旧金山初创公司 Discovered Materials 宣布设立一项总额 100 万美元的挑战赛，旨在利用 AI 模型破解材料科学领域的五个关键难题。这家成立仅数月的公司专注于通过 AI 寻找制造先进芯片的新物质。
尽管前沿 AI 已在数学和生命科学领域取得显著进展，但在解析先进材料背后的复杂物理机制方面，尚未实现真正突破。Discovered Materials 联合创始人 Advaith Sridhar 指出，材料科学难以像数学那样定义精确且对错分明的问题，因此明确“重大挑战”及“进步标准”至关重要。
确立五大未解之谜
虽然材料科学缺乏类似“千禧年大奖难题”的公认标准，但 Discovered Materials 联合全球顶尖大学学术顾问团，明确了五个核心问题并设立奖金池：
- 解释铜氧化物超导性理论，即材料在极低温下电阻为零的能力；
- 开发预测硅与二氧化硅界面结构的数值方法，这是半导体中常见的材料组合；
- 建立关联晶粒结构与热性能的数值方法，以设计更优散热材料；
- 提出预测光照如何改变材料行为（尤其是超导性）的理论；
- 改进密度泛函理论（DFT），优化这一模拟原子和分子结构的关键技术。
斯坦福大学教授 Felipe Jornada 参与制定了挑战赛规则。他表示，阐明这些观察得到却未获解释的现象，将深化对物理学的理解，并直接塑造未来电子设备构建、能量存储及材料制造的方式。
以挑战为标尺衡量 AI 进步
在正式发布前，Discovered Materials 曾赋予前沿实验室 AI 模型互联网访问权限，让其独立尝试解决这些问题。然而，这些模型在数天内并未取得实质性进展。尽管如此，业界推测 OpenAI 或 Anthropic 等机构可能凭借更强算力或更新模型攻克难题。
Sridhar 强调，答案由谁发现并不重要，无论是公司内部、学术界还是其他科技巨头。发布挑战的核心目的是将其作为衡量进步的标尺。追踪解题过程有助于验证“模型是否在该领域实现了能力攀升”，从而深化对材料行为的理解。
这一举措反映了科研范式的转变：随着 AI 揭示出人类未曾预见的见解，提出正确问题变得尤为关键。Sridhar 表示，这是一种全新的科学思维方式，先确立验证标准和挑战目标，再寻求解题思路。由于界定关键问题极具难度，学术顾问的介入至关重要。
Discovered Materials 聚焦于半导体新材料开发，既与芯片巨头合作研究，也资助自身科研。在今年 8 月宣布种子轮融资时，Sridhar 曾预计一年内生成有用材料。近日他更新预期称：“时间表有所加快，我更有信心在不到一年内找到具有工业应用价值的材料。”