Discovered Materials recauda USD 9 millones para chips más fríos

Discovered Materials cerró una ronda semilla de USD 9 millones liderada por Lightspeed India Partners, con la participación de Peak XV Partners y de los inversionistas ángeles Paul Graham, Gokul Rajaram y Thariq Shihipar, mientras la startup sale de Y Combinator. La empresa utiliza enjambres de agentes de IA para buscar nuevos materiales que permitan que los circuitos integrados funcionen de manera más eficiente: los chips que ejecutan cargas de trabajo de IA generan tanto calor que enfriarlos es uno de los principales factores del consumo eléctrico de los centros de datos.

Los cofundadores Advaith Sridhar y Akash Ramdas construyeron un sistema de software que utiliza modelos de Anthropic dentro de un entorno personalizado para generar posibles materiales candidatos, y luego los somete a modelos de simulación física entrenados por la propia empresa para verificar si esos candidatos son realmente prometedores. Ramdas tiene un doctorado en ciencia de materiales de Stanford; Sridhar trabajó anteriormente con agentes de IA en Persona AI y Luma Labs. Según Sridhar, Ramdas hacía alrededor de 20 pruebas al día durante su doctorado, mientras que los agentes de la empresa ahora pueden generar miles de pruebas diarias, funcionando las 24 horas del día en la nube según las direcciones de investigación que Ramdas les asigna.

Discovered Materials publicó esta semana ejemplos de cientos de nuevos materiales, junto con un “Material Discovery Bench” pensado para medir el desempeño de los modelos de IA de vanguardia en este problema, y afirma que ya ha encontrado varios materiales que igualan las propiedades de sustancias que usan actualmente los principales fabricantes de chips, aunque todavía no revela los detalles. Competidores como MatNex, SandboxAQ y CuspAI han lanzado esfuerzos similares de descubrimiento de materiales impulsados por IA; Discovered Materials apuesta a que centrarse estrictamente en los problemas térmicos de los materiales semiconductores la distinga del resto. Hemant Mohapatra, socio de Lightspeed que lideró la ronda, dijo que la parte más difícil no es tanto generar candidatos, sino encontrar materiales cuyas propiedades —reducir el calor, mantenerse manufacturables, conservar su desempeño eléctrico— se cumplan todas al mismo tiempo.

Hasta ahora, ningún medicamento o material descubierto con IA ha tenido un impacto comercial a gran escala: el ejemplo más cercano es Renterosib, de Insilico Medicine, el primer medicamento descubierto con IA generativa en llegar a un ensayo clínico de fase III, mientras que otros candidatos prometedores de materiales de otros laboratorios tampoco se han desplegado comercialmente todavía. Sridhar dijo que la empresa planea patentar el uso específico de cualquier material prometedor en GPU, o el propio proceso de fabricación, y licenciarlo a los fabricantes de chips, y espera tener un material patentable dentro del próximo año, aunque señaló que convertir los candidatos en chips funcionales todavía requerirá trabajo físico de laboratorio que “no se puede acelerar”.

Por qué importa

El enfoque refleja una apuesta más amplia: que el descubrimiento de materiales impulsado por IA —todavía sin comprobar comercialmente fuera de un puñado de candidatos tempranos en fármacos e imanes— podría aliviar una de las restricciones físicas para escalar el cómputo de IA, aunque convertir un material prometedor en un chip fabricable siga dependiendo de una validación lenta y manual en laboratorio.