Discovered Materials adlı girişim, daha verimli ve daha az ısı üreten entegre devrelerin geliştirilmesine yardımcı olabilecek yeni malzemeleri araştırmak için yapay zekâ ajanlarından oluşan sürüleri kullanma hedefiyle, Lightspeed India Partners liderliğinde gerçekleşen tohum finansman turunda 9 milyon dolar topladı.
Bu adım, yapay zekâ iş yüklerini çalıştıran çiplerin giderek artan bir ısı kaynağı hâline geldiği, bunun da veri merkezlerinin elektrik tüketimini artırıp soğutma sistemlerine olan ihtiyacı yükselttiği bir dönemde atıldı. Şirket, Y Combinator programından çıktı. Tura ayrıca Peak XV Partners ile melek yatırımcılar Paul Graham, Gokul Rajaram ve Thariq Shihipar da yatırım yaptı.
Araştırma ve simülasyon hattı
Şirketi, Ramdas’ın Stanford Üniversitesinden doktora aldıktan sonraki malzeme bilimi deneyiminden ve Sridhar’ın Persona AI ile Luma Labs’teki çalışmaları sırasında edindiği ajan deneyiminden yararlanan Advaith Sridhar ve Akash Ramdas kurdu.
İki kurucu, yeni malzemelere ilişkin öneriler üretmek için Anthropic modellerini özel olarak tasarlanmış bir çalışma ortamında kullanan bir yazılım hattı geliştirdi. Ardından şirketin eğittiği temel fizik modelleri, bu malzemelerin uygulanabilirliğini ve özelliklerini doğrulamak üzere simülasyonlar gerçekleştiriyor.
Sridhar, Ramdas’ın doktora dönemi boyunca günde yaklaşık 20 tahmini test ettiğini, ajanların ise artık bulut üzerinde günün her saati çalışarak ve ekibin belirlediği araştırma yollarını keşfederek günde binlerce tahmini test edebildiğini söyledi.
Discovered Materials, 10 Ağustos 2026’da yüzlerce yeni malzeme örneğinin yanı sıra gelişmiş modellerin malzeme keşfi sorunuyla nasıl başa çıktığını izlemek üzere tasarlanan Material Discovery Bench aracını duyurdu.
Sorun yalnızca adayları bulmak değil
Şirket, MatNex, SandboxAQ ve CuspAI tarafından başlatılan benzer çalışmalarla rekabet ediyor; ancak özellikle yarı iletken malzemeleriyle ilişkili termal sorunlara odaklanıyor. Şirket, büyük çip üreticilerinin hâlihazırda kullandığı malzemelerin özellikleriyle örtüşen birkaç malzeme keşfettiğini söylüyor, ancak bunlarla ilgili ek ayrıntı açıklamadı.
Ancak umut vadeden bir malzeme bulmak, onun gerçek bir çipte kolayca kullanılabileceği anlamına gelmiyor. Malzemenin üretilmesi zor olabilir veya termal özelliklerindeki iyileştirmeler elektriksel özelliklerini zayıflatabilir. Turu yöneten Lightspeed ortağı Hemant Mohapatra, süreci atomik yapıların özellikleri arasında sürekli bir dengeleme olarak nitelendirdi; bir malzemenin pratikte ancak tüm gereksinimler aynı anda uyum sağladığında yararlı hâle geldiğini belirtti.
Mohapatra, modeller geliştikçe yeni malzemeleri öngörmenin standart bir hizmete dönüşebileceğini düşünüyor; ancak Ramdas’ın deneyiminin ve şirketin adayları deneylerle test etmek ve hızlı biçimde doğrulamak üzere bir laboratuvar işletme kapasitesinin şirkete avantaj sağladığına inanıyor. Şirket, kurucuların hâlihazırda birkaç yeni malzemeyi test ettiğini söyledi.
Patent ve lisanslama planı
Discovered Materials, değerli adaylar bulduğunda, bu malzemelerin grafik işlem birimlerinde kullanımı veya bunlardan çip üretme süreçleri için patent almaya çalışmayı ve ardından bu patentleri çip üreticilerine lisanslamayı planlıyor. Sridhar, şirketin gelecek yıl içinde patent başvurusu yapmaya değer yeni malzemelere sahip olmasını umuyor.
Ancak yapay zekâ destekli ilaç ve malzeme keşiflerinin geçmişi henüz geniş kapsamlı bir ticari etki ortaya koymadı. En yakın örneklerden biri, temmuz ayında üçüncü faz klinik denemeye giren Insilico Medicine’ın Renterosib adlı ilacı. Buna karşılık, MatNex’in geliştirdiği nadir toprak elementleri içermeyen mıknatıslar ile Panasonic ve Citrine Informatics’in üzerinde çalıştığı yarı iletken malzemeler gibi malzeme alanındaki diğer umut vadeden örnekler şimdiye kadar ticari ölçekte kullanılmadı.
Mohapatra’ya göre darboğaz, adayların sayısını artırmakta değil, onları doğru biçimde elemek ve üretmekte yatıyor. Sridhar, sürecin ıslak laboratuvarlara ve malzemelerin fiilen üretimine geçilmesini gerektireceğini kabul ediyor; bu aşama yalnızca yazılımla hızlandırılamaz.