Il panorama scientifico è un campo minato di misteri, ma sembra che l’Intelligenza Artificiale stia per avere la mappa. Discovered Materials, una startup di San Francisco nata dall’incubatore Y Combinator, sta lanciando una sfida da un milione di dollari per potenziare i modelli AI nel risolvere cinque problemi cruciali della scienza dei materiali. Mentre l’IA ha già superato sfide matematiche monumentali, i materiali avanzati presentano una complessità che va ben oltre la pura logica binaria. Secondo Advaith Sridhar, co-fondatore della compagnia, definire i problemi è più arduo che in matematica, ma proprio per questo ha coinvolto un gruppo di accademici di spicco per identificare i ‘goalposts’ della ricerca. I cinque enigmi che attenderanno le IA includono la teoria della superconduttività dei cuprati, un metodo numerico per prevedere le interfacce tra silicio e biossido di silicio, e il mappare le strutture dei grani per un design termico ottimale. A questi si aggiungono la predizione dell’effetto della luce sui materiali e il miglioramento di fondamenti come la Density Functional Theory. L’idea non è solo trovare soluzioni, ma testare il confine della conoscenza stessa. L’azienda sta quindi ridefinendo l’indagine scientifica: anziché aspettare che la rivoluzione accada, l’IA deve prima dimostrare di poter affrontare le domande più difficili che gli umani possono porre. Per Discovered Materials, tutto questo è un acceleratore mirato a trovare materiali industrialmente utili per la prossima generazione di semiconduttori.

🇬🇧 Summary in English

The future of tech often depends on the mysterious realm of materials science, and one startup has decided to throw a million-dollar challenge at it. Discovered Materials, a Y Combinator alum, is deploying cutting-edge AI models to solve five notoriously difficult—and currently unsolved—problems in the field. While we’ve seen frontier AI models ace incredibly complex math problems and make big strides in life sciences, advanced materials physics remain stubbornly resistant. According to co-founder Advaith Sridhar, the challenge isn’t just about finding answers, but about defining the toughest questions. They enlisted an advisory board of global academic experts to pinpoint these ‘goalposts.’ The five grand challenges include developing a theory for cuprate superconductivity, creating a numerical method to predict the interfaces in silicon semiconductors, and mapping crystal grain structures to improve heat dissipation materials. They also included predicting how light alters material behavior and enhancing a fundamental technique known as Density Functional Theory. This initiative reflects a shift in scientific inquiry: instead of waiting for serendipitous breakthroughs, they are proactively setting the highest bar. The goal is less about the prize money and more about proving that AI can truly tackle the deepest complexities of matter. This targeted effort is designed to accelerate the discovery of revolutionary, industrially viable materials crucial for the next wave of semiconductor technology.

Leggi l’articolo originale su TechCrunch →

Fonte: TechCrunch | Argomento: Startup & Business

#tecnologia #innovazione #technews