旧金山 YC 孵化企业“发现材料”（Discovered Materials）宣布设立总额 100 万美元的奖金池，旨在攻克人工智能在材料科学领域的五个核心未解难题。该公司利用 AI 模型探索用于制造先进芯片的新物质。
尽管前沿 AI 模型已在解决复杂数学问题及推动生命科学进展方面表现卓越，但在材料科学领域的应用仍面临挑战。与拥有明确定义的数学不同，材料科学中的问题界定更为模糊，难以直观衡量 AI 是否取得了实质性突破。
五大悬赏难题
鉴于材料科学中不存在类似“千禧年大奖难题”的标准问题，“发现材料”组建了一个由全球顶尖大学学者构成的咨询小组，确立了以下五个亟待解决的科研目标，并为成功解决者提供总计 100 万美元的奖励：
- 建立解释超酸超导性的理论体系，即阐明某些材料在极低温度下实现零电阻现象的物理机制。
- 开发一种数值方法，以预测几乎所有半导体中存在的“几乎”与二氧化物之间的界面结构。
- 构建将粒度结构与热性能相关联的数值模型，从而指导更高效散热材料的设计。
- 解析为何对材料进行发光处理会改变其物理行为，特别是在超导特性方面的影响机制。
- 改进密度泛函理论（DFT）的数值计算方法，该理论是模拟原子和分子结构的关键技术工具。
斯坦福大学教授 Felipe Jornada 在声明中指出：“通过材料科学，我们观察到许多无法解释的现象。揭示这些现象背后的原理不仅有助于深化对物理学的理解，还将直接指导电子产品构建、能源存储以及未来材料的制造方式。”
AI 现状与挑战意义
在正式发布挑战之前，“发现材料”已尝试让前沿实验室模型介入上述问题。然而，经过数天的计算运行，这些模型未能取得显著进展。尽管如此，外界普遍认为 OpenAI 或 Anthropic 等机构可能会通过提升算力或迭代模型架构来应对这一挑战。
公司创始人斯里达尔表示：“我们并不执着于由谁来解决这些问题——无论是我们的团队、其他研究者、教授还是前沿实验室。提出这些挑战的核心目的是确立‘目标柱’。解决这些难题的过程，将让我们更深入地理解材料及其周围世界的运作规律。”
斯里达尔补充道，追踪解决过程的努力将有助于判断该领域的研究模式是否正在发生根本性转变。这项挑战也反映了科学研究范式的演变：随着 AI 能力增强，其有望揭示人类研究人员未曾预料到的洞察与技术路径，使得精准定义问题变得愈发关键。
“这是一种全新的科学思维方式，即首先提出验证标准和挑战，”斯里达尔说道，“在该领域中，知道如何提出正确的问题极具挑战性且至关重要，这也是教授们协助我们塑造问题框架的原因。”
产业化前景
“发现材料”的主要业务重心在于开发用于半导体的新材料。公司在参与芯片巨头合作研发项目的同时，也为自身的科学研究提供资金支持。斯里达尔向 TechCrunch 透露，他希望公司能在一年内产出具有实用价值的材料成果。
“时间表正在加速，”他说，“我现在更有信心，我们将能够在不到一年的时间内找到具备工业应用价值的材料。”
