L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
L'IA pour résoudre les défis énergétiques des centres de données
Les puces informatiques, essentielles pour les charges de travail d'intelligence artificielle, génèrent une quantité significative de chaleur. Ce phénomène contribue à l'énorme consommation d'énergie des centres de données, qui nécessitent des systèmes de refroidissement sophistiqués pour fonctionner efficacement. Face à ce défi, les entrepreneurs se tournent vers l'IA pour trouver des solutions aux problèmes qu'elle a contribué à créer.
Discovered Materials et sa stratégie innovante
Discovered Materials est la dernière entreprise à s'engager dans cette voie, en utilisant des essaims d'agents IA pour identifier de nouveaux matériaux capables d'améliorer l'efficacité des circuits intégrés. La startup a récemment levé 9 millions de dollars lors d'un tour de financement mené par Lightspeed India Partners, après avoir émergé de l'accélérateur Y Combinator. Parmi les investisseurs figurent Peak XV Partners et des personnalités telles que Paul Graham, Gokul Rajaram et Thariq Shihipar.
Les fondateurs et leur expertise
Advaith Sridhar et Akash Ramdas ont uni leurs forces pour fonder Discovered Materials. Ramdas, qui possède un doctorat en science des matériaux de Stanford, apporte son expertise académique, tandis que Sridhar s'appuie sur son expérience avec les agents IA chez Persona AI et Luma Labs. Ensemble, ils ont développé un pipeline logiciel qui utilise des modèles d'Anthropic dans un cadre personnalisé pour générer des pistes de matériaux. Ces pistes sont ensuite testées à l'aide de modèles de physique fondamentale qu'ils ont eux-mêmes entraînés.
Une approche à grande échelle
Selon Sridhar, Ramdas formulait environ 20 hypothèses par jour durant son doctorat. Aujourd'hui, grâce à l'automatisation par l'IA, l'entreprise peut générer des milliers d'hypothèses quotidiennement, opérant en continu dans le cloud pour explorer de nouvelles directions de recherche.
Des découvertes prometteuses
Discovered Materials a publié des exemples de centaines de nouveaux matériaux, ainsi qu'un outil nommé "Material Discovery Bench" pour suivre les avancées des modèles de pointe. D'autres entreprises, telles que MatNex, SandboxAQ et CuspAI, ont également entrepris des initiatives similaires. Cependant, Discovered Materials mise sur une approche ciblée sur les problèmes thermiques des matériaux semi-conducteurs pour se démarquer.
Les défis de l'ingénierie des matériaux
Un des principaux défis réside dans l'équilibre des propriétés des matériaux. Un matériau qui réduit la chaleur peut s'avérer difficile à fabriquer ou avoir des propriétés électriques insuffisantes. Hemant Mohapatra, partenaire chez Lightspeed, compare cette recherche à un jeu de "whack-a-mole" avec les structures atomiques, soulignant que l'utilité d'un matériau dépend de la convergence de plusieurs facteurs.
L'avenir de la prédiction des matériaux
Mohapatra anticipe une commoditisation du secteur de la prédiction de nouvelles substances à mesure que les modèles s'améliorent. Discovered Materials se distingue par l'expérience de Ramdas et sa capacité à expérimenter rapidement et valider les matériaux candidats. L'entreprise envisage de breveter l'utilisation de ces matériaux dans les GPU et de les licencier aux fabricants de puces.
Les défis de la commercialisation
Malgré l'enthousiasme autour de l'IA, aucun matériau ou médicament découvert par cette technologie n'a encore eu un impact commercial significatif. Le Renterosib d'Insilico Medicine, un médicament IA en essai clinique de phase II, est l'un des rares exemples proches de la commercialisation. Dans le domaine des matériaux, des candidats prometteurs comme les aimants permanents sans terres rares de MatNex n'ont pas encore été déployés à grande échelle.
La synthèse et la validation, des étapes cruciales
Mohapatra souligne que le véritable obstacle n'est pas la découverte de nouveaux matériaux, mais leur filtrage et leur synthèse. Sridhar reconnaît que, malgré les données et l'expertise de Discovered Materials, le processus nécessite des expérimentations en laboratoire, un aspect qui ne peut être accéléré par l'IA.
