Discovered Materials, una startup de San Francisco que utiliza modelos de inteligencia artificial para descubrir nuevos materiales para la fabricación de chips avanzados, ha anunciado el lanzamiento de un concurso de un millón de dólares para incentivar a los modelos de IA a resolver cinco problemas críticos en la ciencia de materiales.
A pesar de los éxitos que los modelos avanzados de IA han logrado en la resolución de problemas matemáticos destacados y su progreso en las ciencias de la vida, aún no han logrado desentrañar la compleja física asociada con los materiales avanzados. Advait Shridhar, cofundador de la empresa, que formó parte de la cohorte de primavera de 2026 de Y Combinator, señaló que definir claramente los problemas en la ciencia de materiales es extremadamente difícil en comparación con las matemáticas, que cuentan con definiciones definitivas, lo que llevó a la empresa a recurrir a un grupo consultivo de académicos para identificar cinco problemas principales.
Los cinco problemas objetivo del desafío
Los cinco problemas propuestos para su resolución, distribuidos a través de los premios económicos, abarcan varios aspectos fundamentales de la física de materiales y las tecnologías modernas, e incluyen:
- Formular una teoría para explicar la superconductividad de los cupratos, que es la capacidad de algunos materiales de tener una resistencia eléctrica cero a temperaturas extremadamente bajas.
- Encontrar un método numérico para predecir las estructuras de las interfaces entre el silicio y el dióxido de silicio, una combinación esencial en la fabricación de casi todos los semiconductores.
- Desarrollar un método numérico para vincular la estructura de los granos con las propiedades térmicas para diseñar mejores materiales para la disipación de calor.
- Presentar una teoría que prediga la causalidad del cambio en el comportamiento de los materiales cuando se les aplica luz, especialmente en lo que respecta a la superconductividad.
- Mejorar la teoría del funcional de la densidad, una técnica clave en la ciencia de materiales para modelar las estructuras de átomos y moléculas.
¿Qué cambia en la práctica?
Antes del anuncio oficial de estos desafíos, la empresa probó modelos de laboratorio avanzados, otorgándoles acceso a Internet y otras herramientas para trabajar de forma autónoma durante varios días; sin embargo, los modelos no lograron avances significativos en la resolución de estos problemas. Los responsables explicaron que el objetivo de estos desafíos no se limita a quién encontrará la solución, sino a proporcionar estándares claros para evaluar el progreso de los modelos de IA en la comprensión de la compleja física de los materiales que nos rodean.
Este paso refleja un cambio en el curso de la investigación científica, donde primero se crean los mecanismos de verificación y los desafíos, para luego dejar el campo a los modelos y las ideas para que presenten las explicaciones científicas. Por otro lado, la empresa afirmó que su cronograma para generar materiales industrialmente útiles para el sector de los semiconductores se ha acelerado, y que tiene más confianza en lograr resultados en menos de un año.