Discovered Materials назначила призы на 1 млн долларов за решение с помощью моделей ИИ пяти открытых задач материаловедения, где передовые системы пока отстают от математики и наук о жизни. Стартап из Сан-Франциско, участник весеннего набора Y Combinator 2026 года, представил конкурс как ориентир для измерения реального прогресса в понимании сложной физики. Для бизнеса это важно, поскольку новые вещества для передовых чипов, хранения энергии и производства способны сократить циклы промышленных исследований и разработок.
Пять открытых задач, отобранных с учеными
Компания привлекла консультативную группу ученых из ведущих мировых университетов, чтобы сформулировать пять задач, поскольку в материаловедении нет аналога Millennium Prize Problems. Общий призовой фонд составляет 1 млн долларов, награды привязаны к решениям отдельных задач. Профессор Стэнфорда Felipe Jornada, участвовавший в подготовке конкурса, заявил, что речь идет о наблюдаемых, но необъясненных явлениях, а ответы повлияют на электронику, хранение энергии и производство материалов будущего. Сооснователь Advaith Sridhar отметил, что в этой области нет четких определений в формате да или нет, как в математике, поэтому формулировать задачи сложнее.
Перед публикацией Discovered Materials проверила на этих задачах модели передовых лабораторий, предоставив ИИ-агентам доступ в интернет и другие ресурсы для автономной работы в течение нескольких дней. По данным компании, модели потратили по несколько дней на каждую задачу, но заметного продвижения не добились. Такой исход показывает, что задачи не решаются простым увеличением длительности работы текущей модели. Sridhar отметил, что OpenAI или Anthropic все же могут попробовать решить их с гораздо большими вычислениями или на более новой модели, и такой результат тоже будет показательным.
Контекст — изменение способа постановки научных целей на фоне способности ИИ находить выводы, которые человеческие коллективы не предвидели. Sridhar описал подход как сначала определение проверки и задач, а затем поиск идей, объясняющих проблему. По его словам, найти правильные вопросы в материаловедении трудно, и профессора помогли отобрать вопросы, достойные внимания. Отслеживание попыток со временем покажет, растут ли возможности моделей в этой области. Он добавил, что не так важно, кто найдет ответ — стартап, крупная лаборатория или профессор, если углубляется понимание природы вещей.
Что конкурс означает для промышленных разработок
Для компаний, покупающих или разрабатывающих сложное оборудование, конкурс указывает на ускорение открытия веществ для полупроводников. Сама Discovered Materials специализируется на новых материалах для чипов, сотрудничает с гигантами чип-индустрии в исследовательских проектах и финансирует собственные научные работы. В августе, когда было объявлено о seed-раунде, Sridhar надеялся получить полезный материал в течение года, а теперь говорит об ускорении сроков и возросшей уверенности. Более короткий путь от прогноза модели до промышленно полезного материала затронет закупки, прототипирование и выбор поставщиков.
Небольшие инженерные фирмы и крупные производители ощутят такой сдвиг по-разному, хотя сам приз еще не создает продукт. Небольшая компания могла бы получить доступ к лучшим кандидатам в материалы без большой команды физиков, а крупный производитель чипов или батарей — проверять больше вариантов до загрузки фабрики или пилотной линии. Практический эффект проявится в закупках и разработке: меньше тупиковых экспериментов, четче требования к партнерам и быстрее итерации по целевым характеристикам. Пока решения нет, главная польза — публичный ориентир, на который могут ссылаться поставщики и исследовательские партнеры.
Показателем станет то, заберет ли какая-либо команда один из пяти призов и как пройдет проверка результата. Убедительное решение должно объяснить наблюдаемое явление и выдержать независимую экспертизу, а не только показать высокий балл в тесте моделей. Деловым наблюдателям также стоит следить, выпустит ли Discovered Materials промышленно полезный материал раньше чем за год, как теперь ожидает Sridhar. Если продвинутся и конкурс, и продуктовые сроки, это подтвердит переход методов ИИ от демонстраций к значимости для цепочки поставок.
