Чипы для AI-нагрузок сильно перегреваются, и именно поэтому дата-центры потребляют огромное количество электроэнергии и нуждаются в мощных системах охлаждения. Логично, что решать проблему, созданную искусственным интеллектом, теперь пытаются с помощью самого искусственного интеллекта.
Стартап Discovered Materials предлагает использовать рои AI-агентов для поиска новых материалов, из которых можно создавать более энергоэффективные микросхемы. Компания закрыла seed-раунд на $9 млн от Lightspeed India Partners после выпуска из Y Combinator, также в раунде участвовали Peak XV Partners и бизнес-ангелы Пол Грэм, Гокул Раджарам и Тарик Шихипар.
Основатели Адвайт Шридхар и Акаш Рамдас объединили усилия: Рамдас защитил докторскую по материаловедению в Стэнфорде, а Шридхар занимался разработкой агентов в Persona AI и Luma Labs.
Они создали программный пайплайн, где модели Anthropic в кастомной обёртке генерируют гипотезы о новых материалах, а собственные физические модели проверяют их через симуляции.
«Во время своей докторантуры Рамдас делал около 20 предположений в день. Теперь мы можем делать тысячи предположений в день, запуская агентов в облаке 24/7 по направлениям, которые он им задаёт», — рассказал Шридхар TechCrunch.
Сегодня компания опубликовала примеры сотен новых материалов, а также запустила «Material Discovery Bench» — инструмент для отслеживания того, как передовые модели справляются с этой задачей.
Похожими проектами занимаются MatNex, SandboxAQ и CuspAI, но Discovered Materials делает ставку на узкую специализацию — решение тепловых проблем полупроводниковых материалов. Стартап утверждает, что уже нашёл несколько материалов со свойствами, сопоставимыми с теми, что используют крупные производители чипов, хотя подробности пока не раскрывает.
Основная сложность — инженерный компромисс: материал может снижать тепловыделение, но быть непригодным для производства чипов или иметь испорченные электрические свойства.
«Это немного похоже на игру в кротов с атомными структурами. Материал полезен в реальном мире только тогда, когда все его свойства сходятся одновременно — это и делает задачу настолько интересной», — отметил Хемант Мохапатра, партнёр Lightspeed, возглавивший раунд.
По его мнению, предсказание новых веществ со временем станет рутинной задачей по мере роста моделей. Отличие Discovered Materials — глубокая экспертиза Рамдаса и возможность быстро проверять кандидатов в собственной лаборатории.
Когда найдутся перспективные материалы, компания планирует патентовать их использование в GPU или сам процесс производства чипов из них, лицензируя технологию производителям. Шридхар надеется получить патентоспособные материалы в течение года.
При этом на рынке пока нет ни одного лекарства или материала, открытого с помощью ИИ, который бы получил коммерческое применение в промышленных масштабах. Ближе всего к этому подошёл препарат Renterosib от Insilico Medicine — первое лекарство, созданное генеративным ИИ и дошедшее до II фазы клинических испытаний.
В сфере материалов есть перспективные примеры — редкоземельные постоянные магниты от MatNex или полупроводниковые материалы, разработанные Panasonic и Citrine Informatics. Но массового коммерческого внедрения пока не произошло.
Мохапатра считает, что узким местом остаётся не поиск новых кандидатов, а их фильтрация и синтез. Шридхар признаёт: несмотря на уникальные данные и экспертизу, значительную часть работы всё равно придётся делать в лабораториях руками — и этот процесс невозможно ускорить.