一家成立仅数月的旧金山初创公司Discovered Materials正利用AI模型为先进芯片寻找新材料，该公司近日宣布设立一项百万美元悬赏挑战，邀请AI模型攻克材料科学领域的五大关键难题。
尽管前沿AI模型已经解决了一系列引人注目的数学难题，并在生命科学领域取得进展，但它们尚未真正深入探究先进材料中的复杂物理问题。
"在材料科学中明确界定问题要困难得多，因为它不像数学那样有非常具体的定义，可以得出是或否的答案，"Discovered Materials联合创始人阿德瓦斯·斯里达尔（Advaith Sridhar）说。该公司是Y Combinator2026年春季批次的成员之一。"我们曾讨论过这样一个问题：这个领域的重大挑战是什么？我们如何判断AI是否在取得进展？"
虽然材料科学领域没有类似千禧年大奖难题的体系，但Discovered Materials召集了一支由全球顶尖大学学者组成的顾问团队，共同提出了五个待解决的开放性问题。该公司为这些问题的解决方案提供总额达100万美元的奖金池。
第一个问题是建立理论解释铜氧化物超导性，即某些材料在超低温下实现零电阻的能力。
第二个问题是开发一种数值方法，用于预测硅与二氧化硅之间界面结构，这种材料组合几乎存在于所有半导体中。
第三个问题是开发一种数值方法，将晶粒结构映射到热性能，从而助力设计更优的散热材料。
第四个问题是建立理论解释为何光照会改变材料的行为特性，尤其是在超导性方面的影响。
第五个问题是改进密度泛函理论的数值方法，这是材料科学中用于模拟原子和分子结构的关键技术。
"在整个材料科学领域，存在许多我们能观察到却无法解释的现象，"协助制定这些挑战题目的斯坦福大学教授费利佩·霍尔达纳（Felipe Jornada）在声明中表示。"解释这些现象将增进我们对物理学的理解，而这些答案将直接影响我们未来如何制造电子产品、储存能源以及生产新材料。"
在正式宣布这些挑战之前，Discovered Materials曾让前沿实验室的模型自主尝试解决这些问题，赋予AI智能体互联网访问权限及其他资源，使其能够连续数日自主工作。这些模型在每个问题上耗费数天时间却未取得显著进展。不过，不难想象OpenAI或Anthropic可能会尝试利用更强大的算力或更新的模型一次性解决这些问题。
"无论是我们找到答案，还是别人找到答案，无论是某位教授找到答案，还是前沿实验室找到答案，这对我们来说都不是特别重要的问题，"斯里达尔说。"我们提出这些挑战的原因，是希望它们能充当衡量进展的标杆。如果有人解决了这些难题，那就意味着我们对材料及其周围事物行为规律的理解正在加深。"
他补充说，追踪这些问题的解决进程将显示出"模型在这一领域是否正在取得进步"。
这项挑战也反映出科学探索本质正在发生的变化，因为AI已经证明其能够发现人类研究者未曾预料到的见解和技术。随着解决方案似乎比以往更容易被找到，问题本身变得更加重要。
"这是一种全新的科学思考方式，我们首先提出验证方法和挑战，然后让某个主体想出解释问题的思路，"斯里达尔说。"要知道该提出什么样的正确问题，在这个领域中并非易事，而是相当困难的，因此这正是这些教授们真正帮助我们明确应该提出哪些正确问题的地方。"
Discovered Materials的主要业务重点是开发用于半导体的新材料；该初创公司一方面与芯片巨头合作开展研究项目，另一方面也资助自身的科学研究工作。该公司在8月宣布完成种子轮融资时，斯里达尔曾告诉TechCrunch，他希望公司能在一年内研发出一种具有实用价值的材料。
"这个时间表已经有所提前，"他如今表示。"我现在更有信心，我们能在不到一年的时间内找到这些具有产业应用价值的材料。"
