Discovered Materials raccoglie 9 milioni per cercare materiali che raffreddino i chip

Nove milioni di dollari per sbloccare materiali che rendano i chip meno caldi. Li ha raccolti Discovered Materials con un seed round guidato da Lightspeed India Partners, dopo l’uscita da Y Combinator¹.

Il problema è netto: i chip che eseguono carichi di intelligenza artificiale scaldano troppo. I data center consumano molta elettricità e richiedono sistemi di raffreddamento. E, inevitabilmente, imprenditori provano a usare l’AI per correggere il problema che l’AI ha creato¹.

Discovered Materials è l’ultimo esempio. La società dice di voler usare “sciami” di agenti AI per trovare nuovi materiali da impiegare in circuiti integrati più efficienti¹. L’idea è circoscritta: generare candidati con l’AI, poi verificarli con la fisica. Il percorso segue due fasi: prima modelli linguistici, poi modelli fisici. La promessa è accelerare il passaggio dalle ipotesi ai test di interesse¹.

Il round include investimenti di Peak XV Partners e degli angel Paul Graham, Gokul Rajaram e Thariq Shihipar. La società ha comunicato la chiusura del seed “recentemente”, in scia al passaggio per Y Combinator¹. La cifra di 9 milioni definisce l’ampiezza delle ambizioni e del lavoro da finanziare. L’asse dei finanziatori mette insieme un fondo principale, un fondo aggiuntivo e figure note come investitori individuali¹.

I fondatori sono Advaith Sridhar e Akash Ramdas. Ramdas porta l’esperienza di un dottorato in scienza dei materiali a Stanford. Sridhar ha lavorato su agenti presso Persona AI e Luma Labs. Hanno unito le competenze per lanciare l’azienda e costruire una pipeline software che orchestri i passaggi tra generazione e verifica¹.

Nel dettaglio tecnico condiviso, la pipeline usa modelli di Anthropic dentro un harness personalizzato per generare “lead” di materiali. Poi passa a modelli di fisica fondamentali, addestrati dal team, che eseguono simulazioni per valutare se i candidati meritano attenzione. La catena mira a filtrare le proposte dell’AI con controlli basati su fisica, prima di investire tempo su piste deboli¹.

Il confronto con il lavoro manuale è netto nei racconti dei fondatori. “Durante il dottorato [Ramdas] faceva forse 20 ipotesi al giorno”, ha detto Sridhar a TechCrunch. Il punto è ridurre la dipendenza da tentativi lenti e soggettivi, spostando la ricerca preliminare verso strumenti automatici che esplorano lo spazio dei materiali e ne testano la plausibilità con simulazioni¹.

Il perimetro di applicazione è chiaro. I materiali che interessano a Discovered Materials servono a costruire circuiti integrati più efficienti. L’obiettivo è intervenire alla radice di un collo di bottiglia fisico sentito oggi nei data center: chip caldi, costosi da tenere sotto controllo, e un’AI che può aiutare a scandagliare possibilità finora trascurate o troppo lente da verificare con metodi tradizionali¹.

TechCrunch colloca l’azienda dentro una tendenza: usare l’AI per cercare risposte ai suoi stessi effetti collaterali. Discovered Materials entra in questa scia con capitali freschi, un team con esperienza specifica e una pipeline che combina modelli generativi e modelli di fisica in serie controllata¹.