Dieses Startup nutzt KI, um Chip-Materialien zu finden, die kühler laufen

Wichtige Punkte

• Discovered Materials schloss 2025 eine Finanzierungsrunde in Seed-Phase über 9 Millionen Dollar ab, angeführt von Lightspeed India Partners.
• Das Startup nutzt KI-Agenten, Software, die eigenständig rund um die Uhr Aufgaben ausführen kann, um Tausende potenzielle Chip-Materialien pro Tag zu testen.
• Die Gründer sind der Ansicht, dass der eigentliche Engpass in der KI-gestützten Materialwissenschaft nicht das Finden von Kandidaten ist, sondern deren Verifizierung und physische Herstellung.
• Kein durch KI entdecktes Material hat bislang große kommerzielle Produktion erreicht, weder bei Chips noch in einer anderen Industrie.

Chips werden heiß. Diese Wärmeerzeugung ist der Grund, warum Rechenzentren – riesige, lagerhallenartige Gebäude voller Computer, die alles von Videostreaming bis zu KI-Chatbots antreiben – enorme Mengen an Strom verbrauchen und leistungsstarke Kühlsysteme benötigen. Discovered Materials, ein Startup, das aus der bekannten Gründerschule Y Combinator hervorgegangen ist, glaubt, dass KI dieses Problem lösen kann.

Das Unternehmen kündigte diese Woche an, dass es eine Finanzierungsrunde in Seed-Phase über 9 Millionen Dollar abgeschlossen hat, mit Unterstützung von Lightspeed India Partners, Peak XV Partners und den Angel-Investoren Paul Graham, Gokul Rajaram und Thariq Shihipar.

Was macht das Unternehmen eigentlich?

Discovered Materials nutzt Schwärme von KI-Agenten, die auf Cloud-Computern laufen, um nach neuen Materialien zu suchen, die Computerchips weniger Wärmeerzeugung verursachen lassen könnten. Co-Gründer Akash Ramdas hat einen Doktortitel in Materialwissenschaften von der Stanford University; sein Partner Advaith Sridhar arbeitete zuvor an KI-Agenten bei zwei anderen Technologieunternehmen.

Ramdas konnte während seiner PhD-Forschung täglich etwa 20 Materialideen von Hand testen. Das System des Startups führt nun täglich Tausende Tests durch, kontinuierlich, indem KI-Agenten Ideen erkunden, die er ihnen vorgibt.

Das System funktioniert in zwei Etappen. Zunächst nutzt es Modelle des KI-Unternehmens Anthropic, dem Hersteller des Claude-Chatbots, um Listen vielversprechender Materialien zu generieren. Dann führt es diese Kandidaten durch Physik-Simulationsmodelle, die das Team selbst trainiert hat, um zu überprüfen, ob die Materialien tatsächlich vielversprechend sind.

Warum ist es so schwer, kühlere Chip-Materialien zu finden?

Ein Material, das Chips kühl hält, könnte unmöglich herzustellen sein, oder es könnte thermisch funktionieren, aber elektrisch ausfallen. Wie Hemant Mohapatra, der Lightspeed-Partner, der diese Finanzierungsrunde leitete, gegenüber TechCrunch sagte: „Es ist etwas wie Whack-a-Mole mit atomaren Strukturen. Ein Material ist nur dann in der realen Welt nützlich, wenn alle Eigenschaften gleichzeitig zusammenkommen."

Discovered Materials veröffentlichte diese Woche Beispiele von Hunderten neuer Kandidatenmaterialien zusammen mit einem öffentlichen Benchmark-Tool namens „Material Discovery Bench", das verfolgt, wie gut Frontier-KI-Modelle, also die leistungsfähigsten verfügbaren KI-Systeme, bei diesem Suchproblem abschneiden.

Mehrere andere Unternehmen, darunter MatNex, SandboxAQ und CuspAI, arbeiten im gleichen Bereich. Discovered Materials setzt darauf, dass die enge Konzentration auf das Wärmeproblem in Halbleitern, der Materialkategorie, aus der Chips hergestellt werden, ihm einen Vorteil verschafft.

Was bedeutet das in der Praxis?

Vorerst sollten Patienten, Verbraucher und Chip-Käufer keine unmittelbare Veränderung erwarten. Kein Medikament oder Material, das mit KI gefunden wurde, hat bislang kommerzielle Skalierung erreicht. Das nächste Beispiel ist ein Krebsmedikament namens Renterosib, entwickelt von Insilico Medicine, das das erste mit generativer KI entdeckte Medikament wurde, das die Phase-II-Kliniktrial erreichte, einen mittleren Sicherheits- und Wirksamkeitstest beim Menschen.

Mohapatra glaubt, dass das Problem nicht ein Mangel an Kandidatenmaterialien ist. „Sie korrekt zu filtern und zu synthetisieren, ist der Engpass", sagte er. Sridhar ist sich einig: „Viel davon wird tatsächlich bedeuten, in Nasslaboren zu gehen und Dinge herzustellen. Und dieser Prozess kann nicht beschleunigt werden."

Falls das Startup Materialien findet, die schutzwürdig sind, plant es, diese zu patentieren und ihre Nutzung an Chiphersteller zu lizenzieren. Sridhar hofft, innerhalb des nächsten Jahres patentierbare Entdeckungen zu machen.

Häufig gestellte Fragen

Wirkt sich dies auf meine Stromrechnung oder die Kosten für KI-Dienste aus?

Noch nicht. Das Startup befindet sich in einem frühen Forschungsstadium, und jedes neue Chip-Material würde Jahre brauchen, um Massenproduktion zu erreichen. Billigere, kühlere Chips könnten schließlich die Kosten für die Ausführung von KI-Diensten senken, aber dieses Ergebnis liegt noch in ferner Zukunft.

Ist KI wirklich gut darin, neue Materialien zu entdecken?

KI kann einen riesigen Raum von Möglichkeiten schnell eingrenzen, aber die endgültige Validierung erfordert immer noch physische Laborarbeit, die Zeit benötigt und nicht automatisiert werden kann. Vielversprechende Ergebnisse gibt es in der gesamten Branche, aber keine haben bislang großflächige kommerzielle Nutzung erreicht.