Discovered Materials ha puesto 1 millón de dólares sobre la mesa para que modelos de IA resuelvan cinco problemas abiertos de ciencia de materiales. La startup de San Francisco, recién salida de la tanda de primavera 2026 de Y Combinator, reparte ese fondo entre los premios por las soluciones a cinco retos que un grupo asesor de académicos de universidades de primer nivel acaba de formular.
El negocio de la empresa es buscar materiales nuevos para semiconductores: colabora con grandes fabricantes de chips en proyectos de investigación y financia su propia actividad científica. Los cinco retos abarcan la superconductividad de cupratos, materiales con resistencia nula a temperaturas ultrabajas; la predicción de las estructuras en las interfaces entre silicio y dióxido de silicio; el mapeo entre la estructura de grano y las propiedades térmicas, para diseñar disipadores más eficientes; el efecto de la luz sobre el comportamiento de los materiales, en torno a la superconductividad; y un método numérico que mejore la Teoría del Funcional de la Densidad, la técnica central para modelar átomos y moléculas.
Antes de anunciarlo, la compañía puso los cinco problemas a los modelos de frontera de los laboratorios, con agentes que operaban de forma autónoma durante días. El resultado fue magro: los modelos dedicaron varios días a cada problema sin lograr avances significativos. Sridhar calcula que OpenAI o Anthropic podrían abordarlos de una pasada con mucho más cómputo o un modelo más reciente.
El valor está en el punto de referencia, no en el premio. «No nos preocupa especialmente que lo encontremos nosotros, un profesor o los laboratorios de frontera», explica Sridhar. «Queremos que estos retos sirvan de portería: si alguien los resuelve, entenderemos mejor los materiales». Felipe Jornada, profesor de Stanford que ayudó a desarrollar los retos, lo formula así: «En ciencia de materiales hay fenómenos que observamos pero no sabemos explicar».
El impacto para las empresas que diseñan semiconductores es directo: mejores materiales significan más rendimiento, menos calor que disipar y menos ataduras en manufactura. Si un sistema de IA resuelve problemas que hoy exigen meses de simulación y años de trabajo de laboratorio, el ciclo de diseño se acorta. Discovered Materials presentó su ronda inicial en agosto, cuando su fundador declaraba la esperanza de encontrar un material útil en menos de un año; hoy dice que esos plazos se han acortado.
Fuentes:
TechCrunch, «A YC startup is putting $1M behind five unsolved materials science problems for AI» — https://techcrunch.com/2026/11/05/a-yc-startup-is-putting-1m-behind-five-unsolved-materials-science-problems-for-ai/
