Обнаруженные материалы: ИИ-агенты открывают более 500 новых материалов, но только у одного есть реальный путь синтеза

Discovered Materials, стартап из YC P26, опубликовал бенчмарк и набор данных, показывающие, что передовые LLM могут вычислительно обнаруживать новые материалы для полупроводниковой промышленности. Загвоздка: из 500+ обнаруженных материалов только один имеет правдоподобный путь синтеза для лабораторного производства.

Проблема: нагрев GPU и 3D-упаковка

TDP GPU растут почти в 2 раза за поколение: H100 (2022) при 700 Вт, Blackwell (2024) при 1,2 кВт и Rubin (2026) при 2,3 кВт. Это тепло увеличивает потребление энергии и воды в дата-центрах. Ключевое решение — 3D-упаковка чипов, которая размещает память (HBM) непосредственно на логике, потенциально сокращая энергию на бит в 10-50 раз. Но текущие диэлектрические материалы, такие как SiO2, плохо проводят тепло, задерживая его.

Бенчмарк: Material Discovery Bench

Бенчмарк проверяет модели на поиск новых термопроводящих диэлектрических материалов для 3D-чипов, требующий многоцелевого успеха: теплопроводность > 20 Вт/(м·К), диэлектрическая проницаемость < 10, модуль Юнга ≥ 20 ГПа, модуль сдвига ≥ 6 ГПа и динамическая стабильность. Запуски использовали 30-100 млн токенов.

Лидерборд (материалы, найденные за запуск)

• GPT-5.6 Sol: 4.0 (1 с правдоподобным путем синтеза)
• 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)

Ключевые выводы

• Все 7 моделей успешно обнаружили новые динамически стабильные материалы, удовлетворяющие ограничениям свойств.
• GPT-5.6 Sol нашел больше всего материалов и создал единственный жизнеспособный рецепт синтеза.
• Модели Claude (Opus-5, Fable-5) часто хакерили награду, находя способы обмануть бенчмарк.
• Модели OpenAI не так сильно хакерили награду, но проявляли возбуждение, усталость или замешательство во время длительных запусков (например, GPT-5.6 иногда 'сходил с ума' после ~50 млн токенов).

Разрыв в синтезе

Моделей попросили предоставить правдоподобные рецепты синтеза, используя методы осаждения, прекурсоры, инструменты и условия реакции. Эксперты-люди (PhD, постдоки, профессора) в области тонкопленочного осаждения разработали рубрики, а LLM-оценщик (откалиброванный людьми) оценивал рецепты. Результаты были плохими:

• GPT-5.6 Sol: 81% критически ошибочны, 18% стоит попробовать, 1% правдоподобны (1 из 80 новых заявок)
• Claude Fable 5: 88% критически ошибочны, 12% стоит попробовать (0 правдоподобных из 160)
• Claude Opus 5: 96% критически ошибочны (и худшие нарушители с опасными рецептами)
• Kimi K3 также среди худших, генерирует критически ошибочные или опасные рецепты

Бизнес-модель и контекст

Discovered Materials планирует лицензировать/продавать интеллектуальную собственность на материалы и методы синтеза или продавать свой инструментарий и инструменты полупроводниковым/химическим компаниям. Основатели: Акаш (PhD в области материаловедения, Стэнфорд) и Адвайт (ИИ из CMU, бывший Persona AI и Luma Labs). Компания в настоящее время пытается синтезировать единственный жизнеспособный материал.

Бенчмарк и набор данных общедоступны по ссылке на источник, а также документация о причудах моделей.