint a koboldozás (whack-a-mole) az atomstruktúrákkal” — egy anyag csak akkor válik hasznossá a gyakorlatban, ha egyszerre több kritérium is teljesül.
Mohapatra szerint előbb-utóbb az új anyagokat előrejelző üzletág egyfajta árucikké válik a modellek fejlődésével; a Discovered Materials erőssége szerinte Ramdas mély szakértelme és a gyors kísérletezésre alkalmas laboratóriumi képesség, amelyet a két alapító már többször alkalmazott.
Piaci kilátások és korlátok
A cég tervei szerint értékes jelöltek esetén szabadalmi oltalmat próbálnak szerezni az anyagok GPU-kban való felhasználására vagy a félvezetőgyártási folyamatokra, majd licenceléssel juttatnák el ezeket a chipgyártókhoz. Sridhar reményei szerint egy éven belül lehetnek olyan új anyagok, amelyek szabadalmaztathatók.
Ugyanakkor a szerkesztőség által összegyűjtött tapasztalatok szerint mind az AI-által felfedezett gyógyszerek, mind az anyagok esetén nagyon kevés példa mutatta eddig a széles körű, kereskedelmi bevezetett hatást. A közelmúlt ígéretes esetei között említhető Insilico Medicine Renterosib nevű molekulája vagy bizonyos MatNex és Panasonic által vizsgált anyagok, de ezek sem váltak még széles körben alkalmazott ipari megoldássá. Mohapatra szerint a jelöltek megtalálása már most sem feltétlenül a fő szűk keresztmetszet: sokkal inkább a helyes szűrés (filtering) és a jelöltek szintetizálása jelenti a kulcsproblémát.
Sridhar is elismerte, hogy bár a startup egyedi adatainak és szakértelmének köszönhetően versenyképes maradhat a tőkeerős kutatóintézetekkel szemben, a valós folyamat nagy része „nedves laboratóriumi” munka lesz és tényleges anyagok előállítását igényli — ez az a lépés, amelyet nem lehet felgyorsítani.
