AIが生んだ熱問題を、AIで解決する#
AIワークロードを処理するチップが発熱しすぎる——これがデータセンターの消費電力を押し上げ、大規模な冷却システムを必要とする一因となっている。そのAIが引き起こした問題を、AIそのものを使って解決しようとするスタートアップが登場した。それがDiscovered Materialsだ。
Discovered Materialsとは何者か？#
Discovered Materialsは、AIエージェントの群れ（スウォーム）を活用して、より効率的な集積回路（IC）の製造に使える新しい素材を探索することを目指すスタートアップだ。
Y Combinatorを経て、Lightspeed India Partnersをリード投資家とする900万ドルのシードラウンドをクローズしたと発表した。Peak XV Partnersのほか、エンジェル投資家としてPaul Graham、Gokul Rajaram、Thariq Shihiparも参加している。
共同創業者はAdvaith SridharとAkash Ramdasの2人。RamdasはスタンフォードでのPhD（博士号）取得を通じた材料科学の専門知識を持ち、SridharはPersona AIやLuma LabsでのAIエージェント開発経験を持つ。2人の専門性を掛け合わせて同社を立ち上げた。
どのように素材を探索するのか？#
同社が構築したのは、Anthropicのモデルをカスタムハーネス上で動作させて素材候補を生成し、その後に自社でトレーニングした物理基盤モデルでシミュレーションを実行して候補素材の有望性を検証するという、一連のソフトウェアパイプラインだ。
Sridharによれば、RamdasがPhD研究中に1日あたり約20回の「推測（候補探索）」を行っていたのに対し、現在はエージェントをクラウド上で24時間365日稼働させることで、1日数千回の探索が可能になっているという。
同社はこの発表に合わせて、数百種類の新素材のサンプルと、フロンティアモデルがこの課題にどう取り組むかを追跡する「Material Discovery Bench」を公開した。
競合との差別化ポイント#
MatNex、SandboxAQ、CuspAIといった企業も同様の取り組みを進めているが、Discovered Materialsが差別化として掲げるのは、半導体素材の熱問題に特化したレーザーフォーカスだ。すでに大手チップメーカーが使用する既存素材と同等の特性を持つ素材をいくつか発見したとしているが、詳細は非公開としている。
リード投資家のHemant Mohapatra（Lightspeedパートナー）はこの課題を「原子構造のモグラたたき」と表現する。ある素材が熱の発生を抑えたり放熱を改善したりできたとしても、それで実際にチップを製造することが困難だったり、電気的特性が損なわれたりする可能性があるためだ。「素材が現実世界で役に立つのは、すべての特性が同時に収束した場合だけだ」とMohapatraは語っている。
ビジネスモデルと今後の展望#
Sridharは、有望な素材候補が見つかった際には、GPUへの素材使用や素材を使ったチップ製造プロセスに関する特許を取得し、チップメーカーにライセンス提供するビジネスモデルを描いている。今後1年以内に特許申請に値する新素材を確保したいと語っている。
Mohapatraは、新候補の予測自体はモデルの進化とともに将来的にコモディティ化すると見込んでいる。Discovered Materialsの強みは、Ramdasの深い専門知識と、候補素材を迅速に実験・検証できるラボ運営能力にあると強調している。
AI素材科学の現在地と課題#
AIによって発見された薬剤や素材が実際に商業的インパクトをもたらした事例はまだ乏しい。ソース記事が挙げる最も近い例は、Insilico MedicineのRenterosib（生成AIで発見された初の薬剤として第III相臨床試験に到達）だ。素材分野でも、MatNexのレアアース不使用永久磁石や、PanasonicとCitrine Informaticsによる新半導体素材といった有望な候補が発見されているものの、いずれも大規模な商業展開にはまだ至っていない。
Mohapatraは「候補素材を見つけること自体がボトルネックではなく、正しくフィルタリングして合成することが真の障壁だ」と指摘する。Sridharsも「多くのプロセスは実際にウェットラボに入り、物を作ることを伴う。このプロセスは加速できない」と認めている。
まとめ#
Discovered Materialsは、半導体の熱問題という非常に具体的な課題にフォーカスし、AIエージェントによる高速探索と材料科学の専門知識、そしてラボでの実験・検証能力を組み合わせたアプローチで勝負をかけている。ただし、AIで発見した素材が実際にチップに採用されるまでの道のりは長く、「ウェットラボでの実験は加速できない」という創業者自身の言葉が、この分野の現実的な難しさを端的に示している。
筆者の見解: AI素材探索の速度は飛躍的に向上しているが、最終的なボトルネックが物理的な実験・合成プロセスにあるという構造は、ソフトウェアだけでは解決しきれない課題の本質を突いている。Discovered Materialsがラボ運営能力を強みとして押し出している点は、この現実を踏まえた現実的な戦略と言えるだろう。
出典: Discovered Materials is playing AI whack-a-mole to hunt cooler chips
