Discovered Materials speelt AI-whack-a-mole om koelere chips te vinden

Discovered Materials, een startup opgericht door Advaith Sridhar en Akash Ramdas, gebruikt zwermen AI-agenten om nieuwe materialen te vinden voor het bouwen van efficiëntere geïntegreerde schakelingen, waarmee ze het warmteprobleem in AI-chips aanpakken. Het bedrijf heeft onlangs een seed-ronde van 9 miljoen dollar afgesloten, geleid door Lightspeed India Partners, met deelname van Peak XV Partners en engelinvesteerders Paul Graham, Gokul Rajaram en Thariq Shihipar, na te zijn voortgekomen uit Y Combinator. De oprichters combineren Ramdas' doctoraat in materiaalkunde van Stanford met Sridhars ervaring met het werken aan agents bij Persona AI en Luma Labs. Hun softwarepijplijn gebruikt Anthropic-modellen in een maatwerkopstelling om materiaalvondsten te genereren en verifieert die vervolgens met behulp van fundamentele fysicamodellen die ze zelf hebben getraind. Het bedrijf beweert duizenden gissingen per dag te doen, vergeleken met ongeveer twintig per dag tijdens Ramdas' promotieonderzoek. Ze hebben vandaag voorbeelden vrijgegeven van honderden nieuwe materialen en hun Material Discovery Bench. Concurrenten zoals MatNex, SandboxAQ en CuspAI werken ook aan soortgelijke inspanningen, maar Discovered Materials richt zich op thermische problemen van halfgeleidermaterialen. De startup heeft al materialen gevonden die overeenkomen met de eigenschappen van materialen die door grote chipproducenten worden gebruikt, maar kan daar geen details over delen. Een uitdaging is de technische afweging, omdat materialen die de warmteafvoer verbeteren moeilijk te vervaardigen kunnen zijn of aangetaste elektrische eigenschappen kunnen hebben. Hemant Mohapatra van Lightspeed, die de ronde leidde, vergelijkt het met het spel 'whack-a-mole' met atoomstructuren. Hij verwacht dat materiaalvoorspelling een commodity wordt, maar dat Ramdas' expertise en snelle laboratoriumvalidatie Discovered Materials een voorsprong geven. Wanneer waardevolle kandidaten worden gevonden, is het bedrijf van plan om patent aan te vragen op het gebruik van materialen in GPU's of productieprocessen en die te licenseren aan chipproducenten. Er zijn echter nog geen door AI ontdekte materialen met commercieel effect; het dichtstbijzijnde is Insilico Medicine's medicijn Renterosib in fase II-onderzoeken. Mohapatra denkt dat de bottleneck het filteren en synthetiseren van kandidaten is, niet het vinden ervan. Sridhar erkent dat het proces natte laboratoria omvat en niet versneld kan worden, maar hun unieke data en expertise zullen hen helpen concurreren met grensverleggende laboratoria.