Исследование

Discovered Materials использует ИИ для поиска более холодных чипов, необходимых центрам обработки данных

Стартап привлек 9 миллионов долларов на посевном раунде, чтобы использовать ИИ-агентов и физические модели для поиска полупроводниковых материалов, которые могли бы улучшить теплоотвод, хотя основная работа остается в доказывании того, что их можно производить.

Майкл Г · 11 августа 2026 г.

Компания Discovered Materials привлекла семизначное посевное финансирование в размере 9 миллионов долларов для использования ИИ-агентов и моделей физики в поиске полупроводниковых материалов, которые могут сделать чипы более эффективными и облегчить их охлаждение. Компания утверждает, что её система может генерировать и фильтровать большое количество кандидатов, превращая научно-исследовательский процесс, который ранее зависел всего лишь от нескольких ручных предположений, в гораздо более масштабный вычислительный поиск.

Цель заключается в физическом ограничении в центре строительства ИИ. Чипы, выполняющие тяжелые рабочие нагрузки, выделяют тепло, и центры обработки данных тратят огромные суммы энергии и капитала на управление им. Лучший материал может снизить тепловыделение, улучшить рассеивание или облегчить эксплуатацию конструкции на данном уровне производительности. Ни одно из этого не так просто, как найти привлекательное число в симуляции.

Discovered Materials объединяет передовые языковые модели в пользовательском агенте с физическими моделями, предназначенными для проверки того, стоит ли разрабатывать предлагаемое вещество. Они также выпустили примеры материалов и эталон для измерения того, как модели справляются с задачей открытия. Это здоровое направление: утверждения о науке с ИИ становятся более полезными, когда другие исследователи могут изучить задачу и результат.

Кандидатный материал должен одновременно удовлетворять нескольким требованиям. Он может нуждаться в правильных тепловых, электрических и механических свойствах, а также в возможности синтеза, обработки пластин и производства чипов. Улучшение одной переменной может ухудшить другую. Вот почему основатели описывают эту работу как своего рода игру в "урони крота" на атомном уровне.

Компания делает правильно, что сосредоточена на проверке. ИИ может расширить набор идей, которые лаборатория может тестировать, но коммерчески полезное улучшение должно пройти эксперименты, производство и квалификацию. Настоящей мерой будет то, сможет ли поиск привести к материалу, который переходит от интересного предсказания к внедренному чипу.

Темы: материаловедение, ИИ-чипы, дата-центры