AI热榜 运行人工智能工作负载的芯片太热：这就是数据中心消耗大量电力并需要冷却系统的原因之一。
而且，不可避免地，企业家正在转向人工智能来解决它所造成的问题。
Discovered Materials 是最新的项目，计划使用大量人工智能代理来寻找可用于构建更高效集成电路的新材料。
该初创公司表示，在从 Y Combinator 脱颖而出后，它最近从 Lightspeed India Partners 获得了 900 万美元的种子轮融资，并获得了 Peak XV Partners 和天使投资人 Paul Graham、Gokul Rajaram 和 Thariq Shihipar 的投资。
创始人 Advaith Sridhar 和 Akash Ramdas 联手创立了这家公司，借鉴了 Ramdas 在斯坦福大学获得材料科学博士学位的经验，以及 Sridhar 在 Persona AI 和 Luma Labs 的代理工作经验。
两人创建了一个软件管道，该管道在定制工具中使用人择模型来生成材料线索，然后转向他们训练过的基础物理模型来运行模拟，以验证候选材料是否确实令人感兴趣。
“[Ramdas] 在攻读博士学位期间每天可能会进行 20 次猜测，”Sridhar 告诉 TechCrunch。
“通过让这些代理在云上 24/7 运行，探索他为他们提供的研究方向，我们现在每天能够进行数千次猜测。
” Discovered Materials 今天发布了数百种新材料的示例，以及他们的“材料发现台”，旨在跟踪前沿模型如何应对这一挑战。
MatNex、SandboxAQ 和 CuspAI 等公司都做出了类似的努力，但 Discovered Materials 认为，专注于半导体材料的热问题才是成功之路。
该初创公司表示，它已经发现了几种与主要芯片制造商使用的现有材料性能相匹配的材料，但无法透露有关它们的更多细节。
一个挑战是工程贸易空间：如果他们找到一种可以减少热量产生或改善散热的材料，那么用它实际制造芯片可能会太困难，或者其电气性能会受到损害。
“这有点像用原子结构玩打地鼠游戏，”领投本轮融资的 Lightspeed 合伙人 Hemant Mohapatra 告诉 TechCrunch。
“一种材料只有在所有材料同时聚合时才在现实世界中有用，这使得这是一个非常有趣的搜索问题。
” Mohapatra 预计，随着模型的不断改进，预测新物质的业务将商品化。
Discovered Materials 的不同之处在于 Ramdas 在该领域的丰富经验，以及运营一个可以快速实验和验证候选材料的实验室的能力——他说两位创始人已经用几种新材料做到了这一点。
🔗 原始来源
如果你要核对细节，可以再看原文： TechCrunch AI原文链接