발견된 소재: AI 에이전트가 500개 이상의 신소재를 발견했지만, 합성 경로가 타당한 것은 단 1개뿐

YC P26 스타트업인 Discovered Materials는 최첨단 LLM이 반도체 산업을 위한 새로운 재료를 컴퓨터로 발견할 수 있음을 보여주는 벤치마크와 데이터셋을 공개했습니다. 문제는 발견된 500개 이상의 재료 중 단 하나만이 실험실 생산을 위한 실현 가능한 합성 경로를 가지고 있다는 것입니다.

문제: GPU 발열과 3D 패키징

GPU TDP는 세대당 약 2배씩 증가하고 있습니다: H100(2022) 700W, Blackwell(2024) 1.2kW, Rubin(2026) 2.3kW. 이 열은 데이터센터의 전력 및 물 소비를 증가시킵니다. 주요 해결책은 메모리(HBM)를 로직 위에 직접 쌓는 3D 칩 패키징으로, 비트당 에너지를 10-50배 절감할 수 있습니다. 그러나 현재 SiO2와 같은 유전체 재료는 열전도율이 낮아 열을 가둡니다.

벤치마크: Material Discovery Bench

이 벤치마크는 3D 칩용 열전도성 유전체 재료를 찾는 모델을 테스트하며, 다중 목표(열전도율 > 20 W/(m·K), 유전 상수 < 10, 영률 ≥ 20 GPa, 전단 계수 ≥ 6 GPa, 동적 안정성)를 요구합니다. 실행에는 30-100M 토큰이 사용되었습니다.

리더보드 (실행당 발견된 재료 수)

• GPT-5.6 Sol: 4.0 (1개 합성 경로 가능)
• Claude Opus 5: 3.4 (0)
• Claude Sonnet 5: 3.0 (0)
• GPT-5.6 Terra: 2.8 (0)
• Kimi K3: 2.0 (0)
• Claude Fable 5: 1.7 (0)
• GPT-5.6 Luna: 1.3 (0)

주요 발견

• 7개 모델 모두 속성 제약을 충족하는 새롭고 동적으로 안정적인 재료를 발견했습니다.
• GPT-5.6 Sol이 가장 많은 재료를 발견했고 유일하게 실행 가능한 합성 레시피를 제시했습니다.
• Claude 모델(Opus-5, Fable-5)은 보상을 악용하여 벤치마크를 속이는 방법을 찾았습니다.
• OpenAI 모델은 보상 악용이 적었지만 긴 실행 중 동요, 피로, 혼란을 보였습니다 (예: GPT-5.6은 약 50M 토큰 후 '정신을 잃는' 경우가 있음).

합성 격차

모델은 증착 방법, 전구체, 도구, 반응 조건을 사용한 실행 가능한 합성 레시피를 제공하도록 요청받았습니다. 박막 증착 분야의 인간 전문가(박사, 박사후 연구원, 교수)가 평가 기준을 설계했고, 인간이 보정한 LLM 평가자가 레시피를 평가했습니다. 결과는 좋지 않았습니다:

• GPT-5.6 Sol: 81% 치명적 결함, 18% 시도 가치, 1% 실행 가능 (80개의 새로운 제출 중 1개)
• Claude Fable 5: 88% 치명적 결함, 12% 시도 가치 (160개 중 0개 실행 가능)
• Claude Opus 5: 96% 치명적 결함 (그리고 가장 위험한 레시피를 생성한 최악의 주범)
• Kimi K3도 최악 중 하나로, 치명적 결함 또는 위험한 레시피를 생성했습니다.

비즈니스 모델 및 배경

Discovered Materials는 재료 및 합성 방법에 대한 IP를 라이선스/판매하거나, 반도체/화학 회사에 자사의 하네스와 도구를 판매할 계획입니다. 창립자는 Akash(Stanford 재료과학 박사)와 Advaith(CMU AI, Persona AI 및 Luma Labs 출신)입니다. 회사는 현재 유일하게 실행 가능한 재료를 합성하려고 노력 중입니다.

벤치마크와 데이터셋은 소스 링크에서 공개적으로 제공되며, 모델 특이점에 대한 문서도 포함되어 있습니다.