A Discovered Materials, uma empresa fundada por graduados do IIT Madras, levantou 9 milhões de dólares (equivalente a aproximadamente 85 crore de rúpias indianas) em financiamento semente. O objetivo desta rodada é criar agentes de IA capazes de descobrir novos materiais e acelerar sua implementação em chips semicondutores.
Junto com este startup, foram apresentados centenas de materiais descobertos por IA, bem como a ferramenta Material Discovery Bench. Esta ferramenta é posicionada como o primeiro padrão para avaliar agentes de IA na resolução de problemas reais de busca de materiais para semicondutores.
A rodada foi liderada pela Lightspeed India Partners, com participação da Y Combinator, Peak XV Partners e anjos de negócios, incluindo Paul Graham, Gokul Rajaram e Tariq Shihipara. Os fundos obtidos permitirão à empresa desenvolver sua missão: tornar o processo de descoberta de novos materiais rápido o suficiente para atender à crescente demanda por capacidade computacional impulsionada pela IA.
Ao utilizar IA para condensar meses de pesquisa interdisciplinar em poucos dias, a Discovered Materials visa acelerar avanços que podem aumentar o desempenho dos chips, ao mesmo tempo que reduzem o consumo de energia e a dissipação de calor.
Progresso em Computação e Novos Materiais
Akash Ramdas, cofundador da Discovered Materials, observou que, embora os avanços na computação tenham sido o motor da maioria dos progressos tecnológicos nas últimas cinquenta anos, os chips modernos consomem milhares de vezes mais energia do que o cérebro humano. Ele enfatizou que novos materiais são a chave para fechar essa lacuna, citando o desenvolvimento de novos materiais térmicos nos últimos três meses que correspondem ao desempenho de produtos que levaram muitos anos de desenvolvimento pelas maiores empresas químicas do mundo.
Os cofundadores Advait Sridhar e Akash Ramdas conheceram-se há mais de dez anos durante seus estudos no IIT Madras, uma das principais instituições de engenharia da Índia. Sridhar possui doutorado em ciência dos materiais pela Universidade de Stanford e passou os últimos 11 anos pesquisando novos materiais para chips semicondutores; seu trabalho em novas interconexões nanoestruturadas se tornou a história mais popular da Escola de Engenharia de Stanford em 2025. Ramdas estudou IA na Carnegie Mellon University e trabalhou como engenheiro de pesquisa, criando modelos de vídeo e agentes na Persona AI (adquirida) e Luma Labs.
O financiamento semente será destinado à expansão da equipe e do laboratório, bem como à escalabilidade dos agentes de IA de pesquisa da empresa. Hemant Mohapatra, parceiro da Lightspeed India Partners, afirmou que a IA está criando uma demanda sem precedentes por chips aprimorados, mas o progresso está sendo retardado pela lentidão com que novos materiais chegam à produção. Ele expressou entusiasmo pela parceria com a Discovered Materials na construção do futuro das inovações em semicondutores, começando por uma área crítica: a melhoria da dissipação de calor de chips cada vez mais quentes.
O gerenciamento térmico é um dos problemas mais sérios do setor, pois os chips de IA modernos geram uma enorme quantidade de calor. Novos materiais são capazes de melhorar drasticamente a eficiência dos chips, possibilitando tecnologias de empacotamento avançadas, como o empilhamento 3D, e dissipando o calor de forma mais eficaz. Os agentes de IA da Discovered Materials atuam em todas as etapas — simulação, síntese e verificação experimental, ajudando os pesquisadores a encontrar materiais promissores muito mais rapidamente do que os métodos tradicionais de P&D.
Para estudar o rápido progresso desses agentes de IA e medir suas capacidades, a empresa também apresentou centenas de novos materiais descobertos por modelos avançados de IA para aplicação em semicondutores. Paralelamente, foi apresentado o Material Discovery Bench — um padrão desenvolvido em colaboração com especialistas da academia e da indústria. Este padrão avalia modelos avançados de IA em problemas reais de busca de materiais para semicondutores e continuará a ser aprimorado por meio de simulações e verificações experimentais.
