LONDON (IT BOLTWISE) – Ein Startup setzt auf KI-Agenten, um neue Materialkandidaten für effizientere Halbleiter zu finden. Die Teams kombinieren generative Modell-Workflows mit simulierten Prüfungen aus der Physik und wollen Kandidaten am Ende in die Patentanmeldung für GPUs überführen. Entscheidend ist dabei weniger das Generieren neuer Optionen als das richtige Filtern und das realweltnahe Synthesisieren. Der Ansatz zielt auf das Thermik-Problem ab, das Rechenzentren teuer kühlt und damit Energie wie Hardware-Designs prägt.
Rechenzentren treiben heute nicht nur die KI-Modelle selbst, sondern auch deren Infrastruktur an die Grenzen: Wer Prozessoren dauerhaft für KI-Workloads laufen lässt, stößt schnell an thermische Limits. Zu hohe Temperaturen erhöhen nicht nur Ausfallrisiko und Leistungsabfall, sie machen auch aufwendigere Kühlung nötig. Genau an diesem Punkt setzt ein neues Startup an: Discovered Materials will mit KI-gestützter Materialforschung „kühlere“ oder effizienter dissipierende Kandidaten für integrierte Schaltkreise (ICs) identifizieren, bevor daraus echte Fertigungsentscheidungen werden.
Das Unternehmen nutzt dafür einen zweistufigen Pipeline-Ansatz. Zuerst erzeugen mehrere KI-Agenten Material-„Leads“, also potenziell relevante Kandidaten, die in einer maßgeschneiderten Umgebung auf Basis von Anthropic-Modellen entstehen. Anschließend geht es in die Validierung: Die Teams greifen auf grundlegende physikalische Modelle zurück, die sie selbst trainiert haben, um Simulationen zu fahren und Kandidaten daraufhin zu bewerten, ob sie im Zielkontext überhaupt „interessant“ sind. Damit adressiert das Setup ein typisches Problem der Materialsuche: Die Zahl möglicher atomarer Konfigurationen ist so groß, dass reine Ideenfindung ohne harte Filter schnell in einem Milliardenraum ausläuft.
Ausgangspunkt der Entwicklung ist nach Angaben der Gründer eine enge Verknüpfung von KI und Materials-Expertise. Advaith Sridhar und Akash Ramdas kommen aus dem Agenten-Umfeld und aus der Materialwissenschaft: Ramdas bringt den Hintergrund einer Promotion in Materials Science von Stanford mit, Sridhar arbeitete zuvor an Agenten-Projekten bei Persona AI und Luma Labs. Laut Sridhar wurden während der Promotion nur etwa 20 Versuche pro Tag als „Guesses“ gemacht; heute sollen durch das 24/7-Laufenlassen der Agenten in der Cloud tausende Durchläufe pro Tag möglich sein. Als Ergebnis veröffentlicht das Startup Beispiele für hunderte neue Materialien und stellt zugleich eine „Material Discovery Bench“ vor, mit der sich verfolgen lässt, wie moderne Frontier-Modelle diese Aufgabe angehen.
Marktseitig ist Discovered Materials nicht allein: MatNex, SandboxAQ und CuspAI verfolgen ebenfalls KI-gestützte Ansätze zur Material- und Wirkstoffsuche. Discovered Materials setzt jedoch auf eine stärkere thematische Fokussierung auf thermische Aspekte, also auf Materialien, die zu einem besseren Temperaturmanagement in Halbleitern beitragen könnten. Der Knackpunkt liegt in der sogenannten Engineering-Trade-Space: Selbst wenn ein Material in Simulationen die Wärmeentwicklung senkt oder die Abgabe verbessert, kann es in der Fertigung zu schwierig sein. Alternativ könnten elektrische Eigenschaften nicht mit den Anforderungen an moderne Chip-Designs zusammenpassen. Hemant Mohapatra, Partner bei Lightspeed und verantwortlich für die Runde, beschreibt das Suchproblem mit den Worten: „It’s a bit of playing whack-a-mole with atomic structures.“ Er ergänzt: „A material is only useful in the real world if all of them converge at once, which is what makes this a really interesting search problem.“
Finanziell ist das Setup für den nächsten Schritt aufgestellt: Das Startup soll eine Seed-Runde über 9 Mio. US-Dollar abgeschlossen haben. Als Investoren werden unter anderem Lightspeed India Partners sowie Peak XV Partners genannt; außerdem beteiligten sich Angel-Investoren wie Paul Graham, Gokul Rajaram und Thariq Shihipar. Für die operative Seite ist das wichtig, weil die entscheidenden Zeit- und Kostenblöcke in der Regel nicht im Generieren von Kandidaten liegen, sondern in der anschließenden Laborvalidierung. Mohapatra sieht zudem eine Kommoditisierung beim Vorhersagen neuer Substanzen, sobald Modelle weiter reifen. Der Unterschied läge dann weniger in der Anzahl der Vorschläge, sondern in der Fähigkeit, Kandidaten korrekt zu filtern und anschließend überhaupt synthetisch realisieren zu können.
Genau dieses Spannungsfeld adressiert Discovered Materials in seiner Roadmap: Wenn die Teams wertvolle Kandidaten finden, soll eine Patentstrategie für die Nutzung der Materialien in GPUs folgen. Konkret geht es dabei entweder um die Verwendung selbst oder um den Prozess, wie Chips aus dem jeweiligen Stoff hergestellt werden. Laut Sridhar hoffen die Gründer, innerhalb des nächsten Jahres Materialansätze zu identifizieren, die patentierbar sind. Gleichzeitig bleibt die realwirtschaftliche Skepsis berechtigt: Im breiteren Feld der KI-Entdeckung hat sich bislang noch kein KI-fundiertes Material in großem Maßstab in Serienprodukten etabliert. Im Umfeld der Wirkstoffsuche gilt Insilico Medicines Renterosib als einer der nächsten Meilensteine, der generative KI erstmals bis in eine Phase-II-Studie gebracht hat; auf Materialebene werden hingegen vielversprechende Kandidaten zwar beschrieben, aber meist noch nicht in skalierter Fertigung sichtbar.
Auch technologisch ist der „Bottleneck“ erklärbar: KI kann sehr gut Muster in Daten erkennen und Kandidatenhypothesen erzeugen. Doch die echte Welt kennt zusätzliche Randbedingungen – Stabilität, Herstellbarkeit, Prozessfenster, Defektchemie und die Frage, wie stark ein Material in einem gesamten Stack „funktioniert“, nicht nur im isolierten Test. Entsprechend formuliert Mohapatra den Engpass klar: „filtering them correctly and synthesizing them is the bottleneck.“ Sridhar ordnet die Realität ergänzend ein, dass ein relevanter Teil der Arbeit weiterhin ins Labor führt: „a lot of this will involve actually going into wet labs and like making things as well“. Für Unternehmen bedeutet das: KI-gestützte Materialforschung kann die Suchräume verkürzen, aber sie ersetzt die experimentelle Synthese nicht, sie macht sie nur gezielter.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-„Atom-Whack-a-Mole“: Startup sucht Kühlchips mit neuen Materialkandidaten" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-„Atom-Whack-a-Mole“: Startup sucht Kühlchips mit neuen Materialkandidaten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »KI-„Atom-Whack-a-Mole“: Startup sucht Kühlchips mit neuen Materialkandidaten« bei Google Deutschland suchen, bei Bing oder Google News!