Discovered Materials 发起百万美元挑战：用 AI 破解材料科学五大难题
成立仅数月的旧金山初创公司 Discovered Materials 宣布一项百万美元挑战，旨在利用 AI 模型寻找制造先进芯片的新物质，并解决材料科学中的五个关键问题。
尽管前沿 AI 已在数学和生命科学领域取得突破，但尚未深入探究先进材料中复杂的物理学原理。Discovered Materials 联合创始人 Advaith Sridhar（Y Combinator 2026 春季批次）表示：“材料科学的问题定义不如数学明确，难以得出非黑即白的答案。我们希望通过设立重大挑战，来衡量 AI 在该领域的进步。”
虽然材料科学没有类似“千禧年大奖难题”的标杆，但该公司联合全球顶尖学者明确了五个未解问题，并提供总额 100 万美元的奖金池：
- 解释铜氧化物超导电性的理论（即材料在极低温下的零电阻能力）；
- 预测硅与二氧化硅界面结构的数值方法（该组合几乎存在于所有半导体中）；
- 将晶粒结构映射到热性能的数值方法，以设计更优散热材料；
- 预测光照改变材料行为（特别是超导性）的理论；
- 改进密度泛函理论的数值方法（模拟原子和分子结构的关键技术）。
斯坦福大学教授 Felipe Jornada 协助制定了这些挑战。他指出：“材料科学中存在许多观察得到却无法解释的现象。阐明这些现象不仅能增进对物理学的理解，还将直接塑造未来电子设备构建、能源储存及新材料制造的方式。”
在正式发布前，Discovered Materials 曾让前沿实验室模型自主尝试解决这些问题。尽管拥有互联网访问权限等资源，AI 代理在数天研究后进展甚微。不过，业界普遍认为 OpenAI 或 Anthropic 等公司若投入更多算力或使用更新模型，有望攻克这些挑战。
Sridhar 强调：“无论答案由谁发现，都不是我们最关心的。发布挑战的目的是确立目标标杆，推动对材料及其周围事物行为方式的深层理解。”他补充道，追踪解题进度是判断“模型是否在该领域取得进步”的有效指标。
这一挑战也反映了科学探究范式的转变：随着 AI 揭示人类未曾预见的见解，解决方案变得更容易获取，“提出正确的问题”反而成为核心难点。Sridhar 表示：“这是一种全新的科学思维——先确立验证方法和挑战，再由他人提出解释思路。教授们在帮助我们界定‘正确问题’方面发挥了关键作用。”
目前，Discovered Materials 专注于开发半导体新材料，既与芯片巨头合作研究，也资助自身科研。今年 8 月种子轮融资时，Sridhar 曾预计一年内开发出有用材料。如今他表示时间表已提前：“我现在更有信心，能在不到一年的时间内找到具有工业应用价值的材料。”