Startup de YC ofrece US$1 millón por resolver cinco problemas de ciencia de materiales con IA

La startup Discovered Materials, con sede en San Francisco y apenas unos meses de vida, anunció un desafío de US$1 millón para que modelos de inteligencia artificial resuelvan cinco problemas abiertos de la ciencia de materiales. La empresa, surgida de la camada de primavera de 2026 de Y Combinator, ofrece US$200.000 por cada solución.

El foco de la compañía es encontrar nuevas sustancias para fabricar chips avanzados. Con ese objetivo, reclutó a un grupo asesor de académicos de universidades de primer nivel para definir los cinco desafíos, ya que la disciplina no cuenta con un equivalente a los Premios del Milenio de matemática.

Los modelos de frontera ya resolvieron una serie de problemas matemáticos pendientes y avanzaron en ciencias de la vida, pero todavía no lograron desentrañar la física compleja de los materiales avanzados. Esa dificultad para formular las preguntas es parte del obstáculo.

“Es más difícil especificar los problemas con claridad en ciencia de materiales porque no es como la matemática, donde tenés una definición muy precisa y podés llegar a un sí o un no”, explicó Advaith Sridhar, cofundador de Discovered Materials. “Llegamos a esta discusión preguntándonos cuáles son los grandes desafíos de este campo y cómo sabemos que la IA está progresando”, agregó.

Los cinco problemas incluyen una teoría que explique la superconductividad de los cupratos, la capacidad de ciertos materiales de tener resistencia eléctrica cero a temperaturas ultra bajas; un método numérico para predecir las estructuras de las interfaces entre silicio y dióxido de silicio, combinación presente en casi todos los semiconductores; y un método numérico para vincular la estructura de grano con las propiedades térmicas, con el fin de diseñar materiales que disipen mejor el calor.

La lista se completa con una teoría que prediga por qué la luz modifica el comportamiento de los materiales, en particular alrededor de la superconductividad, y un método numérico para mejorar la Teoría del Funcional de la Densidad, técnica clave para modelar estructuras de átomos y moléculas.

“En toda la ciencia de materiales hay fenómenos que observamos pero no podemos explicar”, sostuvo Felipe Jornada, profesor de Stanford que ayudó a desarrollar los desafíos. “Explicar estos fenómenos mejoraría nuestra comprensión de la física, y las respuestas moldearían directamente cómo construimos electrónica, almacenamos energía y fabricamos los materiales del futuro”, afirmó.

Antes de anunciar el desafío, la empresa puso a prueba a los modelos de los laboratorios de frontera. Les dio acceso a internet y otros recursos para que trabajaran de forma autónoma durante días. Los modelos dedicaron varios días a cada problema sin avances significativos. Aun así, no sería extraño que OpenAI o Anthropic intenten resolverlos con más capacidad de cómputo o con un modelo más nuevo.

“No nos preocupa particularmente si lo encontramos nosotros, alguien más, un profesor o los laboratorios de frontera”, dijo Sridhar. “La razón por la que lanzamos estos desafíos es que queremos que sirvan como metas: si resolvés estos problemas, estamos profundizando nuestra comprensión de los materiales y de cómo se comporta lo que nos rodea”, remarcó.

Seguir los intentos de solución mostrará, según el cofundador, “si los modelos están escalando en este dominio”. El desafío también refleja el cambio en la investigación científica a medida que la IA demuestra capacidad para descubrir enfoques que los investigadores humanos no anticiparon. Con soluciones en apariencia más fáciles de hallar, las preguntas ganan peso.

“Esta es una nueva forma de pensar la ciencia, donde primero planteamos la verificación y los desafíos, y después dejamos que alguien proponga las ideas que expliquen el problema”, señaló Sridhar. “Saber cuáles son las preguntas correctas no es trivial y es muy difícil en este dominio, y ahí los profesores nos ayudaron mucho a definir qué preguntas deberíamos hacernos”, concluyó.

El negocio central de Discovered Materials es desarrollar nuevos materiales para semiconductores. La startup trabaja con gigantes de los chips en proyectos de investigación y también financia sus propios esfuerzos científicos. Cuando anunció su ronda semilla en agosto, Sridhar había expresado su deseo de generar un material útil en un año. Hoy sostiene que esos plazos se aceleraron y se mostró más confiado en lograrlo en menos tiempo.