Discovered Materials是一家位于旧金山的初创公司，成立不过数月，主业是用AI模型寻找制造先进芯片所需的新物质。公司宣布拿出100万美元奖金池，悬赏AI模型解决材料科学中的五个开放问题。这家公司是Y Combinator 2026春季批次的成员。

材料科学与数学不同，问题往往很难清晰定义。联合创始人Advaith Sridhar说，数学有明确定义和明确的yes/no，材料科学则连“把问题说清楚”都不容易。这个领域也没有千禧年大奖难题那样的等价物，所以公司请了一批全球顶尖大学的学者组成顾问组，帮助把五个开放问题具体化。

五个问题包括：
1. 解释铜酸盐超导的理论——某些材料在超低温下电阻会降为零。
2. 预测硅与二氧化硅界面结构的数值方法——这两种材料几乎存在于所有半导体中。
3. 把晶粒结构映射到热性能的数值方法——用于设计更好的散热材料。
4. 预测光照为何会改变材料行为的理论，尤其是与超导相关的行为。
5. 改进密度泛函理论的数值方法——这是材料科学中模拟原子和分子结构的关键技术。

在对外宣布之前，公司已经让前沿实验室的AI智能体试着解过一轮题：给它们开放互联网访问及其他资源，让它们自主工作数天。结果是每个问题都花了好几天，进展却有限。不难想象OpenAI或Anthropic会用显著更多的算力或更新的模型，尝试一次性拿下这些挑战。Sridhar对此并不担心。他说，我们找到、别人找到、教授找到、前沿实验室找到，都不是特别值得担心的事。设立这些挑战是为了立下路标：追踪解决进展，就能看出AI模型在材料科学这个领域是否真的在爬升。

这背后是一种关于科学研究的观念变化。当AI已经能做出人类研究者没有预见的发现，且答案看起来比以往更容易找到时，问题本身反而变得更重要。Sridhar把这种新方式概括为：先把验证标准和挑战定下来，再让别人提出解释问题的想法。学者们在这里的作用，就是帮他们厘清该问什么问题。

Discovered Materials的主业是开发半导体新材料，既与芯片巨头合作研究项目，也自己出资做科研。在8月宣布种子轮时，Sridhar曾对TechCrunch说，希望一年内能产生一种有用的材料。如今他说时间线有所加快，他更有信心在不到一年内找到工业上可用的新材料。