דיסקאברד מטריאלס רצה סוכני AI כדי לקרר את השבבים הבאים

הסטארט-אפ דיסקאברד מטריאלס (Discovered Materials) סגר סיד של 9 מיליון דולר (כ-33 מיליון שקל) בהובלת לייטספיד הודו (Lightspeed India Partners), אחרי שיצא מ-Y Combinator עם השתתפות של פיק XV פרטנרס (Peak XV Partners) והאנג'לים פול גרהאם (Paul Graham), גוקול רג'ארם (Gokul Rajaram) ות'אריק שיהיפאר (Thariq Shihipar). המיזם, שהקימו אדווית סרידהאר (Advaith Sridhar) ואקאש רמדאס (Akash Ramdas), מכוון לבעיה שמגבילה כל דאטה-סנטר מודרני: שבבי AI פולטים יותר מדי חום, מה שדורש מערכות קירור בזבזניות בחשמל.

הצנרת שמאחורי החיפוש

רמדאס, דוקטור למדע חומרים מסטנפורד, וסרידהאר, שעבד על סוכנים בפרסונה AI (Persona AI) ובלומה לאבס (Luma Labs), בנו פייפליין תוכנה שמשלב מודלים של Anthropic ברתמה מותאמת ליצירת מועמדים, ואז מריץ מודלי פיזיקה בסיסיים שפותחו בבית כדי לדמות ולסנן אותם. "במהלך הדוקטורט הוא עשה אולי 20 ניחושים ביום," אמר סרידהאר לטק-קראנץ' (TechCrunch). "אנחנו מסוגלים לעשות אלפי ניחושים ביום כשהסוכנים רצים 24/7 בענן, חוקרים כיוונים שהוא מנחה אותם אליהם."

בנצ'מרק פתוח ותחרות צפופה

החברה שחררה היום דוגמאות של מאות חומרים חדשים ואת "Material Discovery Bench", כלי שנועד לעקוב איך מודלי חזית מתמודדים עם האתגר. בשוק כבר פועלות מאטנקס (MatNex), סנדבוקס AQ (SandboxAQ) וקאספאיי (CuspAI) בכיוונים דומים, אבל דיסקאברד מטריאלס מהמרת שמיקוד לייזר בבעיות התרמיות של חומרים מוליכים-למחצה הוא נתיב מהיר יותר לתועלת מעשית. לטענתם, כבר נמצאו חומרים שתואמים תכונות של חומרים קיימים אצל יצרניות שבבים גדולות, בלי לחשוף פרטים.

משחק מכות עם מבנים אטומיים

הבעיה היא מרחב הטרייד-אוף ההנדסי: חומר שמפחית פליטת חום או משפר פיזור עלול להיות בלתי ניתן לייצור שבב בפועל, או לפגוע בתכונות החשמליות. "זה קצת לשחק וואק-א-מול עם מבנים אטומיים," אמר האמנט מוהפטרה (Hemant Mohapatra), השותף בלייטספיד שהוביל את הסיבוב. "חומר שימושי בעולם האמיתי רק אם כל התכונות מתכנסות יחד, וזה מה שהופך את זה לבעיית חיפוש מעניינת באמת."

צוואר הבקבוק האמיתי: סינון וסינתזה

מוהפטרה מעריך שחיזוי חומרים חדשים יהפוך לקומודיטי ככל שהמודלים משתפרים. היתרון של דיסקאברד מטריאלס, לשיטתו, הוא הניסיון העמוק של רמדאס והיכולת להריץ מעבדה שמאמתת מועמדים במהירות, משהו שהשניים כבר עשו עם כמה חומרים חדשים. המודל העסקי: לרשום פטנטים על שימוש בחומרים ב-GPU או על תהליך הייצור, ולרשיין אותם ליצרניות השבבים. סרידהאר מקווה שיהיו חומרים ראויים לפטנט בתוך שנה.

עדיין אין הוכחה מסחרית

למרות ההתלהבות, אף תרופה או חומר שהתגלה על ידי AI עדיין לא הגיע להשפעה מסחרית משמעותית. הדוגמה הקרובה ביותר היא רנטרוסיב (Renterosib) של אינסיליקו מדיסין (Insilico Medicine), התרופה הראשונה שפותחה עם AI גנרטיבי שהגיעה לניסוי קליני שלב 2. בצד החומרים נמצאו מועמדים מבטיחים כמו מגנטים קבועים נטולי אדמות נדירות של מאטנקס, או חומרים מוליכים-למחצה שפותחו על ידי פנסוניק (Panasonic) וסיטרין אינפורמטיקס (Citrine Informatics), אבל אף אחד מהם לא נפרס בקנה מידה מסחרי. מוהפטרה מדגיש שמציאת מועמדים אינה צוואר הבקבוק; "סינון נכון וסינתזה הם צוואר הבקבוק."