A startup Discovered Materials arrecadou US$ 9 milhões em uma rodada de financiamento inicial liderada pela Lightspeed India Partners, com o objetivo de usar enxames de agentes de inteligência artificial para pesquisar novos materiais que possam ajudar a construir circuitos integrados mais eficientes e que gerem menos calor.
A iniciativa ocorre em um momento em que os chips que executam cargas de trabalho de IA se tornaram uma fonte crescente de calor, elevando o consumo de eletricidade dos data centers e aumentando a necessidade de sistemas de resfriamento. A empresa saiu do programa Y Combinator, e a rodada também recebeu investimentos da Peak XV Partners e dos investidores-anjo Paul Graham, Gokul Rajaram e Thariq Shihipar.
Pipeline de pesquisa e simulação
A empresa foi fundada por Advaith Sridhar e Akash Ramdas, aproveitando a experiência de Ramdas em ciência dos materiais após obter seu doutorado na Universidade Stanford e a experiência de Sridhar com agentes durante seu trabalho na Persona AI e na Luma Labs.
Os fundadores desenvolveram um pipeline de software que usa modelos da Anthropic em um ambiente de execução personalizado para gerar propostas de novos materiais e, em seguida, recorre a modelos físicos fundamentais treinados pela empresa para realizar simulações que verificam a viabilidade e as propriedades desses materiais.
Sridhar afirmou que Ramdas testava cerca de 20 hipóteses por dia durante o doutorado, enquanto os agentes agora conseguem testar milhares de hipóteses diariamente, trabalhando na nuvem 24 horas por dia e explorando caminhos de pesquisa definidos pela equipe.
Em 10 de agosto de 2026, a Discovered Materials anunciou exemplos de centenas de novos materiais, além da ferramenta Material Discovery Bench, projetada para acompanhar como modelos avançados lidam com o desafio da descoberta de materiais.
O problema não é apenas encontrar candidatos
A empresa compete com esforços semelhantes lançados pela MatNex, pela SandboxAQ e pela CuspAI, mas se concentra especificamente nos problemas térmicos associados aos materiais semicondutores. A empresa afirma já ter descoberto vários materiais que correspondem às propriedades de materiais existentes usados por grandes empresas para fabricar chips, mas não divulgou detalhes adicionais sobre eles.
No entanto, encontrar um material promissor não significa que seja fácil usá-lo em um chip real. O material pode ser difícil de fabricar, ou suas melhorias térmicas podem enfraquecer suas propriedades elétricas. Hemant Mohapatra, sócio da Lightspeed que liderou a rodada, descreveu o processo como um equilíbrio contínuo entre as propriedades das estruturas atômicas, pois o material só se torna útil na prática quando todos os requisitos são atendidos ao mesmo tempo.
Mohapatra acredita que a previsão de novos materiais pode se tornar um serviço comoditizado à medida que os modelos melhorem, mas considera que a experiência de Ramdas e a capacidade da empresa de operar um laboratório para realizar experimentos e validar rapidamente os candidatos lhe conferem uma vantagem. A empresa afirmou que os fundadores já testaram vários novos materiais.
Plano de patentes e licenciamento
Quando encontrar candidatos valiosos, a Discovered Materials pretende tentar obter patentes para o uso dos materiais em unidades de processamento gráfico ou para processos de fabricação de chips a partir deles e, em seguida, licenciar essas patentes para fabricantes de chips. Sridhar espera que a empresa tenha, no próximo ano, novos materiais que valham a pena patentear.
No entanto, o histórico de descobertas de medicamentos e materiais com auxílio de IA ainda não produziu um impacto comercial amplo. O medicamento da Insilico Medicine conhecido como Renterosib é um dos exemplos mais próximos, depois de entrar em um ensaio clínico de fase 3 em julho, enquanto outros exemplos promissores no campo dos materiais, como os ímãs livres de elementos de terras raras desenvolvidos pela MatNex e os materiais semicondutores nos quais a Panasonic e a Citrine Informatics trabalharam, ainda não foram usados em escala comercial.
Segundo Mohapatra, o gargalo não está necessariamente em aumentar o número de candidatos, mas em filtrá-los corretamente e fabricá-los. Sridhar reconhece que o processo exigirá recorrer a laboratórios úmidos e fabricar os materiais de fato, uma etapa que não pode ser acelerada apenas com software.