Article · AI translation
Discovered Materials 是一家成立仅数月、位于旧金山的初创公司，利用人工智能模型寻找用于制造先进芯片的新材料。该公司宣布设立一项总额为 100 万美元的挑战赛，征求人工智能模型解决材料科学领域的 5 个关键问题。
尽管前沿人工智能模型已解决一系列引人瞩目的未解数学问题，并在生命科学领域取得进展，但它们尚未真正深入探究先进材料中复杂的物理现象。
“在材料科学中，清晰界定问题更加困难，因为它不像数学那样，有非常明确的定义，可以得出是或否的答案，”Discovered Materials 联合创始人阿德瓦伊特·斯里达尔说。该公司曾入选 Y Combinator 2026 年春季批次。“我们开始讨论时在想：这个领域有哪些重大挑战？我们如何知道人工智能正在取得进展？”
虽然材料科学没有类似千禧年大奖难题的题目，但 Discovered Materials 邀请全球顶尖大学的学者组成顾问团，明确提出了 5 个尚未解决的问题。该公司为这些问题的解决方案设立了总额为 100 万美元的奖金。
一种解释铜氧化物超导性的理论，即解释某些材料在极低温度下电阻为零的能力。
一种预测硅与二氧化硅界面结构的数值方法；这种材料组合存在于几乎所有半导体中。
一种将晶粒结构与热学性质对应起来的数值方法，以便设计散热性能更好的材料。
一种预测光照为何会改变材料行为的理论，尤其是与超导性有关的行为。
一种改进密度泛函理论的数值方法；密度泛函理论是材料科学中用于模拟原子和分子结构的关键技术。
“在材料科学的各个领域，我们观察到一些现象，却无法解释，”参与设计这些挑战的斯坦福大学教授费利佩·若尔纳达在一份声明中说。“解释这些现象将增进我们对物理学的理解，而这些答案也将直接影响我们如何制造电子产品、储存能源以及生产未来的材料。”
在公布这些挑战之前，Discovered Materials 让前沿实验室的模型尝试解决这些问题，为人工智能智能体提供互联网访问权限和其他资源，让它们自主工作数日。这些模型在每个问题上都花了好几天，却没有取得多少进展。尽管如此，不难想象 OpenAI 或 Anthropic 会尝试投入更多算力或使用更新的模型，一次性解决这些问题。
“无论是我们、其他人、某位教授，还是前沿实验室找到答案，我们都不特别在意，”斯里达尔说。“我们提出这些挑战，是希望它们成为衡量进展的目标。如果有人解决了这些挑战，我们对材料以及周围事物如何运作的理解就会加深。”
他补充说，追踪解决这些问题的尝试，将显示“模型是否正在这一领域取得进步”。
随着人工智能展现出发现人类研究人员未曾预料到的见解和技术的能力，这项挑战也反映了科学探索方式的变化。如今，解决方案似乎比以往更容易找到，问题本身因而变得更加重要。
“这是一种思考科学的新方式：我们先确定验证方法和挑战，再让人提出解释问题的想法，”斯里达尔说。“弄清楚应该提出哪些问题并非易事，在这个领域尤其困难。因此，教授们确实帮助我们厘清了应该提出哪些问题。”
Discovered Materials 的主要业务是开发用于半导体的新材料；这家初创公司与芯片巨头合作开展研究项目，同时也为自身的科研工作提供资金。该公司在 8 月宣布种子轮融资时，Sridhar 告诉 TechCrunch，他希望公司能在 1 年内研发出一种有用的材料。
“这些时间表稍微提前了一些，”他如今说。“我现在更有信心，我们能在不到 1 年的时间里找到这些具有工业用途的材料。”