Discovered Materials käyttää tekoälyä piilokoputusmetsästykseen viileämpien sirujen löytämiseksi

Discovered Materials, Sridhar Advaithin ja Ramdas Akashin perustama startup, käyttää AI-agenttiparvia löytääkseen uusia materiaaleja tehokkaampien integroitujen piirien rakentamiseen, mikä ratkaisee AI-sirujen lämpöongelman. Yhtiö keräsi hiljattain 9 miljoonan dollarin siemenrahoituksen, jota johti Lightspeed India Partners ja johon osallistuivat Peak XV Partners sekä enkelisijoittajat Paul Graham, Gokul Rajaram ja Thariq Shihipar, heti Y Combinatorista valmistumisensa jälkeen. Perustajat yhdistävät Ramdasin materiaalitieteen tohtorin tutkinnon Stanfordista ja Sridharin kokemuksen agenttien parissa Persona AI:ssa ja Luma Labsissa. Heidän ohjelmistoputkensa käyttää Anthropicin malleja räätälöidyssä kehyksessä materiaaliehdokkaiden tuottamiseen ja varmistaa ne sitten itse koulutettujen perusfysiikan mallien avulla. Yhtiö väittää tekevänsä tuhansia arvauksia päivässä, kun taas Ramdasin tohtoriopintojen aikana niitä tehtiin noin 20 päivässä. He julkaisivat tänään esimerkkejä sadoista uusista materiaaleista sekä Material Discovery Bench -vertailutyökalunsa. Myös kilpailijat, kuten MatNex, SandboxAQ ja CuspAI, tekevät vastaavia ponnisteluja, mutta Discovered Materials keskittyy puolijohdemateriaalien lämpöongelmiin. Startup on jo löytänyt materiaaleja, jotka vastaavat suurten piirivalmistajien käyttämien materiaalien ominaisuuksia, mutta yksityiskohtia ei voi paljastaa. Haasteena on tekninen suunnittelutila, sillä lämmönpoistoa parantavat materiaalit voivat olla vaikeita valmistaa tai niiden sähköiset ominaisuudet voivat olla heikentyneet. Hemant Mohapatra Lightspeedistä, joka johti rahoituskierrosta, vertaa tätä atomirakenteiden kanssa pelattavaan kolhiinpeliin. Hän odottaa materiaaliennusteen tulevan hyödykkeeksi, mutta Ramdasin asiantuntemus ja nopea laboratoriovalidointi antavat Discovered Materialsille etulyöntiaseman. Kun arvokkaita ehdokkaita löytyy, yhtiö aikoo patentoida materiaalien käytön GPU:issa tai valmistusprosesseissa ja lisensoida ne piirivalmistajille. Mikään tekoälyn löytämä materiaali ei ole kuitenkaan vielä saavuttanut kaupallista vaikutusta; lähimpänä on Insilico Medicinen lääke Renterosib, joka on vaiheen II kokeissa. Mohapatran mukaan pullonkaula on ehdokkaiden suodattaminen ja syntetisointi, ei niiden löytäminen. Sridhar myöntää, että prosessiin kuuluu märkälaboratorioita, eikä sitä voi nopeuttaa, mutta heidän ainutlaatuinen datansa ja asiantuntemuksensa auttavat kilpailussa huippulaboratorioita vastaan.