Стартап Discovered Materials привлёк 9 миллионов долларов в рамках посевного раунда финансирования, который возглавила Lightspeed India Partners, с целью использовать рои агентов искусственного интеллекта для поиска новых материалов, способных помочь в создании более эффективных интегральных схем с меньшим тепловыделением.
Этот шаг предпринимается в период, когда чипы, на которых работают нагрузки искусственного интеллекта, становятся всё более значительным источником тепла, что повышает потребление электроэнергии центрами обработки данных и увеличивает потребность в системах охлаждения. Компания вышла из программы Y Combinator, а в раунде также приняли участие Peak XV Partners и бизнес-ангелы Paul Graham, Gokul Rajaram и Thariq Shihipar.
Конвейер исследований и моделирования
Компанию основали Advaith Sridhar и Akash Ramdas, опираясь на опыт Ramdas в области материаловедения, полученный после защиты докторской диссертации в Стэнфордском университете, и опыт Sridhar в работе с агентами во время его работы в Persona AI и Luma Labs.
Основатели разработали программный конвейер, который использует модели Anthropic в специально созданной среде выполнения для генерации предложений новых материалов, а затем обращается к базовым физическим моделям, обученным компанией, чтобы проводить моделирование и проверять реализуемость и свойства этих материалов.
Sridhar сообщил, что во время докторской работы Ramdas проверял около 20 гипотез в день, тогда как теперь агенты могут проверять тысячи гипотез ежедневно, работая в облаке круглосуточно и исследуя направления, определённые командой.
10 августа 2026 года Discovered Materials объявила о примерах сотен новых материалов, а также об инструменте Material Discovery Bench, предназначенном для отслеживания того, как передовые модели справляются с задачей поиска материалов.
Проблема заключается не только в поиске кандидатов
Компания конкурирует с аналогичными инициативами, запущенными MatNex, SandboxAQ и CuspAI, но уделяет особое внимание тепловым проблемам, связанным с материалами полупроводников. Компания утверждает, что уже обнаружила несколько материалов, соответствующих характеристикам существующих материалов, используемых крупными компаниями для производства чипов, однако не раскрыла о них дополнительных подробностей.
Однако обнаружение перспективного материала не означает, что его будет легко использовать в реальном чипе. Материал может оказаться сложным в производстве, либо улучшение его тепловых характеристик может ухудшить электрические свойства. Hemant Mohapatra, партнёр Lightspeed, возглавивший раунд, описал этот процесс как постоянный баланс между свойствами атомных структур: материал становится практически полезным только тогда, когда все требования совпадают одновременно.
Mohapatra считает, что прогнозирование новых материалов может превратиться в стандартную услугу по мере совершенствования моделей, однако полагает, что опыт Ramdas и способность компании управлять лабораторией для проведения экспериментов и быстрой проверки кандидатов дают ей преимущество. Компания сообщила, что основатели уже протестировали несколько новых материалов.
План по патентам и лицензированию
Когда Discovered Materials найдёт ценных кандидатов, компания намерена попытаться получить патенты на использование материалов в графических процессорах или на процессы производства чипов из них, а затем лицензировать эти патенты производителям чипов. Sridhar надеется, что в течение следующего года у компании появятся новые материалы, заслуживающие патентной защиты.
Однако история открытий лекарств и материалов с помощью искусственного интеллекта пока не принесла широкого коммерческого эффекта. Одним из наиболее близких примеров считается препарат Insilico Medicine, известный как Renterosib, который в июле перешёл к клиническому испытанию третьей фазы, тогда как другие перспективные примеры в области материалов — такие как магниты без редкоземельных элементов, разработанные MatNex, и полупроводниковые материалы, над которыми работали Panasonic и Citrine Informatics, — до сих пор не использовались в коммерческих масштабах.
По словам Mohapatra, узкое место не обязательно заключается в увеличении числа кандидатов, а скорее в их правильной фильтрации и производстве. Sridhar признаёт, что процесс потребует перехода к работе во влажных лабораториях и фактическому изготовлению материалов — этапу, который невозможно ускорить только с помощью программного обеспечения.