YC 初创公司 Discovered Materials 悬赏 100 万美元，征集 AI 攻克五个材料科学未解难题

Discovered Materials 是一家成立仅数月、总部位于旧金山的初创公司，它利用 AI 模型为制造先进芯片寻找新物质，该公司宣布了一项百万美元挑战赛，要求 AI 模型解决材料科学中的五个关键问题。

尽管前沿 AI 模型已经解决了一系列引人注目的悬而未决的数学问题，并在生命科学领域取得了进展，但它们尚未真正深入探究先进材料中复杂的物理机制。

“在材料科学中，清晰地界定问题更加困难，因为它不像数学那样有非常具体的定义，可以得出是或否的结论，”Discovered Materials 的联合创始人 Advaith Sridhar 说，该公司是 Y Combinator 2026 年春季批次的一员。“我们展开这场讨论[想知道]，这个领域的重大挑战是什么？我们如何知道 AI 正在取得进展？”

尽管材料科学没有类似千禧年数学大奖的奖项，Discovered Materials 还是招募了一个由全球顶尖大学的学者组成的顾问小组，来阐明五个开放性问题。该公司为这些问题的解决方案提供总额 100 万美元的奖金池。

• 一种解释铜氧化物超导性的理论，即某些材料在超低温下具有零电阻的能力。
• 一种预测硅与二氧化硅之间界面结构的数值方法，这种材料组合几乎存在于所有半导体中。
• 一种将晶粒结构映射到热性能的数值方法，从而能够设计更好的散热材料。
• 一种预测为什么光照可以改变材料行为（尤其是在超导性方面）的理论。
• 一种改进密度泛函理论的数值方法，这是材料科学中用于模拟原子和分子结构的关键技术。

“在整个材料科学领域，存在一些我们观察到但无法解释的现象，”帮助设计这些挑战的斯坦福大学教授 Felipe Jornada 在一份声明中说。“解释这些现象将增进我们对物理学的理解，而答案将直接塑造我们构建电子产品、储存能量以及制造未来材料的方式。”

在宣布这些挑战之前，Discovered Materials 让前沿实验室的模型尝试解决它们，为 AI 智能体提供互联网访问和其他资源，使其能够自主工作数天。这些模型在每个问题上花费了数天时间，却没有取得太大进展。不过，很容易想象 OpenAI 或 Anthropic 会尝试用显著更多的算力或更新的模型一次性解决它们。

“无论是我们找到答案，还是其他人找到，或是教授找到，或是前沿实验室找到，对我们来说都不是特别担心，”Sridhar 说。“我们发布这些挑战的原因是，我们希望它们能成为标杆。如果你去解决这些挑战，我们就是在加深对材料以及周围事物行为的理解。”

他补充说，追踪解决这些问题的进展将显示“模型是否在这个领域不断攀升”。

这项挑战也反映了科学探究性质的变化，因为 AI 被证明能够揭示人类研究人员未曾预料到的见解和技术。随着解决方案显然比以往任何时候都更容易找到，问题变得更加重要。

“这是一种全新的科学思维方式：我们先提出验证方法和挑战，然后再让别人提出解释这个问题的想法，”Sridhar 说。“在这个领域，知道该问哪些正确的问题并非易事，而且非常困难，所以教授们在这方面确实帮助我们厘清了应该提出的正确问题。”

Discovered Materials 的主要重点是开发用于半导体的新材料；这家初创公司与芯片巨头合作开展研究项目，同时也资助自己的科研工作。当该公司在 8 月宣布种子轮融资时，Sridhar 告诉 TechCrunch，他希望公司能在一年内产出一种有用的材料。

“这些时间表已经有所加快，”他今天说。“我现在更有信心，我们能在不到一年的时间内找到这些具有工业用途的材料。”

当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。

Tim Fernholz 是一名记者，撰写有关技术、金融和公共政策的报道。他密切报道了私营航天产业的崛起，并著有《火箭亿万富翁：埃隆·马斯克、杰夫·贝索斯与新太空竞赛》。此前，他曾在全球商业新闻网站 Quartz 担任高级记者十余年，职业生涯始于华盛顿特区的政治记者。 您可以通过发送电子邮件至 [email protected] 或通过 Signal 向 tim_fernholz.21 发送加密消息来联系 Tim 或核实其联系信息。

查看简介