Чипы, гоняющие AI-нагрузки, греются так сильно, что охлаждение дата-центров стало отдельной статьей расходов на электричество. Discovered Materials предлагает симметричный ответ: использовать рой AI-агентов, чтобы искать материалы, которые сделают микросхемы холоднее. Стартап только что закрыл раунд на 9 миллионов долларов от Lightspeed India Partners при участии Peak XV Partners и, что примечательно, самого Пола Грэма: легендарного основателя Y Combinator.
Основатели компании: Адвайт Сридхар, работавший над агентами в Persona AI и Luma Labs, и Акаш Рамдас, защитивший докторскую по материаловедению в Стэнфорде. Их система устроена как конвейер: модели Anthropic в кастомной обвязке выдвигают кандидатов на новый материал, а затем собственные физические модели компании прогоняют симуляции, проверяя, стоит ли кандидат внимания. Разница с ручной работой феноменальна: по словам Сридхара, во время учебы Рамдас делал около 20 таких проверок в день, теперь агенты выполняют тысячи в сутки, работая на облаке круглосуточно.
Результат пока скромный, но реальный: стартап уже нашел несколько материалов, которые по характеристикам не уступают тем, что используют крупные производители чипов, но охлаждаются эффективнее. Правда есть загвоздка, о которой честно говорит партнер Lightspeed Хемант Мохапатра: найти перспективный материал, половина дела, сделать его массово производимым, совсем другая история. Материал должен одновременно снижать нагрев, сохранять электрические свойства и поддаваться серийному изготовлению, а это уже не подбор параметров, а «игра в крота», где нужно, чтобы все условия сошлись одновременно.
Похожими задачами занимаются MatNex, SandboxAQ и CuspAI, но Discovered Materials делает ставку на узкую специализацию: только тепловые проблемы полупроводников. Индустрия материаловедения на базе AI пока не выдала ни одного коммерчески успешного прорыва в промышленных масштабах: ближайший аналог, препарат Renterosib от Insilico Medicine, дошедший до второй фазы клинических испытаний. Сридхар надеется получить первые патентоспособные материалы в течение года, но признает, что финальный этап, работу в мокрой лаборатории, автоматизацией не ускорить.
Нужен агент под ваши процессы? Разработка AI-агентов под ключ: от аудита до запуска за 3-6 недель.
