استارتاپ YC با یک میلیون دلار ۵ مسئله حل‌نشده علم مواد را به چالش کشید

شرکت Discovered Materials، یک استارتاپ چندماهه در سان‌فرانسیسکو که از مدل‌های هوش مصنوعی برای یافتن مواد جدید در ساخت تراشه‌های پیشرفته استفاده می‌کند، چالشی یک میلیون دلاری برای مدل‌های هوش مصنوعی اعلام کرد تا پنج مسئله کلیدی در علم مواد را حل کنند. به گزارش TechCrunch، این شرکت که عضو دوره بهار ۲۰۲۶ شتاب‌دهنده Y Combinator بوده، می‌خواهد این چالش‌ها به تیرک دروازه پیشرفت هوش مصنوعی در این حوزه تبدیل شوند.

جزئیات چالش

به گفته آدویت سریدهار، هم‌بنیان‌گذار Discovered Materials، مشخص کردن مسائل در علم مواد به اندازه ریاضیات ساده نیست، چون در ریاضیات تعریف دقیق و پاسخ بله یا خیر وجود دارد. این شرکت با کمک گروهی مشاوره‌ای از استادان دانشگاه‌های برتر جهان، پنج مسئله باز را تدوین کرد و مجموع جوایز آن را یک میلیون دلار تعیین کرد. فلیپه ژورنادا، استاد دانشگاه استنفورد که در طراحی چالش‌ها کمک کرده، در بیانیه‌ای گفت که در سراسر علم مواد پدیده‌هایی وجود دارند که مشاهده می‌شوند اما توضیح داده نمی‌شوند، و توضیح آن‌ها مستقیماً بر نحوه ساخت الکترونیک، ذخیره انرژی و تولید مواد آینده اثر می‌گذارد.

پیش از اعلام چالش، Discovered Materials مدل‌های آزمایشگاهی پیشرفته را روی این مسائل آزمود و به آن‌ها دسترسی به اینترنت و منابع دیگر داد تا به صورت خودکار و برای چند روز کار کنند. مدل‌ها چند روز روی هر مسئله کار کردند اما پیشرفت چندانی نداشتند. با این حال، احتمال دارد آزمایشگاه‌هایی مانند OpenAI یا Anthropic با محاسبات بیشتر یا مدل جدیدتر آن‌ها را حل کنند.

این شرکت چه می‌کند

تمرکز اصلی Discovered Materials توسعه مواد جدید برای استفاده در نیمه‌هادی‌هاست. این استارتاپ با غول‌های تراشه در پروژه‌های پژوهشی همکاری می‌کند و در عین حال تلاش‌های علمی خود را نیز تأمین مالی می‌کند. وقتی شرکت در ماه اوت دور سرمایه‌گذاری بذر خود را اعلام کرد، سریدهار به TechCrunch گفت که امیدوار است ظرف یک سال ماده‌ای مفید تولید کند. او اکنون می‌گوید این زمان‌بندی‌ها کمی تسریع شده و اطمینان بیشتری دارد که مواد صنعتی مفید را در کمتر از یک سال پیدا کند.

چه معنایی دارد

این چالش نشان می‌دهد که علم مواد به یکی از مرزهای جدید هوش مصنوعی تبدیل شده است. در حالی که مدل‌های پیشرفته در ریاضیات و علوم زیستی پیشرفت کرده‌اند، فیزیک پیچیده مواد پیشرفته هنوز به خوبی کاوش نشده است. به گفته سریدهار، هدف از انتشار این چالش‌ها این است که به عنوان تیرک دروازه عمل کنند و نشان دهند آیا مدل‌ها در این حوزه در حال پیشرفت هستند یا نه. او می‌گوید حل این چالش‌ها درک ما از مواد و رفتار چیزهای اطرافمان را عمیق‌تر می‌کند، و مهم نیست چه کسی آن‌ها را حل کند.

این رویکرد همچنین بازتابی از تغییر طبیعت پژوهش علمی با حضور هوش مصنوعی است. وقتی یافتن پاسخ‌ها آسان‌تر می‌شود، پرسیدن سؤال درست مهم‌تر می‌شود. به گفته سریدهار، این شیوه جدیدی از تفکر درباره علم است که در آن ابتدا راستی‌آزمایی و چالش‌ها تعریف می‌شوند و سپس کسی ایده‌هایی برای توضیح مسئله ارائه می‌دهد. دانستن اینکه چه سؤالاتی باید پرسیده شوند کار ساده‌ای نیست و استادان در شکل‌دهی به سؤالات درست نقش مهمی داشته‌اند.

نکته‌های کلیدی برای بنیان‌گذاران

• تعریف مسئله و معیار ارزیابی پیش از حل آن، می‌تواند به پیشرفت حوزه کمک کند.
• همکاری با استادان دانشگاه می‌تواند کیفیت چالش‌ها و سؤالات را افزایش دهد.
• آزمودن مدل‌های پیشرفته پیش از اعلام چالش، تصویری واقعی از دشواری مسئله می‌دهد.