Une startup utilise l'IA pour accélérer la découverte de matériaux pour semi-conducteurs

La startup indienne Discovered Materials vise à résoudre un goulot d'étranglement critique dans l'industrie des semi-conducteurs en accélérant la découverte de nouveaux matériaux grâce à l'intelligence artificielle. L'entreprise a récemment obtenu 9 millions de dollars lors de sa première levée de fonds, avec la participation d'investisseurs tels que Lightspeed India, Y Combinator et Peak XV Partners.

La startup, fondée par le scientifique des matériaux Akash Ramdas et le chercheur en IA Advaith Sridhar, emploie des agents IA pour accélérer l'identification de matériaux novateurs pour les applications de semi-conducteurs. Traditionnellement, la découverte de matériaux peut prendre des années, mais Discovered Materials pense que l'IA peut leur permettre de cribler un ensemble d'alternatives potentielles considérablement plus large.

L'industrie des semi-conducteurs est confrontée à des limites de performance croissantes, car l'approche consistant à réduire la taille des transistors devient plus difficile. Ce changement nécessite de nouveaux matériaux qui peuvent permettre la prochaine génération de puces, en particulier dans des domaines tels que l'électronique de puissance et les unités de traitement graphique (GPU), où la consommation d'énergie accrue génère plus de chaleur, faisant de la gestion thermique une préoccupation majeure.

Le système d'IA de Discovered Materials propose de nouvelles structures de matériaux, évalue leurs propriétés et affine les candidats en fonction de son apprentissage. Le système peut cribler plus de 2 000 candidats matériaux potentiels par jour, ce qui représente une augmentation substantielle par rapport aux quelque 20 candidats qu'un chercheur humain peut évaluer.

Un défi important demeure dans la vérification de la fabricabilité pratique et de la viabilité commerciale des matériaux proposés par l'IA. La startup développe actuellement une couche de vérification et d'expérimentation pour distinguer les candidats théoriquement prometteurs de ceux qui peuvent réellement être produits et déployés dans les installations de fabrication.