Discovered Materials (YC P26) – 新素材を発見するAIエージェント
要約
Discovered Materialsは、半導体産業向けの新素材を発見するAIエージェントを開発しています。GPUの熱問題や、新しい素材を研究開発から製造ラインに導入する際の長い時間と高コスト(ラボ・トゥ・ファブの死の谷)といった課題に対し、AIエージェントがこれらのプロセスを大幅に短縮・低コスト化できる可能性を示しています。同社は、フロンティアAIモデルによって発見された数百もの新素材と、モデルの性能を測定するベンチマークを公開し、IPライセンスやツールの販売を通じて収益化を目指しています。
全文翻訳
皆さん、こんにちは。Discovered Materials(https://discoveredmaterials.com/)のアドヴァイスとアカシュです。私たちは半導体業界向けの新素材を発見するAIエージェントを開発しています。
今日のGPUは熱問題を抱えています。NvidiaとAMDは、リリースする各チップでTDP(Thermal Design Power)をほぼ倍増させています。H100(2022年リリース)は700W、Blackwell(2024年)は1.2kW、Rubin(2026年)は2.3kWの熱を発生します。この傾向は続くと予想されており、この熱を処理することが、データセンターが今日これほど多くの電力と水を消費する主な理由の一つとなっています。なぜなら、チップを動作中に冷却する必要があるからです。
チップが生成する熱量と、それを放散する能力は、チップの製造に使用される材料によって影響を受けます。例えば、チップを3Dパッケージングすることで(HBMメモリスタックを2D回路基板上のロジックチップの隣に配置するのではなく、直接上に配置する)、ロジックとメモリ間のデータ転送に必要なエネルギーを10〜50倍削減できる可能性があります。しかし、現在これは実現できていません。なぜなら、HBMに使用される誘電体材料(SiO2など)は熱伝導率が非常に悪く、ロジックとメモリの間に熱を閉じ込め、動作中に急激な温度上昇を引き起こすからです。同様に、GPUには今日再評価されている他の多くの材料があります。さらに2つの例として、熱界面材料(TIM)と基板が挙げられます。しかし、新しい材料をファブ(製造工場)に導入するには、数年と数百億円の研究開発費がかかります。これは「ラボからファブへの死の谷」として悪名高いものです。
Discovered Materialsでは、AIエージェントが新素材を半導体チップに導入するために必要な時間とコストを削減できると楽観視しています。私たちはすでにその兆候を見ています。Anthropic、OpenAI、Kimiの7つのモデルをテストしたところ、それらすべてが、動的に安定しており有望な特性を持つ新素材を計算上で発見できることがわかりました。これは私たちにとって驚きでした。通常、これらのモデルが8時間の実行で発見するような素材を発見するには、博士課程の学生が数週間かかる作業が必要だからです。
しかし、計算による発見は容易な部分です。素材の発見は、その素材を実験室で作製・テストできる場合にのみ有効です(例として、グラフェンの特性は1947年に予測されましたが、初めて作製されたのは2004年でした)。今日のモデルは、実験室で素材を作製するための合成レシピを考案するのが得意ではありません。たとえそれが得意になったとしても、それがどれほど役立つかは不確かです。新しい素材を作製することは、多くの実験を通じた試行錯誤を伴う、非常に経験的なプロセスだからです。人間の専門家でさえ、このタスクを「一発」でこなすことはできませんが、非常に有能なモデルであれば、新しい素材を作製するために必要な実験の繰り返し回数を減らすことができると期待しています。私たちは、Y Combinatorのバッチの3ヶ月間で、この証拠をいくつか見てきました。私たちは、世界最大の化学企業が20年以上秘密にしてきたTIMの性能に匹敵する熱界面材料(TIM)をシミュレーション、合成、テストしました。
私たちは、最先端のAIモデルによって発見された何百もの新しい素材と、素材発見におけるモデルの能力を測定するベンチマークを公開しています(スレッドのURLにもリンクされています):https://discoveredmaterials.com/research。これには、上記で議論した内容に加え、Claudeがハックを報酬として与える傾向や、GPT-5.6が約5000万トークン後に時々正気を失うといった、モデルから観察される様々な奇妙な挙動も含まれています。
私たちのビジネスモデル:私たちは、発見した素材のIP(知的財産)および、これらの素材の製造方法に関するIPをライセンス販売することを目指しています。また、半導体・化学企業に、私たちが素材発見に使用しているハーネスとツールを販売し、彼らが自社で素材を発見できるようにする代替ビジネスモデルも検討しています。まずは後者から始める方向ですが、長期的には両方を行うと予想しています。
私たちの経歴:アカシュはスタンフォード大学で材料科学の博士号を取得しており、過去11年間、半導体チップの新素材を研究してきました。新しいナノスケール相互接続に関する彼の研究は、2025年のスタンフォード工学部の最も人気のある記事でした。アドヴァイスはカーネギーメロン大学でAIを学び、Persona AI(買収済み)およびLuma Labsでビデオモデルとエージェントを構築するリサーチエンジニアでした。
私たちは皆さんの意見に非常に興味があります!半導体業界は非常に秘密主義的であり、業界のロードマップや、私たちが取り組むべき素材に関する皆さんの考えは非常に役立つでしょう。また、実験室で実験を行った経験のある方々からもお話を伺いたいと思っています。経験科学を行う上での経験から、私たちは何を学ぶことができるでしょうか?