Discovered Materials는 더욱 효율적이고 열 발생이 적은 집적회로 제작에 도움이 될 수 있는 새로운 소재를 찾기 위해 인공지능 에이전트 군집을 활용하는 것을 목표로, Lightspeed India Partners가 주도한 시드 펀딩 라운드에서 900만 달러를 조달했다.
이번 조치는 인공지능 작업을 구동하는 칩이 점점 더 많은 열을 발생시키면서 데이터센터의 전력 소비를 높이고 냉각 시스템에 대한 필요성을 키우는 가운데 이루어졌다. 이 회사는 Y Combinator 프로그램을 졸업했으며, 이번 라운드에는 Peak XV Partners와 엔젤 투자자 Paul Graham, Gokul Rajaram, Thariq Shihipar도 참여했다.
연구 및 시뮬레이션 파이프라인
이 회사는 Stanford University에서 박사학위를 받은 Ramdas의 소재과학 전문성과 Persona AI 및 Luma Labs에서 에이전트 관련 업무를 수행한 Sridhar의 경험을 바탕으로 Advaith Sridhar와 Akash Ramdas가 설립했다.
두 공동창업자는 맞춤형 실행 환경에서 Anthropic의 모델을 활용해 새로운 소재에 대한 제안을 생성한 뒤, 회사가 훈련한 기초 물리 모델을 사용해 이러한 소재의 실현 가능성과 특성을 검증하는 시뮬레이션을 수행하는 소프트웨어 파이프라인을 개발했다.
Sridhar에 따르면 Ramdas는 박사과정 동안 하루에 약 20개의 추측을 시험했지만, 현재 에이전트들은 클라우드에서 24시간 작업하고 팀이 정한 연구 경로를 탐색하면서 하루에 수천 개의 추측을 시험할 수 있다.
Discovered Materials는 2026년 8월 10일 수백 가지 새로운 소재의 사례와 함께, 첨단 모델이 소재 발견 과제에 어떻게 대응하는지를 추적하도록 설계된 Material Discovery Bench 도구를 발표했다.
문제는 후보 물질을 찾는 것만이 아니다
이 회사는 MatNex, SandboxAQ, CuspAI가 시작한 유사한 노력과 경쟁하지만, 반도체 소재와 관련된 열 문제에 특히 초점을 맞추고 있다. 회사는 이미 대기업들이 칩 제조에 사용하는 기존 소재의 특성과 일치하는 여러 소재를 발견했다고 밝혔지만, 추가적인 세부 사항은 공개하지 않았다.
그러나 유망한 소재를 찾았다고 해서 실제 칩에 쉽게 사용할 수 있는 것은 아니다. 소재가 제조하기 어려울 수도 있고, 열 특성이 개선되는 대신 전기적 특성이 약화될 수도 있다. 이번 라운드를 이끈 Lightspeed의 파트너 Hemant Mohapatra는 이 과정을 원자 구조의 특성 사이에서 지속적으로 균형을 맞추는 일이라고 설명했다. 모든 요건이 동시에 충족될 때에만 소재가 실질적으로 유용해지기 때문이다.
Mohapatra는 모델이 개선되면 새로운 소재를 예측하는 일이 상품화된 서비스로 전환될 수 있다고 보지만, Ramdas의 전문성과 실험을 수행하고 후보 물질을 신속하게 검증할 수 있는 실험실을 운영하는 회사의 역량이 경쟁 우위를 제공한다고 생각한다. 회사는 공동창업자들이 이미 여러 새로운 소재를 시험했다고 밝혔다.
특허 및 라이선스 계획
Discovered Materials는 가치 있는 후보 물질을 찾으면 그래픽처리장치에 해당 소재를 사용하는 방법이나 이를 활용한 칩 제조 공정에 대한 특허를 취득한 뒤, 이 특허를 칩 제조업체에 라이선스할 계획이다. Sridhar는 회사가 내년 안에 특허 등록 가치가 있는 새로운 소재를 보유하기를 기대하고 있다.
하지만 인공지능의 도움을 받은 의약품 및 소재 발견의 기록은 아직 광범위한 상업적 영향을 만들어내지 못했다. 가장 가까운 사례 중 하나는 Insilico Medicine의 Renterosib으로, 7월에 3상 임상시험에 진입했다. 반면 MatNex가 개발한 희토류 원소가 없는 자석이나 Panasonic과 Citrine Informatics가 연구한 반도체 소재처럼 소재 분야의 다른 유망한 사례들은 지금까지 상업적 규모로 사용되지 않았다.
Mohapatra에 따르면 병목 현상은 반드시 후보 물질의 수를 늘리는 데 있는 것이 아니라, 이를 올바르게 선별하고 제조하는 데 있다. Sridhar는 이 과정에서 습식 실험실로 나아가 실제로 소재를 제조해야 하며, 소프트웨어만으로는 이 단계를 가속할 수 없다고 인정한다.