Startup nutzt KI zur Beschleunigung der Entdeckung von Halbleitermaterialien
Das indische Startup Discovered Materials setzt künstliche Intelligenz ein, um neue, effizientere Materialien für die Halbleiterindustrie zu finden. Das Unternehmen sammelte 9 Millionen US-Dollar an Finanzierung.
Das indische Startup Discovered Materials zielt darauf ab, eine kritische Engstelle in der Halbleiterindustrie zu beheben, indem es die Entdeckung neuer Materialien mithilfe künstlicher Intelligenz beschleunigt. Das Unternehmen sicherte sich kürzlich 9 Millionen US-Dollar in seiner Seed-Finanzierungsrunde, an der sich Investoren wie Lightspeed India, Y Combinator und Peak XV Partners beteiligten.
Das Startup, gegründet von Materialwissenschaftler Akash Ramdas und KI-Forscher Advaith Sridhar, setzt KI-Agenten ein, um die Identifizierung neuartiger Materialien für Halbleiteranwendungen zu beschleunigen. Traditionell kann die Materialentdeckung Jahre dauern, aber Discovered Materials glaubt, dass KI ihnen ermöglichen kann, einen wesentlich größeren Pool potenzieller Alternativen zu durchsuchen.
Die Halbleiterindustrie steht vor wachsenden Leistungsgrenzen, da der Ansatz der Verkleinerung von Transistoren immer herausfordernder wird. Dieser Wandel erfordert neue Materialien, die Chips der nächsten Generation ermöglichen, insbesondere in Bereichen wie der Leistungselektronik und Grafikprozessoren (GPUs), wo der erhöhte Stromverbrauch mehr Wärme erzeugt und das Wärmemanagement zu einem Hauptanliegen macht.
Das KI-System von Discovered Materials schlägt neue Materialstrukturen vor, bewertet deren Eigenschaften und verfeinert Kandidaten basierend auf seinem erlernten Wissen. Das System kann über 2.000 potenzielle Materialkandidaten täglich durchsuchen, was eine erhebliche Steigerung gegenüber den etwa 20 Kandidaten darstellt, die ein menschlicher Forscher bewerten kann.
Eine bedeutende Herausforderung bleibt die Überprüfung der praktischen Herstellbarkeit und kommerziellen Rentabilität von KI-gestützten Materialvorschlägen. Das Startup entwickelt derzeit eine Verifizierungs- und Experimentalschicht, um theoretisch vielversprechende Kandidaten von Materialien zu unterscheiden, die tatsächlich in Fertigungsanlagen hergestellt und eingesetzt werden können.