Le jeune spécialiste de San Francisco transforme cinq énigmes de science des matériaux en concours doté de 1 million de dollars. L’initiative est pensée comme un banc d’essai public des capacités des modèles d’IA, alors que la startup dit accélérer son calendrier pour livrer des matériaux utiles aux semi-conducteurs.
La startup accélère son calendrier et vise des matériaux utiles en moins d’un an
Advaith Sridhar affirme être désormais plus confiant dans la capacité de Discovered Materials à trouver des matériaux utiles industriellement dans un délai inférieur à un an. Il indique que ces délais se sont un peu accélérés par rapport à l’objectif initial. En août, lors de l’annonce de son tour de financement, il espérait générer un matériau utile dans un délai d’un an. L’objectif principal de l’entreprise est de développer de nouveaux matériaux pour les semi-conducteurs. Elle collabore avec de grands fabricants de puces sur des projets de recherche et finance également ses propres travaux scientifiques.
Un prix total de 1 million de dollars pour cinq questions clés
Discovered Materials lance un défi doté de 1 million de dollars au total pour résoudre cinq problèmes critiques en science des matériaux. L’entreprise a recruté des conseillers académiques de grandes universités mondiales pour définir ces cinq problèmes ouverts, dans un domaine qui ne dispose pas d’équivalents aux Millennium Prize Problems. Le concours vise explicitement des solutions à ces questions, chacune considérée comme structurante pour la discipline.
Des objectifs scientifiques ciblés, de la supraconductivité aux interfaces du silicium
Les cibles couvrent cinq axes. D’abord, une théorie expliquant la supraconductivité des cuprates. Ensuite, une méthode numérique pour prédire les structures des interfaces entre le silicium et le dioxyde de silicium. Le programme attend aussi une méthode numérique pour cartographier la structure des grains liée aux propriétés thermiques afin de concevoir de meilleurs matériaux de dissipation de chaleur. Il inclut une théorie prédisant pourquoi l’illumination de matériaux peut changer leur comportement, notamment autour de la supraconductivité. Enfin, il vise une méthode numérique améliorant la Théorie de la Fonctionnelle de Densité pour la modélisation atomique et moléculaire.
L’IA appliquée, concrètement ?
Les cas d’usage qui marchent vraiment, décryptés chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Premiers essais : plusieurs jours d’autonomie pour des agents d’IA, peu de progrès
Avant l’annonce, des modèles de laboratoire de pointe ont été mis à l’épreuve sur ces problèmes. Discovered Materials a permis à des agents d’IA d’utiliser Internet et d’autres ressources pour fonctionner de façon autonome pendant plusieurs jours. Les modèles ont consacré plusieurs jours à chaque problème, mais n’ont réalisé que peu d’avancées. Advaith Sridhar estime que le suivi des tentatives permettra de voir si les modèles progressent dans ce domaine. Il souligne que peu importe qui trouve les solutions, l’objectif est que ces défis servent de repères, et que les résoudre approfondirait la compréhension des matériaux et de leur comportement. Il est envisagé que des organisations comme OpenAI ou Anthropic tentent de s’y attaquer avec davantage de calcul ou des modèles plus récents.
Une démarche pensée comme un repère scientifique public
Le dispositif est présenté comme un changement dans la manière de conduire la recherche, alors que l’IA montre qu’elle peut découvrir des idées et des techniques inattendues pour les chercheurs humains. Advaith Sridhar explique qu’il s’agit d’abord d’établir des vérifications et des défis, puis de laisser apparaître des pistes explicatives, en précisant que formuler les bonnes questions représente une difficulté et que des professeurs ont participé à leur élaboration. Les modèles d’IA ont déjà apporté des solutions à des questions en mathématiques et réalisé des avancées en sciences de la vie, mais n’ont pas encore abordé de manière approfondie la physique complexe des matériaux avancés. Discovered Materials, que Sridhar a cofondée, est une start-up basée à San Francisco qui se sert de modèles d’IA pour identifier de nouvelles substances destinées à des puces avancées, et a fait partie de la promotion printemps 2026 de Y Combinator. Felipe Jornada, professeur à Stanford ayant aidé à élaborer les défis, rappelle que des phénomènes observés restent non expliqués et que leurs explications influenceraient directement l’électronique, le stockage d’énergie et la fabrication des matériaux.
