Discovered Materials, una startup de San Francisco de pocos meses de antigüedad que usa modelos de IA para encontrar nuevas sustancias para fabricar chips avanzados, anunció un desafío de un millón de dólares para que los modelos de IA resuelvan cinco problemas críticos de la ciencia de materiales.
Si bien los modelos de IA de frontera han resuelto una notable serie de problemas pendientes de matemáticas y han avanzado en las ciencias de la vida, aún no han explorado realmente la física compleja de los materiales avanzados.
“Es más difícil especificar los problemas con claridad en la ciencia de materiales porque no es como las matemáticas, donde tienes una definición muy específica y puedes llegar a un sí o un no”, dijo Advaith Sridhar, cofundador de Discovered Materials, que formó parte de la clase de primavera de 2026 de Y Combinator. “Llegamos a esta discusión [preguntándonos], ¿cuáles son los grandes desafíos de este campo? ¿Cómo sabemos que la IA está avanzando?”
Aunque la ciencia de materiales no tiene un equivalente a los Problemas del Premio del Milenio, Discovered Materials reclutó a un grupo asesor de académicos de universidades líderes a nivel mundial para definir cinco problemas abiertos. La empresa ofrece un conjunto de premios, por un valor total de $1 million, para las soluciones a los problemas.
- Una teoría que explique la superconductividad de los cupratos, es decir, la capacidad de ciertos materiales de tener resistencia eléctrica cero a temperaturas ultra bajas.
- Un método numérico para predecir las estructuras de las interfaces entre el silicio y el dióxido de silicio, una combinación de materiales que se encuentra en casi todos los semiconductores.
- Un método numérico que relacione la estructura de granos con las propiedades térmicas, permitiendo el diseño de mejores materiales de disipación de calor.
- Una teoría que prediga por qué iluminar los materiales con luz puede cambiar su comportamiento, particularmente en torno a la superconductividad.
- Un método numérico para mejorar la teoría del funcional de la densidad, una técnica clave utilizada en la ciencia de materiales para modelar las estructuras de átomos y moléculas.
“En toda la ciencia de materiales hay fenómenos que observamos pero no podemos explicar”, dijo Felipe Jornada, profesor de Stanford que ayudó a desarrollar los desafíos, en un comunicado. “Explicar estos fenómenos mejoraría nuestra comprensión de la física, y las respuestas moldearían directamente cómo construimos la electrónica, almacenamos energía y fabricamos los materiales del futuro”.
Antes de anunciar los desafíos, Discovered Materials puso a los modelos de los laboratorios de frontera a trabajar en ellos, otorgando a los agentes de IA acceso a internet y otros recursos para trabajar de manera autónoma durante días. Los modelos pasaron varios días en cada problema sin lograr grandes avances. Aun así, es fácil imaginar que OpenAI o Anthropic intenten resolverlos de un solo intento con significativamente más cómputo o un modelo más nuevo.
“No nos preocupa particularmente si lo encontramos nosotros, o alguien más, o un profesor, o los laboratorios de frontera”, dijo Sridhar. “La razón por la que publicamos estos desafíos es porque queremos que sirvan como los hitos de referencia. Si vas y resuelves estos desafíos, estamos profundizando nuestra comprensión de los materiales y de cómo se comportan las cosas a nuestro alrededor”.
Seguir los esfuerzos para resolver los problemas mostrará “si los modelos están avanzando en este dominio”, añadió.
El desafío también refleja la naturaleza cambiante de la investigación científica a medida que la IA demuestra ser capaz de descubrir ideas y técnicas que los investigadores humanos no anticiparon. Con soluciones aparentemente más fáciles de encontrar que nunca, las preguntas se vuelven más importantes.
“Esta es una nueva forma de pensar en la ciencia, donde primero ideamos la verificación y los desafíos, y luego dejamos que alguien proponga las ideas que expliquen el problema”, dijo Sridhar. “Saber cuáles son las preguntas correctas no es trivial y es muy difícil en este dominio, así que aquí es donde los profesores realmente nos han ayudado a definir cuáles son las preguntas correctas que deberíamos hacernos”.
El enfoque principal de Discovered Materials es desarrollar nuevos materiales para su uso en semiconductores; la startup colabora con gigantes de los chips en proyectos de investigación mientras también financia sus propios esfuerzos científicos. Cuando la empresa anunció su ronda semilla en agosto, Sridhar le dijo a TechCrunch que esperaba que la empresa generara un material útil en un plazo de un año.
“Esos plazos se han acelerado un poco”, dice hoy. “Estoy más seguro ahora de que podremos encontrar estos materiales industrialmente útiles en un plazo menor a un año”.