Discovered Materials запустила челлендж на $1 млн для ИИ-моделей в материаловедении
Стартап Discovered Materials из Сан-Франциско объявил призовой фонд в $1 млн за решение пяти открытых задач материаловедения. Задачи сформулировали академики из ведущих университетов, которые ИИ-модели пока не могут решить.
Главное в цифрах
- Призовой фонд челленджа: $1 млн за пять задач
- Срок работы агентов frontier-моделей над каждой задачей: несколько дней
Discovered Materials, компания из Сан-Франциско, которой меньше года и которая использует ИИ-модели для поиска новых веществ для производства современных чипов, объявила челлендж для ИИ-моделей. Призы общей стоимостью $1 млн будут выплачиваться за решения пяти задач материаловедения.
Стартап прошёл программу Y Combinator в весеннем наборе 2026 года. Задачи подготовила группа академиков, в которую вошёл профессор Стэнфорда Феликс Хорнада. По его словам, в материаловедении есть явления, которые учёные наблюдают, но не могут объяснить. Их объяснение улучшило бы понимание физики и напрямую повлияло бы на создание электроники, накопление энергии и производство материалов будущего.
Почему ИИ пока не справился
Перед запуском челленджа компания дала агентам frontier-моделей доступ в интернет и другие ресурсы, чтобы они несколько дней работали над каждой задачей автономно. Заметного прогресса модели не показали.
Сооснователь Discovered Materials Адвайт Шридхар отметил, что в материаловедении сложнее формулировать задачи, чем в математике, где ответ можно получить как «да» или «нет». Поэтому, по его словам, решения задач станут мерилом того, движутся ли модели вперёд в этой области. Он также допустил, что OpenAI или Anthropic могут попытаться решить задачи с большим объёмом вычислений или с более новой моделью.
Контекст
Основной фокус Discovered Materials, разработка новых материалов для полупроводников. Компания сотрудничает с крупными производителями чипов и финансирует собственные научные исследования. Когда в августе объявили о посевном раунде, Шридхар надеялся получить полезный материал в течение года. Сейчас он считает, что промышленно полезные материалы можно найти быстрее, чем за год.
