Discovered Materials igra AI whack-a-mole kako bi pronašla hladnije čipove

Čipovi koji pokreću AI sustave previše se zagrijavaju – jedan je to od razloga zašto podatkovni centri troše toliko električne energije i zahtijevaju složene sustave hlađenja. I, gotovo neizbježno, poduzetnici se sada okreću upravo umjetnoj inteligenciji kako bi riješili problem koji je ona sama stvorila.

Discovered Materials najnoviji je primjer takvog pristupa. Startup namjerava koristiti rojeve AI agenata u potrazi za novim materijalima koji bi omogućili izgradnju učinkovitijih integriranih sklopova. Tvrtka je nedavno zatvorila seed rundu od 9 milijuna dolara na čelu s Lightspeed India Partners, nakon što je prošla kroz Y Combinator, uz sudjelovanje Peak XV Partnersa te angel investitora Paula Grahama, Gokula Rajarama i Thariqa Shihipara.

Osnivači Advaith Sridhar i Akash Ramdas udružili su snage kako bi pokrenuli tvrtku, oslanjajući se na Ramadasovo iskustvo stečeno doktoratom iz znanosti o materijalima na Stanfordu te Sridharov rad na agentima u Persona AI i Luma Labsu.

Dvojac je razvio softverski cjevovod koji koristi Anthropicove modele unutar prilagođenog okvira za generiranje prijedloga novih materijala, a zatim se oslanja na temeljne fizikalne modele koje su sami istrenirali kako bi simulacijama provjerili jesu li kandidati zaista perspektivni.

„[Ramdas] je za vrijeme doktorata možda dolazio do 20 pretpostavki dnevno”, rekao je Sridhar za TechCrunch. „Sada smo u stanju generirati tisuće pretpostavki na dan, jer ti agenti rade 24/7 u oblaku i istražuju smjerove koje im on zada.”

Discovered Materials danas je objavio primjere stotina novih materijala, kao i svoju platformu „Material Discovery Bench”, osmišljenu za praćenje toga kako se najnapredniji modeli nose s ovim izazovom.

Slične napore ulažu i tvrtke poput MatNexa, SandboxAQ-a i CuspAI-ja, no Discovered Materials kladi se na to da je ključ uspjeha upravo usko usmjeravanje na toplinske probleme poluvodičkih materijala. Startup tvrdi da je već otkrio nekoliko materijala čija svojstva odgovaraju onima koje koriste vodeći proizvođači čipova, ali zasad ne može otkriti više detalja.

Jedan od glavnih izazova leži u inženjerskim kompromisima: materijal koji bi mogao smanjiti stvaranje topline ili poboljšati njezino odvođenje možda je preteško upotrijebiti u stvarnoj proizvodnji čipova, ili mu električna svojstva jednostavno nisu dovoljna.

„Pomalo je kao igra mačke i miša s atomskim strukturama”, rekao je za TechCrunch Hemant Mohapatra, Lightspeedov partner koji je vodio ovu rundu. „Materijal je koristan u stvarnom svijetu samo ako sva ta svojstva istovremeno dođu na svoje mjesto – i upravo to ovaj problem čini toliko zanimljivim.”

Mohapatra očekuje da će predviđanje novih tvari s vremenom postati roba široke potrošnje kako modeli budu napredovali. Ono što Discovered Materials razlikuje od konkurencije jest Ramadasovo duboko stručno znanje u ovom području te sposobnost vođenja laboratorija koji može brzo eksperimentirati i potvrđivati kandidate – nešto što, prema njegovim riječima, dvojica osnivača već rade s nekoliko novih materijala.

Kada pronađu vrijedne kandidate, Sridhar kaže da će tvrtka nastojati patentirati upotrebu tih materijala u GPU-ovima ili postupak izrade čipova od tih tvari, a zatim ih licencirati proizvođačima čipova. Nada se da će u sljedećoj godini imati materijale vrijedne patentiranja.

Unatoč svemu uzbuđenju, još uvijek nismo vidjeli da je neki lijek ili materijal otkriven uz pomoć AI-ja zaista ostvario komercijalni učinak. Najbliže tome možda je Renterosib tvrtke Insilico Medicine – prvi lijek otkriven generativnom AI koji je dostigao drugu fazu kliničkih ispitivanja. Na strani materijala pronađeni su obećavajući kandidati, poput trajnih magneta bez rijetkih zemnih metala tvrtke MatNex ili novih poluvodičkih materijala koje su razvili Panasonic i Citrine Informatics. No ni jedan od njih još nije komercijalno primijenjen u većem opsegu.

Ove tehnike možda sada tek dolaze do punog izražaja kako AI nastavlja napredovati, no upravo je to razlog zašto Mohapatra smatra da pronalaženje novih kandidata nije usko grlo u AI znanosti o materijalima – već je to, kako kaže, „njihovo ispravno filtriranje i sinteza”.

Dok Sridhar vjeruje da će jedinstveni podaci i stručnost Discovered Materialsa pomoći startupu da se nosi s dobro financiranim laboratorijima na tehnološkoj fronti, ipak je priznao da će „velik dio toga zapravo podrazumijevati odlazak u mokre laboratorije i fizičku izradu materijala. A taj se proces ne može ubrzati.”