یک استارت آپ YC یک میلیون دلار پشت پنج مشکل حل نشده علم مواد برای هوش مصنوعی صرف می کند

Discovered Materials، یک استارت‌آپ در سانفرانسیسکو که از مدل‌های هوش مصنوعی برای یافتن مواد جدید برای ساخت تراشه‌های پیشرفته استفاده می‌کند، یک چالش میلیون دلاری برای مدل‌های هوش مصنوعی برای حل پنج مشکل حیاتی در علم مواد اعلام کرد.

در حالی که مدل‌های هوش مصنوعی مرزی مجموعه‌ای از مسائل ریاضی برجسته را حل کرده‌اند و در علوم زیستی پیشرفت کرده‌اند، اما هنوز نتوانسته‌اند فیزیک پیچیده‌ای را در مواد پیشرفته انجام دهند.

Advaith Sridhar، یکی از بنیانگذاران Discovered Materials که بخشی از مجموعه بهار 2026 Y Combinator بود، گفت: «تعیین واضح مسائل در علم مواد دشوارتر است، زیرا مانند ریاضی نیست، جایی که شما یک تعریف بسیار خاص دارید و می‌توانید به بله یا خیر برسید. "ما به این بحث رسیدیم [تعجب]، چالش های بزرگ در این زمینه چیست؟ چگونه می دانیم که هوش مصنوعی در حال پیشرفت است؟"

فیلیپ جورنادا، استاد دانشگاه استنفورد که به توسعه چالش‌ها کمک کرد، در بیانیه‌ای گفت: «در سراسر علم مواد، پدیده‌هایی وجود دارد که ما مشاهده می‌کنیم اما نمی‌توانیم توضیح دهیم.» توضیح این پدیده‌ها درک ما از فیزیک را بهبود می‌بخشد و پاسخ‌ها مستقیما نحوه ساخت وسایل الکترونیکی، ذخیره انرژی و ساخت مواد آینده را شکل می‌دهند.»

قبل از اعلام چالش‌ها، مواد کشف‌شده مدل‌های آزمایشگاه مرزی را بر روی آن‌ها رها کرد و به عوامل هوش مصنوعی امکان دسترسی به اینترنت و سایر منابع را داد تا برای روزها به طور مستقل کار کنند. مدل‌ها چندین روز برای هر مشکل بدون پیشرفت زیادی صرف کردند. با این حال، تصور اینکه OpenAI یا Anthropic تلاش می‌کند آنها را با محاسبات بسیار بیشتر یا یک مدل جدیدتر عکس‌برداری کند، آسان است.

سریدار گفت: «این برای ما اهمیت خاصی ندارد که آن را پیدا کنیم، یا شخص دیگری آن را پیدا کند، یا یک استاد آن را پیدا کند، یا آزمایشگاه های مرزی آن را پیدا کنند. "دلیل اینکه ما این چالش‌ها را مطرح می‌کنیم این است که می‌خواهیم آنها به‌عنوان تیرک دروازه باشند. اگر شما بروید و این چالش‌ها را حل کنید، ما درک خود را از مواد و نحوه رفتار چیزهای اطرافمان عمیق‌تر می‌کنیم."

او افزود که پیگیری تلاش‌ها برای حل مشکلات نشان می‌دهد که آیا مدل‌ها در این حوزه در حال صعود هستند یا خیر.

این چالش همچنین نشان‌دهنده ماهیت متغیر تحقیق علمی است زیرا هوش مصنوعی ثابت می‌کند که قادر به کشف بینش‌ها و تکنیک‌هایی است که محققان انسانی پیش‌بینی نکرده‌اند. با پیدا کردن راه‌حل‌هایی که ظاهرا راحت‌تر از همیشه پیدا می‌شوند، سؤالات اهمیت بیشتری پیدا می‌کنند.

سریدار گفت: «این یک روش جدید تفکر در مورد علم است، که در آن ابتدا تأیید و چالش‌ها را مطرح می‌کنیم، و سپس به کسی اجازه می‌دهیم تا ایده‌هایی را ارائه کند که مشکل را توضیح می‌دهد.» «دانستن سؤالات مناسب برای پرسیدن در این حوزه بی‌اهمیت و بسیار دشوار نیست، بنابراین اینجاست که اساتید واقعا به ما کمک کرده‌اند تا سؤالات درستی را که باید بپرسیم، شکل دهیم.»

تمرکز اصلی مواد کشف شده توسعه مواد جدید برای استفاده در نیمه هادی ها است. این استارت آپ با غول های تراشه در پروژه های تحقیقاتی شریک می شود و در عین حال تلاش های علمی خود را نیز تامین می کند. هنگامی که این شرکت در ماه آگوست دور اولیه خود را اعلام کرد، سریدار به TechCrunch گفت که امیدوار است این شرکت ظرف یک سال مواد مفیدی تولید کند.

او امروز می‌گوید: «این جدول‌های زمانی کمی تسریع شده‌اند. اکنون مطمئن‌تر هستم که می‌توانیم این مواد مفید صنعتی را در یک جدول زمانی کوتاه‌تر از یک سال پیدا کنیم.»

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

One Pass بخرید، جلد دوم رایگان را در بوت کمپ نهایی سال TechCrunch با آوردن هم بنیانگذار یا شریک خود به صورت کتاب رایگان قبل از انقضای قرارداد BOGO دریافت کنید.

با افزایش انتظار برای قدرت، مراکز داده به موتورهای جت قدیمی روی آورده اند

ممدانی شهر نیویورک از مالک مدیسون اسکوئر گاردن به خاطر فناوری نظارتی زک ویتاکر انتقاد کرد.

Anthropic هشدار می دهد که بسیار نزدیک به قابلیت RSI است، با نام مستعار AI خودساز جولی بورت

نیویورک تایمز و سایر رسانه ها از مرورگر وب Brave به دلیل ادعای حذف محتوای ربکا بلان شکایت کردند.

لوکاس روپک در گزارش FT می گوید انتظار می رود آنتروپیک رتبه "ناخواسته" بالایی را از آژانس های اعتباری پس از IPO دریافت کند.

اولین ماهواره مرکز داده گوگل آنلاین است و تیم فرنهولز شعر می نویسد

با کاهش ترافیک جستجو، Reddit اعلام کرد که به تجربه وارد شده به سارا پرز تغییر می کند.