Discovered Materialsは、Lightspeed India Partnersが主導するシードラウンドで900万ドルを調達した。同社は、AIエージェントの群れを使って新材料を探索し、より効率的で発熱の少ない集積回路の構築に役立つ材料を見つけることを目指している。
この動きは、AIワークロードを動かすチップが熱源としてますます大きな割合を占めるようになり、データセンターの電力消費を押し上げ、冷却システムの需要を高めている時期に起きている。同社はY Combinatorのプログラムを卒業しており、今回のラウンドにはPeak XV Partnersに加え、エンジェル投資家のPaul Graham、Gokul Rajaram、Thariq Shihiparも出資した。
研究・シミュレーションのパイプライン
同社はAdvaith SridharとAkash Ramdasが設立した。Ramdasがスタンフォード大学で博士号を取得した後に培った材料科学の知識と、SridharがPersona AIおよびLuma Labsで働いた際に得たエージェントに関する経験を生かしている。
両創業者は、カスタム実行環境内でAnthropicのモデルを使い、新材料の提案を生成するソフトウェアパイプラインを開発した。その後、同社が訓練した基盤物理モデルを用いてシミュレーションを行い、材料の実現可能性や特性を検証する。
Sridharによると、Ramdasは博士課程在籍中、1日に約20件の仮説を検証していた。一方、現在のエージェントは、クラウド上で24時間稼働し、チームが定めた研究経路を探索することで、1日に数千件の仮説を検証できる。
Discovered Materialsは2026年8月10日、数百種類の新材料の例と、先進モデルが材料発見の課題にどのように取り組むかを追跡するために設計されたMaterial Discovery Benchツールを発表した。
課題は候補を見つけることだけではない
同社はMatNex、SandboxAQ、CuspAIが開始した同様の取り組みと競合しているが、半導体材料に関連する熱問題に特に焦点を当てている。同社は、大手チップメーカーが製造に使用している既存材料の特性と一致する複数の材料をすでに発見したと述べているが、詳細は明らかにしていない。
しかし、有望な材料を見つけたからといって、実際のチップで容易に使用できるとは限らない。材料の製造が難しい場合もあれば、熱特性の改善によって電気特性が損なわれる可能性もある。ラウンドを主導したLightspeedのパートナー、Hemant Mohapatraは、このプロセスを原子構造の特性間で継続的にバランスを取る作業だと説明した。すべての要件が同時に満たされて初めて、材料は実用的に有用になる。
Mohapatraは、モデルの性能が向上すれば、新材料の予測はコモディティ化したサービスになる可能性があると考えている。しかし、Ramdasの専門知識と、実験を行い候補を迅速に検証する研究所を運営できる同社の能力が、同社に優位性を与えるとみている。同社は、創業者たちがすでに複数の新材料を試験したと述べた。
特許とライセンスの計画
Discovered Materialsは、価値のある候補を見つけた場合、材料をグラフィックス処理ユニットで使用する方法、またはそれらの材料を使ってチップを製造する工程について特許取得を目指し、その後、チップメーカーにこれらの特許をライセンスする計画だ。Sridharは、同社が来年中に特許出願に値する新材料を保有することを期待している。
しかし、AIを活用した医薬品・材料発見の実績は、まだ広範な商業的成果を上げていない。最も近い例の一つは、Insilico MedicineのRenterosibとして知られる医薬品で、7月に第3相臨床試験に入った。一方、MatNexが開発した希土類元素を使わない磁石や、PanasonicとCitrine Informaticsが取り組んだ半導体材料など、材料分野における他の有望な例は、現時点でまだ商業規模では使用されていない。
Mohapatraによれば、ボトルネックは必ずしも候補の数を増やすことではなく、候補を正しく絞り込み、製造することにある。Sridharも、このプロセスではウェットラボや実際の材料製造に移行する必要があり、ソフトウェアだけでは加速できない段階だと認めている。