Discovered Materials، استارتاپی چندماهه در سان‌فرانسیسکو که از مدل‌های هوش مصنوعی برای یافتن مواد جدید برای ساخت تراشه‌های پیشرفته استفاده می‌کند، از چالشی یک‌میلیون‌دلاری برای مدل‌های هوش مصنوعی خبر داد تا پنج مسئله مهم در علم مواد را حل کنند.

مدل‌های پیشرفته هوش مصنوعی مجموعه‌ای چشمگیر از مسائل حل‌نشده ریاضی را حل کرده‌اند و در علوم زیستی نیز پیشرفت‌هایی داشته‌اند؛ بااین‌حال، هنوز نتوانسته‌اند فیزیک پیچیده مواد پیشرفته را به‌درستی واکاوی کنند.

آدوایت سریدهار، هم‌بنیان‌گذار Discovered Materials که در دوره بهار ۲۰۲۶ Y Combinator حضور داشت، گفت: «تعریف دقیق مسائل در علم مواد دشوارتر است، چون این حوزه مثل ریاضیات نیست که در آن تعریفی کاملاً مشخص داشته باشید و بتوانید به پاسخ بله یا خیر برسید. با این پرسش وارد این بحث شدیم که چالش‌های بزرگ این حوزه چیستند و چطور می‌توانیم بفهمیم هوش مصنوعی در حال پیشرفت است؟»

علم مواد معادلی برای مسائل جایزه هزاره ندارد؛ بااین‌حال، Discovered Materials گروهی مشورتی از استادان دانشگاه‌های برجسته جهان گرد هم آورد تا پنج مسئله حل‌نشده را مشخص کنند. این شرکت در مجموع یک میلیون دلار جایزه برای راه‌حل این مسائل در نظر گرفته است.

فلیپه خورنادا، استاد دانشگاه استنفورد که در تدوین این چالش‌ها کمک کرده است، در بیانیه‌ای گفت: «در سراسر علم مواد، پدیده‌هایی را مشاهده می‌کنیم که نمی‌توانیم توضیحشان دهیم. توضیح این پدیده‌ها درک ما از فیزیک را بهبود می‌بخشد و پاسخ‌ها مستقیماً بر نحوه ساخت تجهیزات الکترونیکی، ذخیره‌سازی انرژی و تولید مواد آینده اثر می‌گذارند.»

Discovered Materials پیش از اعلام چالش‌ها، مدل‌های پیشرفته آزمایشگاه‌های هوش مصنوعی را به سراغ آن‌ها فرستاد و به عامل‌های هوش مصنوعی دسترسی به اینترنت و منابع دیگری داد تا چند روز به‌صورت مستقل کار کنند. مدل‌ها چند روز روی هر مسئله وقت گذاشتند، اما پیشرفت چندانی نداشتند. بااین‌حال، به‌راحتی می‌توان تصور کرد که OpenAI یا Anthropic با اختصاص توان محاسباتی به‌مراتب بیشتر یا استفاده از مدلی جدیدتر، برای حل یک‌باره این مسائل تلاش کنند.

سریدهار گفت: «برای ما اهمیت چندانی ندارد که خودمان این مسائل را حل کنیم، شخص دیگری آن‌ها را حل کند، یک استاد دانشگاه به پاسخ برسد یا آزمایشگاه‌های پیشرو این کار را انجام دهند. دلیل طرح این چالش‌ها این است که می‌خواهیم آن‌ها معیار سنجش پیشرفت باشند. اگر این چالش‌ها را حل کنید، درک ما از مواد و رفتار چیزهای پیرامونمان عمیق‌تر می‌شود.»

او افزود که پیگیری تلاش‌ها برای حل این مسائل نشان می‌دهد «مدل‌ها در این حوزه در حال پیشرفت هستند یا نه».

این چالش همچنین بازتابی از ماهیت در حال تغییر پژوهش علمی است؛ تغییری که با توانایی هوش مصنوعی در کشف بینش‌ها و روش‌هایی که پژوهشگران انسانی پیش‌بینی نکرده بودند، شکل گرفته است. حالا که به نظر می‌رسد یافتن راه‌حل‌ها از همیشه آسان‌تر شده، پرسش‌ها اهمیت بیشتری پیدا می‌کنند.

سریدهار گفت: «این شیوه تازه‌ای برای اندیشیدن به علم است؛ ابتدا روش‌های راستی‌آزمایی و چالش‌ها را تعریف می‌کنیم و بعد از دیگران می‌خواهیم ایده‌هایی برای توضیح مسئله ارائه دهند. دانستن اینکه پرسش‌های درست کدام‌اند، کار ساده‌ای نیست و در این حوزه دشواری زیادی دارد. استادان دانشگاه در شکل‌دادن به پرسش‌های درستی که باید مطرح کنیم، واقعاً کمکمان کرده‌اند.»

تمرکز اصلی Discovered Materials توسعه مواد جدید برای استفاده در نیمه‌رساناهاست. این استارتاپ در پروژه‌های پژوهشی با غول‌های صنعت تراشه همکاری می‌کند و در عین حال، هزینه تلاش‌های علمی خودش را نیز تأمین می‌کند. وقتی این شرکت در ماه اوت دور سرمایه‌گذاری اولیه خود را اعلام کرد، سریدهار به TechCrunch گفت امیدوار است شرکت ظرف یک سال ماده‌ای کاربردی تولید کند.

او امروز می‌گوید: «این زمان‌بندی‌ها کمی سریع‌تر شده‌اند. حالا اطمینان بیشتری دارم که می‌توانیم در کمتر از یک سال موادی با کاربرد صنعتی پیدا کنیم.»