Discovered Materials, una innovadora startup de San Francisco, ha lanzado un desafío millonario dirigido a modelos de inteligencia artificial con el objetivo de abordar cinco problemas críticos en la ciencia de materiales. Esta iniciativa forma parte de la estrategia de la empresa, que se encuentra en su fase inicial, para acelerar el desarrollo de nuevos materiales aplicables a la fabricación de chips avanzados.
A pesar de los notables avances que los modelos de inteligencia artificial han logrado en matemáticas y ciencias biológicas, su aplicación en la física compleja de los materiales avanzados todavía enfrenta obstáculos significativos. Advaith Sridhar, cofundador de Discovered Materials y miembro de la cohorte de Y Combinator de 2026, explica que la especificidad requerida en materiales científicos puede ser más complicada en comparación con problemas matemáticos que tienen respuestas claras. Esto ha llevado a la empresa a explorar los grandes desafíos en este campo.
Premios por Soluciones a Retos Claves
La empresa ha creado un grupo asesor compuesto por académicos de universidades reconocidas a nivel mundial para definir cinco problemas abiertos en la ciencia de materiales. Con un total de un millón de dólares en premios, Discovered Materials busca incentivar la solución de estos retos, que incluyen:
- Una teoría que explique la superconductividad en cupratos y su capacidad de conducir electricidad sin resistencia a temperaturas ultra-bajas.
- Un método numérico para predecir las estructuras de las interfaces entre silicio y dióxido de silicio, combinaciones fundamentales en casi todos los semiconductores.
- Un método numérico para mapear la estructura de grano con las propiedades térmicas, con el fin de diseñar materiales con una mejor disipación del calor.
- Una teoría que prediga cómo la luz puede alterar el comportamiento de algunos materiales, especialmente en el contexto de la superconductividad.
- Un método numérico para mejorar la Teoría del Funcional de Densidad, una técnica clave en la modelización de estructuras atómicas y moleculares.
Felipe Jornada, profesor de Stanford y colaborador en el desarrollo de estos desafíos, resalta la importancia de resolver estos fenómenos para mejorar la comprensión de la física y su impacto directo en la fabricación de electrónica, almacenamiento de energía y desarrollo de materiales futuros.
Progreso de Modelos de IA en Materiales
Antes de lanzar el desafío, Discovered Materials utilizó modelos de inteligencia artificial en su laboratorio para abordar estas cuestiones, proporcionando a los agentes de IA acceso a internet y otros recursos para trabajar de manera autónoma. A pesar de que estos modelos enfrentaron dificultades, la empresa reconoce el potencial de que otras entidades, como OpenAI o Anthropic, puedan abordar estos problemas con recursos más amplios.
El enfoque de Discovered Materials no se centra exclusivamente en encontrar soluciones, sino en establecer un marco que permita clarificar y avanzar en la comprensión de problemas no resueltos en la ciencia de materiales. Sridhar enfatiza que el objetivo es marcar puntos de referencia para medir el progreso en este dominio.
La Revolución de la Investigación Científica
Esta iniciativa refleja una transformación en el enfoque de la investigación científica, donde la inteligencia artificial se posiciona como una herramienta capaz de descubrir aportes y técnicas que los investigadores humanos quizás no habrían considerado. En un panorama en el que las respuestas parecen cada vez más accesibles, la formulación de preguntas relevantes se convierte en un aspecto crucial.
Sridhar señala que esta nueva forma de concebir la ciencia implica primero desarrollar los desafíos y luego permitir que surjan ideas que proporcionen respuestas. Este proceso no solo es complejo, sino que también se beneficia significativamente de la colaboración académica en la identificación de las preguntas pertinentes. Con miras al futuro, Discovered Materials se dedica a la creación de materiales útiles para la industria de semiconductores, y sus planes se han acelerado con la esperanza de obtener resultados en un plazo inferior a un año.