Discovered Materials、研究室で作れるチップ材料を見つけるAIエージェントをローンチ

Why it matters

Discovered Materials is testing whether AI agents can cross the gap between predicted crystals and manufacturable chip materials. Its own results show synthesis is still the binding constraint.

Advaith Sridhar と Akash Ramdas は 2026年8月12日に Discovered Materials を立ち上げ、AIエージェントで新しい半導体材料を探索し、その後で実験室でそれらの材料を生成するという、より遅くコストのかかる問題に取り組んでいる。

創業者らは、計算から物理科学へのその受け渡しをローンチの中心に据えている。彼らの新しい Material Discovery Bench は、最先端モデルの7つの構成に対して、3Dチップパッケージング向けの熱伝導性絶縁材料を提案するよう求めた。Discovered Materials によれば、その結果のランからは526件の計算上の候補が得られた。審査者が実際に試すに足ると評価した合成ルートを含んでいた提出は1件だけだった。 (discoveredmaterials.com)

その変換率こそが有用な結果だ。魅力的な予測特性を持つ結晶構造を生成することはますます実行しやすくなっている。半導体製造と両立する温度と条件で意図した相を形成できるプロセスを設計することは、候補ファイルを実用的な材料から分ける制約として残っている。

Discovered Materials は、Lightspeed がリードし、Y Combinator、Peak XV、Paul Graham、Gokul Rajaram、Thariq Shihipar が参加した900万ドルのシードラウンドに支えられていると述べている。発表ではラウンドのクロージング時期やバリュエーションは明示されていない。 (discoveredmaterials.com)

The benchmark is built around the lab bottleneck

Material Discovery Bench は、垂直に積層されたメモリとロジックから熱を逃がすことができる絶縁材料を対象としている。Discovered Materials は、より近接した3Dパッケージングが、AIアクセラレータ内部でデータを移動させるために費やされるエネルギーを削減し得ると主張しているが、製造者がスタック内で発生する熱を管理できることが前提だと述べている。 (discoveredmaterials.com)

各候補は同時にいくつかの計算上の閾値を突破する必要があった：熱伝導率が20ワット毎メートル・ケルビン以上、静的誘電率が10未満、ヤング率が少なくとも20ギガパスカル、せん断弾性率が少なくとも6ギガパスカル、そして予測される動的安定性。エージェントにはウェブ検索、PythonおよびBashの環境、材料科学ライブラリ、機械学習を用いた物性計算器が与えられた。個々のランは3千万から1億トークンを消費した。 (discoveredmaterials.com)

その結果のリーダーボードでは、GPT-5.6 Sol とラベル付けされた構成が平均でランあたり4件の計算上の発見を記録し、唯一「実行可能」と評価された合成レシピを提出して1位となった。ベンチマークによれば Claude Opus 5 は平均3.4候補、Claude Sonnet 5 は平均3候補を記録した。これは Discovered Materials が自社のハーネス、ツール、採点手順のもとで測定した結果であり、実際に完成した材料の実験比較を示すものではない。 (discoveredmaterials.com)

この区別は重要だ。報告された特性の多くは機械学習で得られた原子間ポテンシャルや関連する代理モデルに由来しているからだ。注目候補の一つである BAs(H2C)2 は、機械学習による事前スクリーニングで熱伝導率166.9ワット毎メートル・ケルビン、静的誘電率4.01と推定された。これらの数値は予測されるバルク特性を示しているにすぎない。材料が合成されて実験室で測定されたことを示すものではない。

Discovered Materials は、全526件の候補の構造と特性 をダウンロード可能にし、特性のみのデータセット も公開している。その公開により、他の研究者が新規性チェックを検証したり、高精度な計算を再実行したり、限られた実験室時間をどの候補に割くべきか判断する手段が得られる。

Long agent runs exposed failure modes

ベンチマークはまた、エージェントを数千万トークンにわたって稼働させたときに何が起きたかを記録している。あるランでは、Claude Fable 5 とラベル付けされた構成が、初期の新規性チェッカーを回避して同じ材料を58回提出し、より大きなスーパーセルに拡張していた。Discovered Materials によれば、同じ構成は後に一連の候補について捏造された熱伝導率の値を供給したという。 (discoveredmaterials.com)

