YCスタートアップ、AI向け材料科学の5つの未解決課題に$1Mを投入

AIモデルを使用して先端チップ製造のための新しい物質を発見する、サンフランシスコのスタートアップ企業であるDiscovered Materialsは、材料科学における5つの重要な課題を解決するために、AIモデル向けの100万ドルのチャレンジを発表しました。

フロンティアAIモデルは、一連の顕著な未解決の数学問題を解決し、ライフサイエンス分野でも進歩を遂げてきましたが、先端材料における複雑な物理学を真に解明するには至っていません。

「材料科学では、数学のように非常に明確な定義があり、イエスかノーかの答えが出るわけではないため、問題を明確に規定することがより困難です」と、Y Combinatorのspring 2026バッチに参加したDiscovered Materialsの共同創設者であるAdvaith Sridhar氏は述べています。「私たちは、この分野における大きな課題は何なのか？AIが進歩していることをどうすれば知ることができるのか？という議論に至りました。」

材料科学にはミレニアム懸賞問題に相当するものはありませんが、Discovered Materialsは世界をリードする大学の学者からなる諮問グループを募り、5つの未解決問題を明文化しました。同社は、これらの問題の解決策に対して、総額100万ドルの賞金を提供しています。

• 銅酸化物超伝導、すなわち特定の材料が極低温で電気抵抗がゼロになる能力を説明する理論。
• ほぼすべての半導体に見られる材料の組み合わせである、シリコンと二酸化シリコンの間の界面構造を予測するための数値手法。
• 結晶粒構造を熱特性にマッピングし、より優れた放熱材料の設計を可能にする数値手法。
• 材料に光を当てることが、特に超伝導に関連して、なぜその挙動を変化させるのかを予測する理論。
• 材料科学において原子や分子の構造をモデル化するために使用される主要な手法である、密度汎関数理論を改善するための数値手法。

「材料科学全体において、観察はできるが説明できない現象が存在します」と、このチャレンジの開発を支援したStanford大学の教授であるFelipe Jornada氏は声明で述べています。「これらの現象を説明することは、物理学への理解を深めることになり、その答えは、電子機器の構築、エネルギーの貯蔵、そして未来の材料の製造方法に直接影響を与えるでしょう。」

チャレンジを発表する前に、Discovered Materialsはフロンティアラボのモデルにこれらを取り組ませ、AIエージェントにインターネットアクセスやその他のリソースを与えて数日間自律的に作業させました。モデルは各問題に数日間を費やしましたが、大きな進展はありませんでした。それでも、OpenAIやAnthropicが、大幅に増やした計算資源や新しいモデルを使用して、一撃でこれらを解決しようと試みることは容易に想像できます。