L'ESSENTIEL EN 30 SECONDES
- Discovered Materials engage 1 million de dollars au total, soit 200 000 dollars pour la solution de chacun des cinq problèmes.
- On y trouve une théorie prédictive de la supraconductivité des cuprates et un meilleur compromis entre vitesse et précision en chimie quantique.
- Selon l'entreprise, des modèles d'IA de pointe ont travaillé plusieurs jours sur chaque problème avant le lancement, sans réelle avancée.
Discovered Materials, une start-up de San Francisco passée par la promotion du printemps 2026 de Y Combinator, a lancé des « Grand Challenges » en science des matériaux, dotés de 1 million de dollars au total. TechCrunch a rapporté le lancement le 5 novembre. Résoudre l'un des cinq problèmes rapporte 200 000 dollars. L'entreprise présente ces défis comme des objectifs pour des « scientifiques IA », mais sa page ne dit pas si les candidats doivent utiliser l'IA.
Les cinq problèmes
Les défis ont été définis avec un groupe consultatif d'universitaires venant d'universités du monde entier. Felipe Jornada, professeur à Stanford, a participé à leur élaboration. Sur le site de l'entreprise, ils s'intitulent ainsi : une théorie prédictive de la supraconductivité des cuprates ; les propriétés électriques des interfaces en fonction de l'historique de fabrication ; dépasser le compromis entre vitesse et précision en chimie quantique ; modifier les matériaux par la lumière ; et prédire le transport de chaleur à travers les interfaces solides. TechCrunch les décrit plus en détail : il s'agit notamment de prédire la structure des interfaces entre silicium et dioxyde de silicium, de relier la structure en grains d'un matériau à son comportement thermique et d'améliorer la théorie de la fonctionnelle de la densité, une méthode courante de modélisation des atomes et des molécules. Les candidatures s'envoient par e-mail, et chaque page de défi précise ce qu'elles doivent contenir. Participer vaut acceptation d'un règlement officiel. La page principale qualifie les défis de vérifiables, mais elle n'explique pas comment les propositions seront jugées et ne donne pas d'échéance précise.
Pourquoi une start-up finance des prix
Le cofondateur Advaith Sridhar a expliqué à TechCrunch que ces problèmes doivent servir de repères pour savoir si les modèles d'IA progressent vraiment dans le domaine, et que l'entreprise se moque de savoir qui les résoudra. Avant le lancement, elle a donné à des modèles de pointe un accès à Internet et d'autres ressources, puis les a laissés travailler seuls plusieurs jours sur chaque problème. Selon l'article, ils ont peu avancé.
Son activité principale reste la recherche de nouveaux matériaux pour semi-conducteurs, avec un accent sur la chaleur dans les puces. Lors de son tour d'amorçage de 9 millions de dollars en août, mené par Lightspeed India Partners avec Peak XV Partners, TechCrunch indiquait que ses agents reposaient sur des modèles d'Anthropic dans une configuration maison. Des modèles physiques entraînés par l'entreprise trient les candidats, et un laboratoire interne teste les plus prometteurs. Advaith Sridhar se dit désormais plus confiant de trouver un matériau utile à l'industrie d'ici un an. Il s'agit d'un objectif de l'entreprise, pas d'un résultat démontré.
