Discovered Materials, startup di San Francisco fondata pochi mesi fa e inclusa nel batch spring 2026 di Y Combinator, ha annunciato una sfida riservata ai modelli di AI: il pool di premi complessivo è di 1 milione di dollari e riguarda cinque problemi critici della scienza dei materiali. L’azienda utilizza modelli di AI per individuare nuove sostanze da impiegare nella produzione di chip avanzati.
La somma è destinata a ricompensare soluzioni ai cinque problemi aperti individuati dall’azienda. La definizione dei quesiti è stata affidata a un gruppo consultivo di accademici di università globali. Secondo Advaith Sridhar, cofondatore, la scelta nasce da una domanda precisa: capire quali sono le grandi sfide del settore e come misurare i progressi dell’AI.
“Nella scienza dei materiali è più difficile specificare chiaramente i problemi rispetto alla matematica, perché non esiste una definizione altrettanto precisa che consenta di arrivare a un risultato binario.” Nella matematica, spiega Sridhar, un obiettivo può essere circoscritto in modo da ammettere una risposta sì o no; nei materiali, manca un riferimento equivalente. Per questo la startup non ha adottato un meccanismo paragonabile ai Millennium Prize Problems, ma ha chiesto a un gruppo di esperti di delineare cinque frontiere aperte.
Il primo quesito chiede una teoria capace di spiegare la superconduttività dei cuprati, cioè la possibilità che taluni materiali presentino resistenza elettrica nulla a temperature ultra basse. Il secondo richiede un metodo numerico per prevedere le strutture delle interfacce tra silicio e biossido di silicio, combinazione presente in quasi tutti i semiconduttori.
Il terzo problema punta a un metodo numerico che associ la struttura dei grani alle proprietà termiche, con l’obiettivo di favorire la progettazione di materiali capaci di dissipare meglio il calore. Il quarto chiede invece una teoria che preveda perché l’illuminazione con luce possa modificare il comportamento dei materiali, in particolare in relazione alla superconduttività.
Il quinto quesito riguarda un metodo numerico per migliorare la teoria del funzionale di densità, tecnica usata nella scienza dei materiali per modellare le strutture di atomi e molecole. I cinque ambiti coprono quindi teoria, previsione numerica e applicazione industriale, senza che la startup abbia indicato criteri di valutazione o una scadenza per la consegna delle soluzioni.
“Jornada sostiene che spiegare i fenomeni osservati ma non compresi migliorerebbe la comprensione della fisica e influenzerebbe il modo in cui si costruiscono componenti elettronici, si immagazzina energia e si producono materiali.” Felipe Jornada, professore della Stanford che ha contribuito a formulare le sfide, ha collegato la ricerca alla progettazione di elettronica, all’accumulo di energia e alla produzione di materiali. Per lui, rendere conto di fenomeni ancora privi di spiegazione avrebbe un effetto diretto sulla comprensione della fisica.
Prima di presentare pubblicamente i quesiti, Discovered Materials li aveva già sottoposti ai propri modelli di laboratorio di frontiera. “Prima dell’annuncio, Discovered Materials ha lasciato lavorare autonomamente per giorni modelli di laboratorio di frontiera sui problemi, con accesso a internet e altre risorse, senza ottenere progressi significativi.” Ogni modello ha dedicato diversi giorni a ciascun problema, con risultati limitati. La startup non ha escluso che altre organizzazioni, laboratori o gruppi accademici possano trovare soluzioni impiegando più risorse computazionali o modelli più recenti.
“Secondo Sridhar, la startup non si preoccupa che la soluzione arrivi da lei, da un professore o da un laboratorio di frontiera: l’obiettivo è usare le sfide come traguardi per misurare i progressi dell’AI nel settore.” Le soluzioni, se arriveranno, dovranno approfondire la conoscenza dei materiali e del comportamento degli oggetti che ci circondano. Il monitoraggio dei tentativi servirà a verificare se i modelli stiano davvero avanzando in questo dominio.
Il metodo adottato prevede di fissare prima la verifica e le sfide, lasciando poi a qualcun altro la formulazione delle idee risolutive. Sridhar ha sottolineato che individuare le domande corrette è un compito complesso, ed è proprio il contributo dei professori a definire i quesiti da porre. L’annuncio si inserisce in un contesto in cui l’AI sta mostrando la capacità di scoprire intuizioni e tecniche non previste dai ricercatori.
Il principale obiettivo operativo di Discovered Materials resta lo sviluppo di nuovi materiali per i semiconductori. La startup collabora con grandi aziende di chip su progetti di ricerca e finanzia contemporaneamente le proprie attività scientifiche. Nell’agosto, al momento del round iniziale, Sridhar sperava di ottenere un materiale utile entro un anno.
“Sridhar afferma di essere più fiducioso nel trovare materiali industrialmente utili entro un periodo più breve di un anno.” I tempi previsti si sono quindi ridotti rispetto alla prospettiva iniziale, e il cofondatore si mostra più convinto che materiali sfruttabili industrialmente possano arrivare entro un arco di tempo inferiore all’anno.
