YC 初创公司 Discovered Materials 设 100 万美元奖金征集 AI 解决五个材料科学难题

Discovered Materials 是一家成立数月、总部位于旧金山的初创公司，利用 AI 模型寻找新材料以制造先进芯片。该公司宣布设立一项百万美元挑战赛，邀请 AI 模型解决材料科学领域的五个关键问题。

尽管前沿 AI 模型已经解决了一系列引人注目的悬而未决的数学难题，并在生命科学领域取得进展，但它们尚未真正深入探索先进材料中复杂的物理学。

“在材料科学中，把问题清晰地界定出来要更困难，因为它不像数学，数学有非常具体的定义，可以得出是或否的答案，”Discovered Materials 联合创始人 Advaith Sridhar 说，该公司是 Y Combinator 2026 年春季批次的一员。“我们讨论时就在想，这个领域的重大挑战是什么？我们如何知道 AI 正在取得进展？”

虽然材料科学没有千禧年大奖难题那样的对应物，Discovered Materials 还是招募了一个由全球顶尖大学学者组成的顾问小组，明确列出了五个悬而未决的问题。该公司为这些问题提供总额 100 万美元的奖金池。

• 一种解释铜氧化物超导性的理论，即某些材料在超低温度下具有零电阻的能力。
• 一种预测硅与二氧化硅之间界面结构的数值方法，这种材料组合几乎存在于所有半导体中。
• 一种将晶粒结构映射到热学性质的数值方法，从而实现更好的散热材料设计。
• 一种解释为何用光照射材料能改变其行为的理论，尤其是在超导性方面。
• 一种改进密度泛函理论的数值方法，这是材料科学中用于建模原子和分子结构的关键技术。

“在整个材料科学领域，有许多我们观察到却无法解释的现象，”帮助制定这些挑战的斯坦福大学教授 Felipe Jornada 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，而答案将直接影响我们如何制造电子设备、储存能源以及制造未来的材料。”

在公布这些挑战之前，Discovered Materials 让前沿实验室的模型对其进行攻关，给 AI 智能体提供互联网接入等资源，让它们自主工作数天。这些模型在每个问题上花了好几天，却没有取得多大进展。不过，很容易想象 OpenAI 或 Anthropic 会尝试用多得多的算力或更新的模型一举攻克这些问题。

“无论这个问题是我们找到的，还是别人找到的，或是教授找到的，还是前沿实验室找到的，对我们来说都不是特别需要担心的，”Sridhar 说。“我们发布这些挑战的原因，是希望它们成为衡量标准。如果你去解决了这些挑战，我们就在加深对材料以及周围事物运行方式的理解。”

追踪解决这些问题的努力将显示“模型是否正在这一领域不断攀升”，他补充道。

这项挑战还反映了科学研究性质的转变，因为 AI 已被证明能够发现人类研究者未曾预料到的见解和技术。既然解答比以往任何时候都更容易找到，问题本身就更重要了。

“这是一种全新的科学思维方式：我们先确定验证方法和挑战，然后再让某人提出能够解释这些问题的想法，”Sridhar 说。“在这个领域，知道该问哪些正确的问题绝非易事，也非常困难，所以正是在这一点上，教授们真正帮助我们明确了我们应该提出哪些正确的问题。”

Discovered Materials 的主要重点是开发用于半导体领域的新材料；这家初创公司与芯片巨头合作开展研究项目，同时也资助自己的科学研发工作。当该公司于 8 月宣布其种子轮融资时，Sridhar 告诉 TechCrunch，他希望公司能在一年内产出一种有用的材料。

“这些时间表已经有所提前，”他如今表示。“我现在更有信心，我们能够在不到一年的时间里找到这些工业上有用的材料。”

当您通过我们文章中的链接进行购买时，我们可能会获得少量佣金。这不会影响我们的编辑独立性。

Tim Fernholz 是一位撰写科技、金融和公共政策相关报道的记者。他密切关注私营航天产业的崛起，并著有《Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race》一书。他曾在全球商业新闻网站 Quartz 担任高级记者十余年，职业生涯始于华盛顿特区的政治记者。 您可以通过发送电子邮件至 [email protected]，或通过 Signal 向 tim_fernholz.21 发送加密消息来联系 Tim，或核实是否为他发出的联系。

查看简介