Das Startup Discovered Materials hat in einer von Lightspeed India Partners angeführten Seed-Finanzierungsrunde 9 Millionen US-Dollar eingesammelt. Ziel ist es, Schwärme von KI-Agenten einzusetzen, um neue Materialien zu erforschen, die beim Bau effizienterer integrierter Schaltkreise mit geringerer Wärmeentwicklung helfen könnten.
Der Schritt erfolgt zu einem Zeitpunkt, an dem Chips, die KI-Workloads ausführen, zunehmend zu Wärmequellen werden. Dies erhöht den Stromverbrauch von Rechenzentren und den Bedarf an Kühlsystemen. Das Unternehmen ging aus dem Programm von Y Combinator hervor. An der Runde beteiligten sich außerdem Peak XV Partners sowie die Angel-Investoren Paul Graham, Gokul Rajaram und Thariq Shihipar.
Pipeline für Forschung und Simulation
Das Unternehmen wurde von Advaith Sridhar und Akash Ramdas gegründet. Dabei stützten sie sich auf Ramdas’ Erfahrung in der Materialwissenschaft nach seiner Promotion an der Stanford University sowie auf Sridhars Erfahrung mit Agenten aus seiner Tätigkeit bei Persona AI und Luma Labs.
Die Gründer entwickelten eine Software-Pipeline, die Anthropic-Modelle in einer speziell entwickelten Laufzeitumgebung nutzt, um Vorschläge für neue Materialien zu erzeugen. Anschließend setzt sie grundlegende physikalische Modelle, die das Unternehmen trainiert hat, für Simulationen ein, um die Machbarkeit und Eigenschaften dieser Materialien zu überprüfen.
Sridhar sagte, Ramdas habe während seiner Promotion täglich etwa 20 Vermutungen getestet. Heute könnten die Agenten täglich Tausende von Vermutungen prüfen, indem sie rund um die Uhr in der Cloud arbeiten und von dem Team festgelegte Forschungspfade erkunden.
Discovered Materials gab am 10. August 2026 Beispiele für Hunderte neue Materialien bekannt. Außerdem stellte das Unternehmen das Tool Material Discovery Bench vor, das dafür konzipiert ist, nachzuverfolgen, wie fortschrittliche Modelle mit der Herausforderung der Materialentdeckung umgehen.
Das Problem besteht nicht nur darin, Kandidaten zu finden
Das Unternehmen steht im Wettbewerb mit ähnlichen Initiativen von MatNex, SandboxAQ und CuspAI, konzentriert sich jedoch speziell auf thermische Probleme im Zusammenhang mit Halbleitermaterialien. Nach eigenen Angaben hat es bereits mehrere Materialien entdeckt, die den Eigenschaften bestehender Materialien entsprechen, die große Unternehmen zur Chipherstellung verwenden. Weitere Einzelheiten dazu gab es nicht.
Ein vielversprechendes Material zu finden bedeutet jedoch nicht, dass es sich leicht in einem tatsächlichen Chip einsetzen lässt. Das Material könnte schwierig herzustellen sein, oder seine thermischen Verbesserungen könnten seine elektrischen Eigenschaften beeinträchtigen. Hemant Mohapatra, der die Runde leitende Partner bei Lightspeed, beschrieb den Prozess als ein kontinuierliches Abwägen zwischen den Eigenschaften atomarer Strukturen. Praktisch nützlich werde ein Material erst, wenn alle Anforderungen gleichzeitig erfüllt seien.
Mohapatra geht davon aus, dass die Vorhersage neuer Materialien mit der Verbesserung der Modelle zu einer standardisierten Dienstleistung werden könnte. Er glaubt jedoch, dass Ramdas’ Fachwissen und die Fähigkeit des Unternehmens, ein Labor für Experimente zu betreiben und Kandidaten schnell zu überprüfen, ihm einen Vorteil verschaffen. Das Unternehmen erklärte, die Gründer hätten bereits mehrere neue Materialien getestet.
Ein Plan für Patente und Lizenzierung
Wenn Discovered Materials wertvolle Kandidaten findet, will das Unternehmen versuchen, Patente für die Verwendung der Materialien in Grafikprozessoren oder für Verfahren zur Herstellung von Chips daraus zu erhalten und diese Patente anschließend an Chiphersteller zu lizenzieren. Sridhar hofft, dass das Unternehmen im kommenden Jahr über neue Materialien verfügen wird, die eine Patentanmeldung rechtfertigen.
Die Bilanz der durch KI unterstützten Entdeckung von Arzneimitteln und Materialien hat jedoch noch keine weitreichenden kommerziellen Auswirkungen erzielt. Das von Insilico Medicine entwickelte Medikament Renterosib gilt als eines der nächstliegenden Beispiele, nachdem es im Juli in eine klinische Phase-III-Studie eingetreten ist. Andere vielversprechende Beispiele im Materialbereich, wie die von MatNex entwickelten Magnete ohne Seltene Erden sowie Halbleitermaterialien, an denen Panasonic und Citrine Informatics gearbeitet haben, wurden bislang noch nicht in großem Maßstab kommerziell eingesetzt.
Mohapatra zufolge besteht der Engpass nicht unbedingt darin, die Zahl der Kandidaten zu erhöhen, sondern darin, sie richtig zu filtern und herzustellen. Sridhar räumt ein, dass der Prozess den Zugang zu Nasslaboren und die tatsächliche Herstellung der Materialien erfordern wird – eine Phase, die sich nicht allein durch Software beschleunigen lässt.