Discovered Materials capta US$ 9 mi para criar chips de IA mais frios

A Discovered Materials anunciou a captação de uma rodada seed de US$ 9 milhões liderada pela Lightspeed India Partners após concluir sua participação na aceleradora Y Combinator. A startup desenvolveu um ecossistema de agentes de inteligência artificial focado em descobrir novos compostos para criar circuitos integrados mais eficientes, enfrentando diretamente o superaquecimento e a altíssima demanda de eletricidade dos data centers que processam cargas de trabalho de IA.

A empresa foi fundada por Advaith Sridhar, ex-pesquisador com passagem pela Persona AI e Luma Labs, e por Akash Ramdas, doutor em ciência dos materiais pela Universidade de Stanford. A combinação entre a experiência de Ramdas na formulação atômica de materiais e a bagagem de Sridhar no desenvolvimento de agentes autônomos deu origem à plataforma da startup.

Além da liderança da Lightspeed India Partners, a rodada de investimentos de US$ 9 milhões contou com a participação do fundo Peak XV Partners e de investidores-anjo de destaque no ecossistema de tecnologia, incluindo Paul Graham (cofundador da Y Combinator), Gokul Rajaram e Thariq Shihipar.

Arquitetura baseada em agentes de IA

A plataforma tecnológica desenvolvida pela Discovered Materials utiliza uma estrutura de software que integra modelos de linguagem da Anthropic rodando em um arcabouço proprietário. Esse sistema gera hipóteses de novos compostos químicos e repassa os dados para modelos fundamentais de física treinados pela própria startup, que executam simulações computacionais para verificar a viabilidade técnica dos candidatos.

Durante suas pesquisas de doutorado em Stanford, Akash Ramdas conseguia testar manualmente cerca de 20 hipóteses por dia. Com o uso da frota de agentes rodando 24 horas por dia na nuvem, a empresa passou a testar milhares de combinações diárias, explorando rotas científicas guiadas pelos parâmetros do cientista.

"[Ramdas] fazia talvez 20 palpites por dia durante seu doutorado. Agora conseguimos fazer milhares de palpites por dia ao colocar esses agentes para rodar 24/7 na nuvem, explorando direções de pesquisa fornecidas por ele", afirmou Advaith Sridhar em entrevista ao TechCrunch.

Junto ao anúncio do aporte, a startup publicou amostras de centenas de novos materiais descobertos por seu algoritmo. A empresa também revelou o Material Discovery Bench, uma ferramenta de benchmark criada para mensurar o desempenho de modelos de IA de fronteira no processo de descoberta científica e física de materiais.

O jogo de martelo atômico

O foco da Discovered Materials se concentra nos problemas térmicos de materiais semicondutores, diferentemente de concorrentes como MatNex, SandboxAQ e CuspAI, que atuam em frentes mais amplas. A startup revelou já ter identificado substâncias cujas propriedades térmicas correspondem às exigidas por grandes fabricantes de chips, embora mantenha os detalhes específicos sob sigilo industrial.

A busca por novos compostos enfrenta o desafio do espaço de engenharia: um material que reduz a geração de calor ou melhora a dissipação térmica frequentemente apresenta limitações na capacidade de fabricação em massa ou compromete o desempenho elétrico do semicondutor.

"É um pouco como jogar 'whack-a-mole' [jogo de acertar o toupeira] com estruturas atômicas. Um material só é útil no mundo real se todas as variáveis convergirem de uma só vez, o que torna esse um problema de busca realmente interessante", declarou Hemant Mohapatra, sócio da Lightspeed que liderou o investimento na startup.

Para Hemant Mohapatra, a simples capacidade preditiva de IA para descobrir novas substâncias tende a se tornar uma commodity com a evolução contínua dos modelos de linguagem. O diferencial competitivo da Discovered Materials reside na combinação entre o conhecimento técnico de Ramdas em ciência dos materiais e a capacidade de operar laboratórios para validação prática acelerada.

Modelo de negócios e patentes

A estratégia comercial da startup projeta o patenteamento direto do uso dos materiais em unidades de processamento gráfico (GPUs), além dos processos de fabricação necessários para transformar as substâncias em chips utilizáveis. A empresa pretende licenciar essas patentes para os grandes fabricantes de semicondutores do mercado global.

Sridhar revelou a expectativa de que a Discovered Materials registre suas primeiras patentes comercialmente viáveis no prazo de um ano. O plano de licenciar a propriedade intelectual visa contornar a necessidade de construir fundições próprias de semicondutores, focando a operação no desenvolvimento da tecnologia atômica.

No entanto, a indústria de tecnologia enfrenta uma lacuna entre descobertas virtuais e aplicações no mercado: até o momento, nenhum material ou medicamento descoberto exclusivamente por sistemas de IA gerou impacto comercial em larga escala na cadeia de suprimentos global.

O gargalo dos laboratórios físicos

O caso mais avançado de aplicação da IA na ciência é o medicamento Renterosib, desenvolvido pela Insilico Medicine, que se tornou o primeiro fármaco gerado por IA generativa a atingir os ensaios clínicos de Fase II. No setor de materiais, iniciativas como os ímãs permanentes sem terras raras da MatNex e novos semicondutores pesquisados em parceria pela Panasonic e Citrine Informatics avançaram em testes, mas ainda não alcançaram implantação comercial massiva.

Para o investidor Hemant Mohapatra, a geração computacional de novos candidatos não é mais o principal gargalo da ciência dos materiais baseada em inteligência artificial. O verdadeiro desafio operacional do setor deslocou-se para a triagem correta dos compostos e sua subsequente síntese física.

"Muitas dessas etapas envolverão ir de fato para laboratórios físicos ('wet labs') e sintetizar os materiais. E esse é um processo que não pode ser acelerado pela computação", reconheceu Sridhar ao analisar a competição com grandes laboratórios de tecnologia.

Mesmo com o uso intensivo de processamento em nuvem e arquiteturas da Anthropic, a validação de semicondutores exige a criação real dos compostos em ambientes químicos e testes físicos de estresse térmico, etapas limitadas pelo tempo de reação das próprias leis da química e da física.

Desafios para a infraestrutura de dados

A crise de superaquecimento enfrentada por processadores de inteligência artificial afeta diretamente a operação de data centers globais. O aumento drástico no consumo de energia elétrica por chips de alta performance exige sistemas de resfriamento cada vez mais complexos e dispendiosos para evitar falhas estruturais no hardware.

A busca por materiais com melhores propriedades de dissipação térmica tenta conter o avanço dos custos operacionais das grandes infraestruturas de nuvem. Se os testes em laboratório da Discovered Materials comprovarem a viabilidade dos compostos descobertos pelos agentes de IA, a indústria de hardware poderá reformular o design de GPUs nos próximos anos, minorando o gargalo energético dos centros de processamento de dados.