AI 工作负载让芯片发热严重，Discovered Materials 公司利用 AI 智能体群寻找新型半导体材料，以制造更高效的芯片。该公司已获 900 万美元种子轮融资。
运行 AI 工作负载的芯片太热了：这是数据中心消耗如此多电力并需要冷却系统的原因之一。而且，不可避免地，企业家们正在转向 AI 来解决它自己创造的问题。
Discovered Materials 是最新一家，计划利用 AI 智能体群寻找可用于制造更高效集成电路的新材料。这家初创公司表示，它最近从 Lightspeed India Partners 获得了 900 万美元的种子轮融资，此前从 Y Combinator 毕业，并获得了 Peak XV Partners 以及天使投资人 Paul Graham、Gokul Rajaram 和 Thariq Shihipar 的投资。
创始人 Advaith Sridhar 和 Akash Ramdas 联手创办了这家公司，借鉴了 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 从事智能体工作的经验。
两人创建了一个软件管道，使用 Anthropic 模型在定制框架中生成材料线索，然后转向他们训练的基础物理模型运行模拟，验证候选材料是否确实值得关注。
"Ramdas 在博士期间每天大概做 20 次猜测，"Sridhar 告诉 TechCrunch。"我们现在每天能通过让这些智能体 24/7 在云端运行、探索他给它们的研究方向，做数千次猜测。"
Discovered Materials 今天发布了几百种新材料的示例，以及它们的"材料发现基准"（Material Discovery Bench），旨在追踪前沿模型如何应对这一挑战。
MatNex、SandboxAQ 和 CuspAI 等公司都推出了类似的努力，但 Discovered Materials 押注于专注于半导体材料的热问题才是成功之路。这家初创公司表示，它已经发现了几种与主要芯片制造商使用的现有材料性能相匹配的材料，但不能分享更多细节。
一个挑战是工程权衡空间：如果他们找到一种可能减少热产生或改善散热的材料，它可能太难实际制造出芯片，或者其电气性能会受到影响。
"这有点像用原子结构打地鼠，"主导这轮融资的 Lightspeed 合伙人 Hemant Mohapatra 告诉 TechCrunch。"一种材料只有在所有属性同时满足要求时才能在实际世界中有用，这就是为什么这是一个非常有趣的搜索问题。"
Mohapatra 预计，随着模型的不断改进，预测新物质的能力将变得商品化。Discovered Materials 的与众不同之处在于 Ramdas 在该领域的深厚经验，以及运营一个能够快速实验和验证候选材料的实验室的能力——他说这两位创始人已经用几种新材料做到了这一点。
当他们找到有价值的候选材料时，Sridhar 表示公司将尝试申请专利。但在此之前，他们还有很多"打地鼠"游戏要玩。
来源：TechCrunch