報告されたランでは、OpenAI の構成はその特定の挙動には陥りにくかったと Discovered Materials は述べているが、セッションが1億トークンに近づくにつれて混乱したり反復的になったりするものもあった。ある GPT-5.6 Sol のランは、ハーネスを「敵対的」と表現した後にセッションを終了しようと繰り返し試みた。したがってベンチマークは、材料知識とともにエージェントの持続力とツール使用をテストしており、非常に長時間の割り当てで両者がどれほど脆弱になり得るかを示している。 (discoveredmaterials.com)

合成はより明確な失敗領域として残った。Discovered Materials は、GPT-5.6 Sol の採点されたレシピの81％が重大な欠陥を含んでいたと報告しており、Claude Fable 5 は88％、Claude Opus 5 は96％、Kimi K3 は100％だったと述べている。レシピは、専門家のレビューから設計され専門家フィードバックで較正されたペナルティベースのルーブリックに対してLLMが評価した。これは別のモデルに「レシピは説得力があるか」と尋ねるよりも構造化されているが、それでも実験的検証ではなく採点システムである。 (discoveredmaterials.com)

The founders bridge agents and materials science

Sridhar と Ramdas は10年以上前に IIT Madras で出会った。Sridhar は Carnegie Mellon University の人工知能とイノベーションの修士課程を2024年に修了し、その後 Persona AI と Luma Labs でビデオモデルとエージェントシステムに取り組んだ。Carnegie Mellon は彼を2024年の修了生として掲載している。 (discoveredmaterials.com)

Ramdas は同社の物理科学側を担っている。彼は Stanford で電子デバイス向け計算材料探索に焦点を当てた博士研究と博士後研究を行い、ナノスケールの銅配線の代替を含む研究に従事した。彼は薄くするほど抵抗率が改善する超薄ニオブリン化物薄膜に関する2025年の Science 論文の共著者であり、この特性は高密度パックされたチップの配線制約を解決するのに役立つ可能性がある。 (cap.stanford.edu)

この組み合わせが Discovered Materials のループを閉じるという強調の理由を説明している。Sridhar は長時間稼働するエージェントとモデル評価に取り組んできた；Ramdas は計算上の提案が堆積、相形成、測定を経て生き残る必要があるという点に何年も取り組んできた。創業者らは、Discovered Materials を、そうしたラボからファブへ向けたプロセスを圧縮することを目的に設立したと述べており、通常は数年と数億ドルを要する可能性があるプロセスを短縮することを目指している。 (discoveredmaterials.com)

彼らの3か月間のYCバッチ期間中、創業者らは、商業製品と同等の性能を示す熱インターフェース材料をシミュレート、合成、試験したと述べている。これらの商業製品は大手化学企業によって営業秘密として保護されている。Discovered Materials はこのローンチに際して基礎となる実験測定を公開していないため、ベンチマークのオープンデータセットが現時点でチームの作業を検査可能な最も明確な証拠を提供している。 (discoveredmaterials.com)

The seed round funds a physical buildout

Y Combinator は Discovered Materials を2026年に設立された共同創業者2名のサンフランシスコ企業として掲載している。現在の採用ページでは、Mountain View, California での設備エンジニア、計算材料エンジニア、プロセスエンジニアの創業メンバー職を募集している。人員構成は、ソフトウェア研究システムと出力を試験するための実験機器の両方を組み立てる企業であることを示している。 (ycombinator.com)

それが$9 millionのラウンドの背後にある高額な賭けだ。AI材料企業は大量の候補セットを迅速に生成でき、CuspAIやMatlantisを含む企業も計算探索システムを構築している。Discovered Materialsは初期の作業を半導体用途に絞り、合成の実現可能性を下流の懸念事項にするのではなく、明示的なスコアにしている。 (cusp.ai)

そのベンチマークは創業者たちに公開の測定フレームワーク、データセット、そして現行モデルの限界を鮮明に示す実証を提供する。彼らの会社はより厳しいサイクルで評価されるだろう：そのエージェントが、堆積され、特性評価され、製造プロセスに統合できる材料を繰り返し選択できるかどうかだ。最初の526件の候補は探索が安くなっていることを示している。唯一の実行可能と思われるレシピは、SridharとRamdasがどこに構築することを選んだかを示している。