Start-ups06.11.2026, 07:37 UTC·2 Min. Lesezeit

Discovered Materials lobt 1 Mio. Dollar für KI-Lösungen aus','

Das YC-Startup Discovered Materials stellt insgesamt eine Million Dollar für Lösungen von fünf offenen Problemen der Materialwissenschaft bereit.

Researcher in a lab examining a silicon wafer, illustrating AI-driven materials science for advanced chips. — Bild: TechCrunch

Discovered Materials, ein erst wenige Monate altes Startup aus San Francisco, hat eine Challenge mit Preisen von insgesamt einer Million Dollar angekündigt. Gesucht sind KI-Modelle, die fünf offene Probleme der Materialwissenschaft lösen. Das Unternehmen setzt KI ein, um neue Substanzen für moderne Chips zu finden, und gehörte zum Frühjahrsjahrgang 2026 von Y Combinator.

KI-Modelle der Spitzenklasse haben bereits eine Reihe ungelöster mathematischer Probleme geknackt und in den Lebenswissenschaften Fortschritte erzielt. Die komplexe Physik fortgeschrittener Materialien blieb bisher weitgehend unberührt. Mitgründer Advaith Sridhar erklärt, die Probleme seien schwerer zu fassen als in der Mathematik, wo es präzise Definitionen und Ja-Nein-Antworten gebe.

Die fünf Probleme

Gemeinsam mit Wissenschaftlern führender Universitäten formulierte das Unternehmen diese Aufgaben:

Eine Theorie der Kuprat-Supraleitung, bei der manche Materialien bei extrem tiefen Temperaturen keinen elektrischen Widerstand mehr haben.
Eine numerische Methode zur Vorhersage der Grenzflächenstrukturen zwischen Silizium und Siliziumdioxid, einer Kombination in fast allen Halbleitern.
Eine numerische Methode, die Korngefüge mit thermischen Eigenschaften verknüpft, um bessere Wärmeableiter zu entwickeln.
Eine Theorie, warum Lichteinstrahlung das Verhalten von Materialien verändern kann, besonders bei Supraleitung.
Eine numerische Methode zur Verbesserung der Dichtefunktionaltheorie, einer zentralen Technik zur Modellierung von Atomen und Molekülen.

Vor dem Start ließ Discovered Materials Modelle der führenden KI-Labore jeweils mehrere Tage autonom an den Aufgaben arbeiten, mit Internetzugang und weiteren Ressourcen. Sie kamen kaum voran. Mehr Rechenleistung oder ein neueres Modell könnten das jedoch ändern.

Zielmarken statt Wettlauf

Sridhar betont, es sei unerheblich, ob das Unternehmen, ein Professor oder ein KI-Labor die Lösung findet. Die Aufgaben sollten als Zielmarken dienen und zeigen, ob die Modelle in diesem Feld aufsteigen. Felipe Jornada von der Stanford University, der an den Aufgaben mitwirkte, sagte, die Erklärung dieser Phänomene würde das physikalische Verständnis vertiefen und prägen, wie Elektronik und Energiespeicher gebaut werden.

Sridhar spricht von einer neuen Art, Wissenschaft zu betreiben: Zuerst werden Überprüfung und Fragen festgelegt, dann liefert jemand die Erklärungen.

Der Schwerpunkt des Startups bleibt die Entwicklung neuer Halbleitermaterialien, in Partnerschaft mit Chipriesen und mit eigener Forschung. Bei der Seed-Runde im August hoffte Sridhar auf ein nützliches Material binnen eines Jahres. Inzwischen seien die Zeitpläne schneller geworden, und er sei zuversichtlicher, industriell nutzbare Materialien in kürzerer Zeit zu finden.

Apps, die sich lohnen

SUMO: das Zahlenrätsel

Tippe die richtigen Felder, addiere, triff das Ziel. Leicht zu lernen, schwer zu meistern. Kostenlos, für jedes Alter.

Dialo: Sprachen lernen durch Sprechen

Sprich mit einem KI-Gesprächspartner; jeder Satz kommt korrigiert und in deiner Sprache erklärt zurück. 9 Sprachen, A1 bis C2.

ediviewer: EDI-Dateien wie Dokumente lesen

EDIFACT- und X12-Nachrichten öffnen, jedes Segment verständlich erklärt, in JSON/XML umwandeln, als PDF und Excel exportieren. Läuft lokal, kein Upload.

giftdetect: das passende Geschenk in Minuten

Wähle, für wen es ist, den Anlass und die Persönlichkeit. Die Suchmaschine liest Produktbeschreibungen lokaler Shops und sortiert, was passt. Kostenlos, ohne Anmeldung.

Schlagwörter:discovered materialsy combinatormaterials scienceaisemiconductorssuperconductivity