Раджарама и Тарика Шихипара, после выхода из Y Combinator. Основатели сочетают докторскую степень Рамдаса в области материаловедения, полученную в Стэнфорде, с опытом Сридхара в работе с агентами в Persona AI и Luma Labs. Их программный конвейер использует модели Anthropic в специальной обвязке для генерации перспективных материалов, а затем проверяет их с помощью обученных ими моделей, основанных на фундаментальной физике. Компания утверждает, что генерирует тысячи гипотез в день, по сравнению с примерно двадцатью в день во время докторантуры Рамдаса. Сегодня они опубликовали примеры сотен новых материалов и свой сравнительный бенчмарк Material Discovery Bench. Конкуренты, такие как MatNex, SandboxAQ и CuspAI, также работают над аналогичными проектами, но Discovered Materials фокусируется на проблемах теплопередачи в полупроводниковых материалах. Стартап уже нашёл материалы, соответствующие свойствам тех, что используются крупными производителями чипов, но не может раскрыть детали. Сложность заключается в инженерном компромиссе: материалы, улучшающие рассеивание тепла, могут быть трудны в производстве или иметь ухудшенные электрические свойства. Хемант Мохапатра из Lightspeed, возглавивший раунд, сравнивает это с игрой в «ударь крота» с атомными структурами. Он ожидает, что предсказание материалов станет товарным продуктом, но экспертиза Рамдаса и быстрая лабораторная валидация дают Discovered Materials преимущество. Когда будут найдены ценные кандидаты, компания планирует патентовать использование материалов в графических процессорах или производственных процессах и лицензировать их производителям чипов. Однако ни один материал, открытый с помощью ИИ, ещё не оказал коммерческого влияния; ближе всего к этому препарат компании Insilico Medicine — Renerbosib,