Discovered Materials juega al Whack-a-Mole con IA para buscar chips más fríos

Discovered Materials, una startup fundada por Advaith Sridhar y Akash Ramdas, está utilizando enjambres de agentes de IA para encontrar nuevos materiales con los que construir circuitos integrados más eficientes, abordando el problema del calor en los chips de IA. La compañía cerró recientemente una ronda semilla de 9 millones de dólares liderada por Lightspeed India Partners, con la participación de Peak XV Partners y los inversores ángeles Paul Graham, Gokul Rajaram y Thariq Shihipar, tras salir de Y Combinator. Los fundadores combinan el doctorado de Ramdas en ciencia de materiales por Stanford con la experiencia de Sridhar trabajando en agentes en Persona AI y Luma Labs. Su pipeline de software utiliza modelos de Anthropic en un harness personalizado para generar candidatos de materiales, y luego los verifica mediante modelos de física fundamental que han entrenado. La empresa afirma ejecutar miles de predicciones al día, en comparación con unas 20 al día durante el doctorado de Ramdas. Han publicado ejemplos de cientos de nuevos materiales y su Material Discovery Bench hoy. Competidores como MatNex, SandboxAQ y CuspAI también están trabajando en esfuerzos similares, pero Discovered Materials se centra en los problemas térmicos de los materiales semiconductores. La startup ya ha encontrado materiales que coinciden con las propiedades de los utilizados por los principales fabricantes de chips, pero no puede compartir detalles. Un desafío es el espacio de trade-offs de ingeniería, ya que los materiales que mejoran la disipación del calor podrían ser difíciles de fabricar o tener propiedades eléctricas comprometidas. Hemant Mohapatra, de Lightspeed, quien lideró la ronda, lo compara con jugar al whack-a-mole con estructuras atómicas. Espera que la predicción de materiales se convierta en un commodity, pero la experiencia de Ramdas y la validación rápida en laboratorio le dan a Discovered Materials una ventaja. Cuando encuentren candidatos valiosos, la empresa planea patentar el uso de los materiales en GPUs o procesos de fabricación y licenciarlos a los fabricantes de chips. Sin embargo, ningún material descubierto por IA ha tenido aún un impacto comercial; lo más cercano es el fármaco Renterosib de Insilico Medicine, en ensayos de fase II. Mohapatra cree que el cuello de botella está en filtrar y sintetizar candidatos, no en encontrarlos. Sridhar reconoce que el proceso implica laboratorios húmedos y no se puede acelerar, pero su conjunto de datos único y su experiencia les ayudarán a competir con los laboratorios de frontera.