Discovered Materials, Yapay Zeka ile Daha Serin Çiplerin Peşinde

Discovered Materials, Sridhar Advaith ve Ramdas Akash tarafından kurulan bir girişim, yapay zeka ajan sürülerini kullanarak daha verimli entegre devreler inşa etmek için yeni malzemeler buluyor ve yapay zeka çiplerindeki ısı sorununu ele alıyor. Şirket kısa süre önce, Lightspeed India Partners liderliğindeki 9 milyon dolarlık tohum yatırım turunu, Peak XV Partners ile melek yatırımcılar Paul Graham, Gokul Rajaram ve Thariq Shihipar'ın katılımıyla kapattı. Bu tur, Y Combinator'dan çıktıktan sonra gerçekleşti. Kurucular, Ramdas'ın Stanford'dan malzeme bilimi doktorasını, Sridhar'ın Persona AI ve Luma Labs'ta ajanlar üzerinde çalışma deneyimiyle birleştiriyor. Yazılım boru hatları, özel bir kıyafet içinde Anthropic modellerini kullanarak malzeme adayları üretiyor ve ardından eğittikleri temel fizik modelleriyle bunları doğruluyor. Şirket, Ramdas'ın doktorası sırasında günde yaklaşık 20 olan tahmin sayısını, günde binlerce tahmine çıkardığını iddia ediyor. Bugün yüzlerce yeni malzemenin örneklerini ve Malzeme Keşif Kıyaslama (Material Discovery Bench) aracını yayınladılar. MatNex, SandboxAQ ve CuspAI gibi rakipler de benzer çalışmalar yürütüyor, ancak Discovered Materials yarı iletken malzemelerin termal sorunlarına odaklanıyor. Girişim, büyük çip üreticilerinin kullandığı malzemelerin özelliklerine uyan malzemeler zaten buldu, ancak ayrıntıları paylaşamıyor. Bir zorluk, mühendislik tasarım alanı; ısı dağılımını iyileştiren malzemelerin üretimi zor olabilir veya elektriksel özellikleri tehlikeye girebilir. Tura liderlik eden Lightspeed'ten Hemant Mohapatra, bunu atomik yapılarla oynanan bir tür 'çekiçle fare' oyununa benzetiyor. Malzeme tahmininin metalaşacağını bekliyor, ancak Ramdas'ın uzmanlığı ve hızlı laboratuvar doğrulaması Discovered Materials'a avantaj sağlıyor. Değerli adaylar bulunduğunda, şirket malzemelerin GPU'larda veya üretim süreçlerinde kullanımını patentlemeyi ve bunları çip üreticilerine lisanslamayı planlıyor. Ancak, yapay zeka tarafından keşfedilen hiçbir malzeme henüz ticari etki yaratmadı; en yakın örnek, Insilico Medicine'in Faz II denemelerindeki ilacı Renterosib. Mohapatra, darboğazın adayları filtrelemek ve sentezlemek olduğunu, bulmak olmadığını düşünüyor. Sridhar, sürecin ıslak laboratuvarları içerdiğini ve hızlandırılamayacağını kabul ediyor, ancak benzersiz verileri ve uzmanlıklarının öncü laboratuvarlarla rekabet etmelerine yardımcı olacağını söylüyor.