LO ESENCIAL EN 30 SEGUNDOS

  • Discovered Materials compromete un millón de dólares en total, es decir, 200.000 dólares por la solución de cada uno de los cinco problemas.
  • Entre ellos figuran una teoría predictiva de la superconductividad de los cupratos y un mejor equilibrio entre velocidad y precisión en química cuántica.
  • Según la empresa, varios modelos de IA punteros trabajaron varios días en cada problema antes del lanzamiento sin avances notables.

Discovered Materials, una startup de San Francisco de la promoción de primavera de 2026 de Y Combinator, ha lanzado unos "Grand Challenges" de ciencia de materiales con un millón de dólares en premios. TechCrunch informó del lanzamiento el 5 de noviembre. Resolver cualquiera de los cinco problemas vale 200.000 dólares. La empresa presenta los retos como objetivos para "científicos de IA", pero su página no aclara si los participantes deben usar IA.

Los cinco problemas

Los retos se definieron con un grupo asesor de académicos de universidades de todo el mundo. Felipe Jornada, profesor de Stanford, ayudó a elaborarlos. En la web de la empresa llevan estos títulos: una teoría predictiva de la superconductividad de los cupratos; propiedades eléctricas de las interfaces a partir del historial de fabricación; superar el dilema entre velocidad y precisión en química cuántica; modificar materiales con luz; y predecir el transporte de calor a través de interfaces sólidas. TechCrunch los describe con más detalle. Entre ellos están predecir la estructura de las interfaces entre silicio y dióxido de silicio, relacionar la estructura de grano de un material con su comportamiento térmico y mejorar la teoría del funcional de la densidad, un método muy usado para modelizar átomos y moléculas. Las propuestas se envían por correo electrónico, y cada página de reto detalla lo que deben incluir. Participar implica aceptar unas bases oficiales. La página principal describe los retos como verificables, pero no explica cómo se evaluarán las propuestas ni fija un plazo concreto.

Por qué una startup financia premios

El cofundador Advaith Sridhar dijo a TechCrunch que los problemas deben servir de referencia para saber si los modelos de IA avanzan de verdad en el campo, y que a la empresa no le importa quién los resuelva. Antes del lanzamiento, la compañía dio a modelos punteros acceso a internet y otros recursos y los dejó trabajar solos varios días en cada problema. Según el artículo, apenas avanzaron.

Su negocio principal es buscar nuevos materiales para semiconductores, con especial atención al calor en los chips. Cuando cerró en agosto una ronda semilla de 9 millones de dólares, liderada por Lightspeed India Partners y con Peak XV Partners, TechCrunch contó que sus agentes funcionan con modelos de Anthropic en una configuración propia. Unos modelos físicos entrenados por la empresa filtran los candidatos, y un laboratorio propio prueba los más prometedores. Sridhar dice ahora tener más confianza en encontrar un material útil para la industria en menos de un año. Es un objetivo de la empresa, no un resultado demostrado.