一家 YC 初创公司将投入 100 万美元支持五个未解决的人工智能材料科学问题
真正值得关注的不是这条新闻本身，而是它可能把「硬件」的竞争焦点推向算力经济性与终端入口竞争。
原文链接：https://techcrunch.com/2026/11/05/a-yc-startup-is-putting-1m-behind-five-unsolved-materials-science-problems-for-ai/
Discovered Materials 是一家位于旧金山的初创公司，成立仅数月，利用人工智能模型寻找用于构建先进芯片的新物质，该公司宣布向人工智能模型发起百万美元挑战，以解决材料科学中的五个关键问题。虽然前沿人工智能模型已经解决了一系列引人注目的数学问题，并在生命科学领域取得了进展，但它们尚未真正探索先进材料中的复杂物理现象。
Discovered Materials 的联合创始人 Advaith Sridhar 表示：“在材料科学中明确指出问题更加困难，因为它不像数学，数学有非常具体的定义，并且可以得出是或否的结论。”Discovered Materials 是 Y Combinator 2026 年春季批次的一部分。
“我们参加这个讨论[想知道]，这个领域面临的巨大挑战是什么？我们如何知道人工智能正在取得进展？”尽管材料科学没有类似的千年奖问题，但《发现材料》在全球领先大学招募了一个由学者组成的咨询小组，以阐明五个开放问题。该公司提供总价值 100 万美元的奖品，以奖励问题的解决方案。解释铜酸盐超导性的理论，或某些材料在超低温下具有零电阻的能力。一种预测硅和二氧化硅之间界面结构的数值方法，硅和二氧化硅是几乎所有半导体中都存在的材料组合。一种将晶粒结构映射到热性能的数值方法，从而能够设计出更好的散热材料。一种预测为什么光照在材料上可以改变其行为的理论，特别是在超导方面。改进密度泛函理论的数值方法，密度泛函理论是材料科学中用于模拟原子和分子结构的关键技术。
“在材料科学领域，有些现象我们观察到但无法解释，”帮助开发这些挑战的斯坦福大学教授费利佩·乔纳达 (Felipe Jornada) 在一份声明中表示。
“解释这些现象将提高我们对物理学的理解，而答案将直接影响我们如何制造电子产品、储存能量和制造未来的材料。”在宣布挑战之前，Discovered Materials 开放了前沿实验室模型，为人工智能代理提供互联网访问和其他资源，使其可以自主工作数天。