A "Discovered Materials", uma startup de San Francisco que utiliza modelos de inteligência artificial para descobrir novos materiais para a fabricação de chips avançados, anunciou o lançamento de um concurso de um milhão de dólares para incentivar modelos de IA a resolver cinco problemas críticos na ciência dos materiais.
Apesar dos sucessos alcançados por modelos avançados de IA na resolução de problemas matemáticos proeminentes e no progresso em ciências da vida, eles ainda não conseguiram desvendar a física complexa associada a materiais avançados. Advait Shridhar, cofundador da empresa, que participou da turma de primavera de 2026 do Y Combinator, observou que definir problemas claramente na ciência dos materiais é extremamente difícil em comparação com a matemática, que possui definições definitivas, o que levou a empresa a recorrer a um conselho consultivo de acadêmicos para identificar cinco problemas principais.
Os cinco problemas visados no desafio
Os cinco problemas propostos para resolução, distribuídos através de prêmios financeiros, abrangem vários aspectos fundamentais na física de materiais e tecnologias modernas, incluindo:
- Formular uma teoria para explicar a supercondutividade de materiais de cuprato, que é a capacidade de alguns materiais de possuírem resistência elétrica zero em temperaturas extremamente baixas.
- Encontrar um método numérico para prever as estruturas das interfaces entre o silício e o dióxido de silício, uma combinação essencial na fabricação de quase todos os semicondutores.
- Desenvolver um método numérico para ligar a estrutura de grãos às propriedades térmicas para projetar melhores materiais para dissipação de calor.
- Apresentar uma teoria que preveja a causalidade da mudança no comportamento dos materiais quando iluminados, especialmente no que diz respeito à supercondutividade.
- Melhorar a teoria do funcional da densidade, uma técnica fundamental na ciência dos materiais para modelar estruturas de átomos e moléculas.
O que muda na prática?
Antes do anúncio oficial desses desafios, a empresa testou modelos de laboratório avançados, concedendo-lhes acesso à internet e outras ferramentas para trabalharem de forma independente por vários dias; no entanto, os modelos não alcançaram um progresso significativo na resolução desses problemas. Os responsáveis explicaram que o objetivo desses desafios não se limita a quem encontrará a solução, mas sim a fornecer padrões claros para avaliar o progresso dos modelos de IA na compreensão da física complexa dos materiais ao nosso redor.
Este passo reflete uma mudança no curso da pesquisa científica, onde os mecanismos de verificação e os desafios são criados primeiro, deixando depois o campo para que modelos e ideias apresentem explicações científicas. Por outro lado, a empresa afirmou que seu cronograma para gerar materiais industrialmente úteis para o setor de semicondutores foi acelerado, e que está mais confiante em alcançar resultados em menos de um ano.