Discovered Materials是一家成立数月的旧金山初创公司,利用AI模型寻找用于制造先进芯片的新材料。该公司近日宣布设立一项价值100万美元的挑战赛,旨在通过AI模型解决材料科学中的五个关键难题。

尽管前沿AI模型在解决数学难题和生命科学领域取得了显著进展,但在深入理解先进材料复杂物理特性方面仍存在不足。

Discovered Materials的联合创始人Advaith Sridhar表示:“材料科学中的问题不像数学那样有明确的定义和简单的对错判断,因此更难以清晰界定。我们在讨论中思考,材料科学领域的重大挑战是什么?我们如何判断AI是否取得了进展?”

虽然材料科学尚无类似千禧年大奖难题的统一标准,Discovered Materials还是邀请了全球顶尖大学的学者组成顾问团,明确提出了五个开放性难题。公司为解决这些难题设立了总额达100万美元的奖金池。

这五大难题包括:

  • 解释铜氧化物超导性的理论,即某些材料在极低温下电阻为零的现象。
  • 预测硅与二氧化硅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。
  • 将晶粒结构映射到热性能的数值方法,从而设计更优的散热材料。
  • 预测光照如何改变材料行为的理论,尤其是与超导性相关的变化。
  • 改进密度泛函理论的数值方法,这是材料科学中用于模拟原子和分子结构的关键技术。

斯坦福大学教授Felipe Jornada参与制定这些挑战,他表示:“材料科学中存在许多我们观察到但无法解释的现象。解释这些现象将加深我们对物理学的理解,并直接影响电子设备制造、能源存储和未来材料的生产方式。”

在公布挑战之前,Discovered Materials让前沿实验室的AI模型尝试解决这些问题,赋予它们互联网访问权限和其他资源,独立工作数日。尽管模型在每个问题上都花费了几天时间,但进展有限。不过,可以想象OpenAI或Anthropic等机构利用更强算力或更新模型可能会有突破。

Sridhar表示:“我们并不特别关心是我们自己、其他人、教授还是前沿实验室解决了这些问题。我们设立这些挑战的目的是为了树立目标标杆。只要有人解决了这些难题,我们对材料及其行为的理解就会加深。”

他补充说,跟踪解决这些问题的努力将显示“模型在该领域是否取得了进步”。

这项挑战也反映了科学探索方式的变化——随着AI能够发现人类研究者未曾预见的见解和技术,解决方案似乎比以往更容易获得,提出的问题则变得更加重要。

Sridhar指出:“这是一种全新的科学思维方式,我们先确定验证标准和挑战,再让别人提出解释问题的想法。知道该问哪些正确的问题在这个领域并不简单,教授们帮助我们确定了应当关注的关键问题。”

Discovered Materials的主要目标是开发用于半导体的新材料。该初创公司与芯片巨头合作开展研究项目,同时资助自身的科学探索。Sridhar在今年8月宣布种子轮融资时曾表示,希望一年内能找到有用的新材料。

他说:“现在这一时间表有所加快,我更有信心能在不到一年的时间内找到工业上有用的材料。”