Стартап Discovered Materials применит ИИ для поиска более «холодных» чипов

Чипы, выполняющие задачи ИИ, сильно нагреваются — это одна из причин, почему центры обработки данных потребляют так много электроэнергии и требуют систем охлаждения. И, как это часто бывает, предприниматели обращаются к ИИ, чтобы решить проблему, которую он же и создал.

Стартап Discovered Materials намерен использовать «рой» ИИ-агентов для поиска новых материалов, которые можно применять при создании более эффективных интегральных схем. Компания недавно закрыла раунд seed-финансирования на 9 миллионов долларов (около 720 миллионов рублей) от Lightspeed India Partners после выпуска из акселератора Y Combinator. В раунде также участвовали Peak XV Partners и бизнес-ангелы Пол Грэм, Гокул Раджарам и Тарик Шихипар.

Основатели Адваит Шридхар и Акхаш Рамдас объединили усилия, опираясь на докторскую степень Рамдаса в области материаловедения (Стэнфорд) и опыт Шридхара в работе с агентами в Persona AI и Luma Labs. Они создали программный конвейер, использующий модели Anthropic в специальной обвязке для генерации перспективных материалов, а затем подключают собственные модели фундаментальной физики для симуляций, проверяющих, действительно ли кандидаты представляют интерес.

«[Рамдас] делал, возможно, 20 предположений в день во время своей докторской, — рассказал Шридхар TechCrunch. — Теперь мы можем делать тысячи предположений в день, позволяя этим агентам работать 24/7 в облаке и исследовать направления, которые он им задает».

Сегодня Discovered Materials опубликовал примеры сотен новых материалов и свой «Material Discovery Bench» — инструмент для отслеживания того, как ведущие модели справляются с этой задачей. Компании вроде MatNex, SandboxAQ и CuspAI запустили аналогичные проекты, но Discovered Materials делает ставку на узкую специализацию — решение тепловых проблем полупроводниковых материалов. Стартап утверждает, что уже нашел несколько материалов, соответствующих свойствам существующих, используемых крупными чипмейкерами, но детали пока не раскрывает.

Одна из сложностей — инженерный компромисс: материал, снижающий тепловыделение или улучшающий рассеивание тепла, может оказаться слишком сложным в производстве или иметь нарушенные электрические свойства.

«Это немного похоже на игру в „ударь крота" с атомными структурами, — отметил Хемант Мохапатра, партнер Lightspeed, возглавивший раунд. — Материал полезен в реальном мире только тогда, когда все свойства сходятся одновременно, что делает это действительно интересной задачей поиска».

Мохапатра ожидает, что предсказание новых веществ станет массовым по мере совершенствования моделей. Отличие Discovered Materials — глубокий опыт Рамдаса и возможность быстро проводить эксперименты и проверять кандидатов в лаборатории. По словам основателей, они уже проверили несколько новых материалов.

Когда будут найдены ценные кандидаты, компания попытается запатентовать их использование в GPU или процесс производства чипов, лицензируя технологии чипмейкерам. Шридхар надеется, что материалы, достойные патента, появятся в течение следующего года.

Несмотря на ажиотаж, ни один препарат или материал, открытый с помощью ИИ, пока не оказал коммерческого влияния. Ближе всего к этому — препарат Renterosib от Insilico Medicine, первый лекарственный кандидат, созданный с помощью генеративного ИИ и дошедший до II фазы клинических испытаний. В области материалов были найдены перспективные варианты, например, постоянные магниты без редкоземельных элементов от MatNex или новые полупроводниковые материалы от Panasonic и Citrine Informatics, но их массового коммерческого внедрения пока нет.

Мохапатра считает, что проблема не в поиске кандидатов, а в их фильтрации и синтезе. Шридхар признает, что «многое будет связано с реальной работой в лабораториях, и этот процесс нельзя ускорить».