运行人工智能工作负载的芯片过热：这就是数据中心消耗大量电力并需要冷却系统的原因之一。而不可避免地，企业家们正在转向人工智能来解决他们自己所造成的问题。发现材料公司是最新的参与者，计划利用人工智能代理的群体来寻找可用于制造更高效集成电路的新材料。该初创公司表示，它最近从Y Combinator孵化出来后，获得了来自Lightspeed India Partners的900万美元种子轮融资，还得到了Peak XV Partners及天使投资者Paul Graham、Gokul Rajaram和Thariq Shihipar的投资。创始人Advaith Sridhar和Akash Ramdas联手创办了公司，结合了Ramdas在斯坦福大学获得材料科学博士学位的经验，以及Sridhar在Persona AI和Luma Labs的工作。两人创建了一条软件管道，使用Anthropic模型在自定义外设中生成材料线索，然后转向他们训练的基础物理模型，进行模拟以验证候选材料是否真正值得关注。“在他的博士生涯中，[Ramdas]每天可能做20次猜测，”Sridhar对TechCrunch表示。“我们现在能够每天进行数千次猜测，通过让这些代理在云端24小时不间断地运行，探索他给出的研究方向。”发现材料公司今天发布了数百种新材料的示例，以及他们的“材料发现基准”，该基准旨在跟踪前沿模型如何应对这一挑战。像MatNex、SandboxAQ和CuspAI这样的公司也都发起了类似的努力，但发现材料公司押注于专注于半导体材料的热问题是成功的路径。该初创公司表示，它已经发现了几种与主要芯片制造商使用的现有材料具有相似特性的材料，但无法分享更多细节。一个挑战是工程权衡：如果他们发现一种可能减少热量产生或改善散热的材料，实际上制造出芯片可能会非常困难，或者其电气特性会受到影响。“这有点像在原子结构上打地鼠，”领导此次融资的Lightspeed合伙人Hemant Mohapatra对TechCrunch表示。“一种材料只有在所有特性同时收敛时，才能在现实世界中有用，这使这个搜索问题变得非常有趣。”Mohapatra预计，随着模型的持续改进，预测新物质的业务将被商品化。与发现材料公司不同的是，Ramdas在该领域拥有深厚的经验，并能够运营一个快速实验和验证候选材料的实验室——他说两位创始人已经用几种新材料完成了这一过程。当他们找到有价值的候选者时，Sridhar表示公司将尝试为这些材料在GPU中的使用或制作出该物质的芯片的过程申请专利，并将其许可给芯片制造商。他希望在接下来的一年里能够拥有值得申请专利的新材料。然而，对于所有的兴奋，我们仍然没有看到任何由人工智能发现的药物或材料在商业上产生实际影响。或许最接近的是Insilico Medicine的Renterosib，这是第一种通过生成性人工智能发现并进入二期临床试验的药物。在材料方面，也发现了一些有前景的候选者，例如MatNex的无稀土永久磁铁或松下公司和Citrine Informatics开发的新半导体材料。但这些材料尚未大规模商业化。这些技术可能会随着人工智能的持续改善而变得更加成熟，但这也是Mohapatra表示他不认为找到更多候选者是人工智能材料科学瓶颈的原因之一；相反，“正确筛选和合成它们才是瓶颈。”虽然Sridhar相信发现材料公司独特的数据和专业知识将帮助初创公司与资金雄厚的前沿实验室竞争，但他承认现实是“其中很大一部分实际上涉及到进入湿实验室，像制造东西一样。而这个过程是无法加速的。”