运行AI工作负载的芯片过于发热：这是数据中心为何消耗大量电力并需要冷却系统的原因之一。而且，不可避免地，企业家们正求助于AI来解决由AI自身造成的问题。
Discovered Materials 是最新的一家，计划使用成群的AI代理来寻找可用于制造更高效集成电路的新材料。这家初创公司表示，在从Y Combinator毕业后，最近完成了由Lightspeed India Partners领投的900万美元种子轮融资，Peak XV Partners以及天使投资人Paul Graham、Gokul Rajaram和Thariq Shihipar也参与了投资。
创始人Advaith Sridhar和Akash Ramdas联手创立了这家公司，前者曾就职于Persona AI和Luma Labs从事agent相关的工作，后者拥有斯坦福大学材料科学博士学位。
两人创建了一个软件管道，使用Anthropic模型在定制环境中生成材料线索，然后转向他们训练的基础物理模型运行模拟，以验证候选材料是否确实值得关注。
“Ramdas在攻读博士期间每天大约做20次猜测，”Sridhar告诉TechCrunch，“现在，通过让这些代理在云端全天候运行，探索他给它们的研究方向，我们每天能够做数千次猜测。”
Discovered Materials今天发布了数百种新材料的示例，以及他们的“Material Discovery Bench”（材料发现基准），该基准旨在追踪前沿模型如何应对这一挑战。
MatNex、SandboxAQ和CuspAI等公司都推出了类似的项目，但Discovered Materials押注于专注半导体材料的热问题是通往成功的道路。这家初创公司表示，它已经发现了几种与主要芯片制造商所用现有材料性能相匹配的材料，但无法分享更多细节。
挑战之一在于工程权衡空间：如果他们找到一种可能减少发热或改善散热的材料，那么用它实际制造芯片可能过于困难，或者其电学性能会受到影响。
“这有点像在原子结构上玩打地鼠游戏，”本轮融资领投方Lightspeed合伙人Hemant Mohapatra告诉TechCrunch，“一种材料只有在所有因素同时满足时才能在现实世界中有用，这正是它成为真正有趣的搜索问题的原因。”
Mohapatra预计，随着模型不断改进，预测新物质这项业务将被商品化。Discovered Materials的与众不同之处在于Ramdas在该领域的深厚经验，以及运营一个能够快速实验和验证候选材料的实验室的能力——他表示，这两位创始人已经用几种新材料做到了这一点。
Sridhar表示，当他们找到有价值的候选材料时，公司将尝试为这些材料在GPU中的用途，或者用这种物质制造芯片的工艺申请专利，然后授权给芯片制造商。他希望在未来一年内能获得值得申请专利的新材料。
然而，尽管热情高涨，我们仍未看到任何由AI发现的药物或材料真正产生商业影响。最接近的或许是Insilico Medicine的Renterosib，这是第一款由生成式AI发现并进入II期临床试验的药物。在材料方面，已经发现了一些有前景的候选材料，比如MatNex的无稀土永磁体，或者Panasonic和Citrine Informatics研发出的新半导体材料。但这些尚未大规模商业部署。
随着AI的不断进步，这些技术可能正在逐渐成熟，但这也是Mohapatra表示他并不认为找到更多候选材料是AI材料科学的瓶颈的原因；相反，“正确过滤它们并合成它们才是瓶颈。”
虽然Sridhar相信Discovered Materials独特的数据和专业知识将帮助这家初创公司与资金雄厚的前沿实验室竞争，但他也承认，现实是“其中很多工作实际上需要进入湿实验室，并实际制造东西。而且这个过程无法加快。”