成立仅数月、位于旧金山的初创公司 Discovered Materials 利用 AI 模型寻找可用于制造先进芯片的新材料。该公司宣布推出一项总额100万美元的挑战，鼓励 AI 模型解决材料科学中的五个关键问题。

尽管前沿 AI 模型已经解决了一系列重要数学难题，并在生命科学领域取得进展，但它们尚未真正深入攻克先进材料中的复杂物理问题。

Discovered Materials 联合创始人 Advaith Sridhar 表示：“在材料科学中，更难把问题清晰地定义出来，因为它不像数学那样有非常明确的定义，并且可以得到一个是或否的答案。我们当时在讨论，‘这个领域的重大挑战是什么？我们如何知道 AI 正在取得进展？’”

Discovered Materials 参加了 Y Combinator 2026 年春季批次。尽管材料科学没有与“千禧年大奖难题”完全对应的体系，但该公司召集了一个由全球顶尖大学学者组成的顾问团队，明确列出了五个开放问题。公司将为这些问题的解决方案提供总计100万美元的奖金池。

• 提出一种理论，解释铜氧化物超导现象，即某些材料在超低温下实现零电阻的能力。
• 提出一种数值方法，用于预测硅与二氧化硅界面的结构。这种材料组合几乎存在于所有半导体中。
• 提出一种数值方法，将晶粒结构映射到热学性质，从而帮助设计更好的散热材料。
• 提出一种理论，预测为何光照会改变材料行为，尤其是在超导相关现象方面。
• 提出一种数值方法，以改进密度泛函理论（Density Functional Theory）。这是材料科学中用于模拟原子和分子结构的关键技术。

帮助设计这些挑战的斯坦福大学教授 Felipe Jornada 在一份声明中表示：“在整个材料科学领域，我们观察到一些现象，但无法解释它们。解释这些现象将提升我们对物理学的理解，而这些答案将直接影响我们如何制造电子产品、储存能源，以及生产未来所需的材料。”

在宣布这些挑战之前，Discovered Materials 已经让前沿实验室的模型尝试过这些问题，给予 AI 代理互联网访问权限和其他资源，使其能够连续数天自主工作。这些模型在每个问题上都花了几天时间，但并未取得太大进展。尽管如此，也不难想象 OpenAI 或 Anthropic 会用更多算力或更新的模型来尝试一次性攻克这些问题。

Sridhar 表示：“对我们来说，究竟是我们找到答案、别人找到答案、教授找到答案，还是前沿实验室找到答案，并不是特别重要。我们提出这些挑战的原因，是希望它们能成为衡量进展的门柱。如果你解决了这些挑战，我们就能加深对材料以及周围事物行为方式的理解。”

他还补充说，追踪各方解决这些问题的努力，将显示“这些模型是否正在这个领域不断攀升”。

这项挑战也反映出，随着 AI 被证明能够发现人类研究人员未曾预料到的见解和技术，科学探索的性质正在发生变化。既然找到答案似乎比以往更容易，那么提出什么问题就变得更加重要。

Sridhar 说：“这是一种思考科学的新方式：我们先提出验证方式和挑战，然后再让别人提出解释问题的想法。知道该问什么样的问题并不简单，在这个领域尤其困难，因此教授们确实帮助我们塑造了应该提出哪些正确问题。”

Discovered Materials 的主要重点是开发可用于半导体的新材料；这家初创公司一方面与芯片巨头合作开展研究项目，另一方面也为自身的科学研究提供资金支持。今年8月该公司宣布种子轮融资时，Sridhar 曾对 TechCrunch 表示，他希望公司能在一年内产出一种有用的材料。

“这个时间表又加快了一些，”他如今表示，“我现在更有信心，我们能够在不到一年的时间里找到这些具有工业用途的材料。”