Cette startup utilise l'IA pour rechercher des matériaux de puces qui dégagent moins de chaleur

Points clés

• Discovered Materials a clôturé un tour de financement d'amorçage de 9 millions de dollars dirigé par Lightspeed India Partners en 2025.
• La startup utilise des agents IA, des logiciels capables d'exécuter des tâches de manière autonome en continu, pour tester des milliers de matériaux candidats pour puces par jour.
• Ses fondateurs croient que le véritable goulot d'étranglement dans la science des matériaux assistée par l'IA n'est pas de trouver des candidats, mais de les vérifier et de les fabriquer physiquement.
• Aucun matériau découvert par l'IA n'a encore atteint la production commerciale à grande échelle, ni dans les puces ni dans aucune autre industrie.

Les puces chauffent. Cette chaleur est la raison pour laquelle les centres de données, les énormes bâtiments de la taille d'un entrepôt remplis d'ordinateurs qui alimentent tout, de la vidéo en continu aux chatbots d'IA, consomment des quantités énormes d'électricité et nécessitent des systèmes de refroidissement lourds. Discovered Materials, une startup issue de la célèbre école de démarrage Y Combinator, pense que l'IA peut aider à résoudre le problème.

L'entreprise a annoncé cette semaine qu'elle a clôturé un tour d'amorçage de 9 millions de dollars, soutenue par Lightspeed India Partners, Peak XV Partners, et les investisseurs providentiels Paul Graham, Gokul Rajaram et Thariq Shihipar.

Que fait réellement l'entreprise ?

Discovered Materials utilise des essaims d'agents IA fonctionnant sur des ordinateurs en nuage pour rechercher de nouveaux matériaux qui pourraient réduire la chaleur générée par les puces informatiques. Le cofondateur Akash Ramdas a obtenu un doctorat en science des matériaux de Stanford ; son associé Advaith Sridhar a précédemment travaillé sur les agents IA chez deux autres entreprises technologiques.

Ramdas pouvait tester environ 20 idées de matériaux par jour manuellement lors de sa recherche doctorale. Le système de la startup exécute désormais des milliers de tests par jour, en continu, en ayant des agents IA explorer les idées vers lesquelles il les oriente.

Le système fonctionne en deux étapes. D'abord, il utilise des modèles construits par Anthropic, la société d'IA créatrice du chatbot Claude, pour générer des listes de matériaux prometteurs. Ensuite, il soumet ces candidats à travers des modèles de simulation physique que l'équipe a elle-même entraînés, pour vérifier si les matériaux valent vraiment la peine d'être poursuivis.

Pourquoi est-il si difficile de trouver des matériaux de puces plus frais ?

Un matériau qui refroidit les puces peut être impossible à fabriquer, ou il peut fonctionner thermiquement mais échouer électriquement. Comme l'a déclaré Hemant Mohapatra, le partenaire de Lightspeed qui a dirigé ce tour de financement, à TechCrunch : « C'est un peu jouer à la taupe avec des structures atomiques. Un matériau n'est utile dans le monde réel que si tous ces éléments convergent à la fois. »

Discovered Materials a publié cette semaine des exemples de centaines de nouveaux matériaux candidats, ainsi qu'un outil public d'analyse comparative appelé « Material Discovery Bench » qui suit la performance des modèles IA les plus avancés, c'est-à-dire les systèmes d'IA les plus performants disponibles, sur ce problème de recherche.

Plusieurs autres entreprises, notamment MatNex, SandboxAQ et CuspAI, travaillent dans le même domaine. Discovered Materials parie que se concentrer étroitement sur le problème de la chaleur dans les semi-conducteurs, la classe de matériaux à partir de laquelle les puces sont construites, lui confère un avantage.

Qu'est-ce que cela signifie en pratique ?

Pour l'instant, les patients, les consommateurs et les acheteurs de puces ne doivent pas s'attendre à un changement immédiat. Aucun médicament ou matériau découvert avec l'IA n'a atteint l'échelle commerciale à ce jour. L'exemple le plus proche est un médicament contre le cancer appelé Renterosib, développé par Insilico Medicine, qui est devenu le premier médicament découvert à l'aide d'IA générative à atteindre un essai clinique de phase II, un test d'efficacité et de sécurité humaine en phase intermédiaire.

Mohapatra croit que le problème n'est pas une pénurie de matériaux candidats. « Les filtrer correctement et les synthétiser est le goulot d'étranglement », a-t-il déclaré. Sridhar est d'accord : « Une grande partie de cela impliquera d'aller réellement dans les laboratoires humides et de fabriquer des choses aussi. Et c'est le processus qui ne peut pas être accéléré. »

Si la startup trouve des matériaux méritant protection, le plan est de les breveter et d'en autoriser l'utilisation aux fabricants de puces. Sridhar espère avoir des découvertes brevetables dans l'année à venir.

Questions courantes

Cela affecte-t-il ma facture d'électricité ou le coût des services d'IA ?

Pas encore. La startup en est à un stade de recherche précoce, et tout nouveau matériau de puce prendrait des années pour atteindre la production de masse. Des puces moins chères et plus froides pourraient éventuellement réduire le coût d'exécution des services d'IA, mais ce résultat est encore bien dans le futur.

L'IA est-elle vraiment bonne pour découvrir de nouveaux matériaux ?

L'IA peut rapidement réduire un vaste espace de possibilités, mais la validation finale nécessite toujours un travail de laboratoire physique qui prend du temps et ne peut pas être automatisé. Des résultats prometteurs existent dans l'ensemble du secteur, mais aucun n'a atteint une utilisation commerciale à grande échelle à ce jour.