AI 工作負載產生的熱能過高，是資料中心耗電量大、需要大量散熱系統的主因之一。不可避免地，企業家們正轉向利用 AI 來解決它所創造的問題。

Discovered Materials 是最新加入的業者，計劃利用大量 AI 代理程式來尋找可用於製造更高效積體電路的新材料。這家新創公司在從 Y Combinator 畢業後，近期宣布完成 900 萬美元的種子輪融資，由 Lightspeed India Partners 領投，並獲得 Peak XV Partners 以及 Paul Graham、Gokul Rajaram 和 Thariq Shihipar 等天使投資人的參與。

創辦人 Advaith Sridhar 和 Akash Ramdas 攜手創立了這家公司，結合了 Ramdas 在史丹佛大學獲得材料科學博士學位的經驗，以及 Sridhar 在 Persona AI 和 Luma Labs 從事代理程式開發的背景。

兩人建立了一個軟體流程，利用 Anthropic 模型在客製化框架中生成潛在材料，然後轉向他們訓練的基礎物理模型進行模擬，以驗證這些候選材料是否確實具有研究價值。

Sridhar 告訴 TechCrunch：「Ramdas 在攻讀博士學位期間，每天大約只能嘗試 20 種材料。現在，透過讓這些代理程式在雲端上 24 小時不間斷地運作，探索他提供的研究方向，我們每天能夠進行數千次的嘗試。」

Discovered Materials 今日發布了數百種新材料的範例，以及他們的「材料探索工作台」（Material Discovery Bench），該工作台旨在追蹤前沿模型如何應對這項挑戰。

MatNex、SandboxAQ 和 CuspAI 等公司都已展開類似的努力，但 Discovered Materials 押注於專注解決半導體材料的散熱問題是通往成功的道路。這家新創公司表示，他們已經發現了幾種與主要晶片製造商現有材料特性相符的材料，但目前無法分享更多細節。

其中一個挑戰是工程權衡空間：如果他們找到一種可能減少熱量產生或改善散熱的材料，它可能難以實際製造出晶片，或者其電氣特性會受到損害。

Lightspeed 負責本輪融資的合夥人 Hemant Mohapatra 告訴 TechCrunch：「這有點像在原子結構上玩打地鼠遊戲。一種材料只有在所有特性同時達到要求時才有用，這使得它成為一個非常有趣的搜尋問題。」

Mohapatra 預計，隨著模型的持續改進，預測新物質的業務將會商品化。Discovered Materials 的不同之處在於 Ramdas 在該領域的深厚經驗，以及他們能夠營運一個實驗室，快速實驗並驗證候選材料的能力，他表示兩位創辦人已經用幾種新材料做到了這一點。

Sridhar 表示，當他們找到有價值的候選材料時，公司將嘗試為這些材料在 GPU 中的應用，或製造晶片的製程申請專利，然後將其授權給晶片製造商。他希望他們能在明年內擁有值得申請專利的新材料。

然而，儘管充滿期待，我們尚未看到任何由 AI 發現的藥物或材料真正產生商業影響。最接近的可能是 Insilico Medicine 的 Renterosib，這是第一款由生成式 AI 發現並進入二期臨床試驗的藥物。在材料方面，也發現了一些有前景的候選材料，例如 MatNex 的無稀土永磁體，或 Panasonic 和 Citrine Informatics 開發的新型半導體材料。但這些都尚未大規模商業部署。

隨著 AI 持續改進，這些技術可能正逐漸成熟，但這也是 Mohapatra 表示他不認為尋找更多候選材料是 AI 材料科學的瓶頸的原因；相反地，「正確篩選和合成它們才是瓶頸。」

雖然 Sridhar 相信 Discovered Materials 獨特的數據和專業知識將幫助這家新創公司與資金雄厚的前沿實驗室競爭，但他承認現實是「很多工作將涉及實際進入濕實驗室並製造東西。而這個過程是無法加速的。」