Discovered Materials, una startup de San Francisco con apenas unos meses de creada, que usa modelos de IA para encontrar nuevas sustancias para chips avanzados, ofrece premios por $1 millón para quien logre resolver cinco problemas sin solución en la ciencia de materiales. La empresa quiere que los sistemas de IA intenten resolverlos y afirma que los problemas están pensados para servir como una vara de medición del progreso.

¿Por qué es más difícil para la IA evaluar la ciencia de materiales que las matemáticas?

Los modelos de IA de frontera han resuelto una serie de problemas matemáticos difíciles y han avanzado en las ciencias de la vida. La ciencia de materiales es más difícil de delimitar. No existe una única respuesta de sí o no con la cual comparar, y la física es compleja.

“Es más difícil plantear problemas con claridad en la ciencia de materiales porque no es como las matemáticas, donde tienes una definición muy específica y puedes llegar a un sí o un no”, dijo Advaith Sridhar, cofundador de Discovered Materials, que formó parte del lote de primavera de 2026 de Y Combinator. “Llegamos a esta discusión [preguntándonos] cuáles son los grandes desafíos en este campo. ¿Cómo sabemos que la IA está avanzando?”

¿Qué problemas quiere resolver Discovered Materials con $1 millón?

La ciencia de materiales no tiene un equivalente a los Problemas del Premio del Milenio, así que la empresa reunió un grupo asesor de académicos de universidades líderes del mundo para precisar las preguntas abiertas. La lista resultante incluye una teoría que explique la superconductividad en cupratos, el fenómeno en el que ciertos materiales conducen electricidad sin resistencia a temperaturas ultrabajas. También incluye un método numérico para predecir las estructuras de las interfaces entre silicio y dióxido de silicio, una combinación que se encuentra en casi todos los semiconductores. Otro desafío pide un método numérico que relacione la estructura de grano con las propiedades térmicas, lo que podría dar lugar a mejores materiales para disipar el calor. Un cuarto pide una teoría que explique por qué iluminar los materiales puede cambiar su comportamiento, en particular en torno a la superconductividad. El último pide un método numérico que mejore la teoría del funcional de la densidad, una técnica clave para modelar la estructura de átomos y moléculas.

Felipe Jornada, profesor de Stanford que ayudó a desarrollar los desafíos, dijo que las brechas en el conocimiento son amplias. “En la ciencia de materiales hay fenómenos que observamos pero no podemos explicar”, afirmó Jornada en un comunicado. “Explicar estos fenómenos mejoraría nuestra comprensión de la física, y las respuestas moldearían directamente la forma en que construimos la electrónica, almacenamos energía y fabricamos los materiales del futuro.”

¿Podrían los laboratorios de IA de frontera resolver estos problemas de ciencia de materiales?

Antes de anunciar los premios, Discovered Materials puso a prueba los problemas con modelos de laboratorios de frontera. Dio a los agentes de IA acceso a internet y otros recursos, y los dejó trabajar de forma autónoma durante días. Los modelos dedicaron varios días a cada problema sin avanzar mucho. La empresa no dijo qué modelos utilizó. Aun así, no es difícil imaginar a OpenAI o Anthropic intentando resolver los problemas con mucha más capacidad de cómputo o un modelo más reciente.

Sridhar dijo que a la empresa no le importa mucho quién los resuelva. “No nos preocupa en particular si lo encontramos nosotros, si lo encuentra otra persona, si lo encuentra un profesor o si lo encuentran los laboratorios de frontera”, dijo. “La razón por la que lanzamos estos desafíos es porque queremos que sirvan como los postes de meta. Si alguien resuelve estos desafíos, estaremos profundizando nuestra comprensión de los materiales y de cómo se comportan las cosas a nuestro alrededor.”

Seguir los intentos de resolver los problemas, añadió, mostrará “si los modelos están escalando en este dominio”.

El desafío también apunta a un cambio en la forma en que se hace la ciencia. La IA está encontrando cada vez más ideas y técnicas que los investigadores humanos no anticiparon, lo que hace más importante la elección de las preguntas. Sridhar describió un orden de operaciones distinto. “Esta es una nueva forma de pensar la ciencia, en la que primero definimos la verificación y los desafíos, y luego dejamos que alguien proponga las ideas que explican el problema”, afirmó. “Saber cuáles son las preguntas correctas que hay que hacer no es trivial y es muy difícil en este dominio, así que aquí es donde los profesores realmente nos han ayudado a definir cuáles son las preguntas correctas que deberíamos hacernos.”

El foco principal de Discovered Materials es desarrollar nuevos materiales para semiconductores. La startup se asocia con gigantes de los chips en proyectos de investigación y también financia su propio trabajo científico. Cuando anunció su ronda semilla en agosto, Sridhar le dijo a TechCrunch que esperaba que la empresa produjera un material útil en un año. Ahora suena más optimista. “Esos plazos se han acelerado un poco”, dijo. “Ahora tengo más confianza en que podremos encontrar estos materiales industrialmente útiles en un plazo menor a un año.”

Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.