Oke jadi ini masalahnya: chip-chip yang jalanin AI workload tuh beneran anget banget, dan itu bikin data center ngabisin listrik selangit plus butuh sistem pendingin yang ribet. Nah, enter Discovered Materials — startup yang lagi main AI whack-a-mole buat nemuin material baru yang bisa bikin integrated circuits lebih efisien.
Startup ini baru aja nutup seed round $9 juta (好奇 tentang berapa nilainya dalam rupiah? Itu sekitar Rp146 miliar bro) dari Lightspeed India Partners. Mereka juga baru graduate dari Y Combinator, dengan tambahan modal dari PeakXV Partners dan angel investors kayak Paul Graham, Gokul Rajaram, sama Thariq Shihipar.
Gimana Sih Cara Kerjanya?
Founder-nya ada dua orang: Advaith Sridhar dan Akash Ramdas. Akash ini punya background cukup solid — dia dapet doctorate di materials science dari Stanford, dan kebetulan Advaith dulu kerja di agent systems di Persona AI sama Luma Labs. Mereka udah bikin software pipeline yang
- Pakai Anthropic models dalam custom harness buat generate material leads
- Terus dijalanin simulations pake foundational physics models yang udah mereka train sendiri buat verify apakah kandidat materialnya emang menarik atau nggak
Kerennya lagi, waktu Akash masih nyelesaiin PhD, dia cuma bisa "nebak" sekitar 20 material per hari. Tapi sekarang? thousands of guesses per day, all running 24/7 on the cloud, exploring research directions yang dia kasih ke AI agents. Itu peningkatan yang cukup gila sih kita bilang.
Fokus ke Thermal Problem
Mereka nggak mau spread ke mana-mana — Discovered Materials nargetin khusus ke thermal problems di semiconductor materials. Pesaing mereka kayak MatNex, SandboxAQ, sama CuspAI juga lagi garap hal serupa, tapi startup ini yakin laser-focus ke masalah panas chip adalah jalan menuju success.
Mereka klaim udah nemuin beberapa material yang match sama properties material yang udah dipake oleh chipmakers besar — tapi ya nggak bisa spill details-nya publik. Hemant Mohapatra, partner di Lightspeed yang lead this round, ngomong:
"Ini kayak main whack-a-mole sama atomic structures. Sebuah material cuma berguna di dunia nyata kalau semua properties-nya converge sekaligus, dan itu yang bikin ini jadi search problem yang menarik."
Tantangan: Engineering Trade-off
Nah ini bagian yang tricky. Even kalau mereka nemuin material yang bisa reduce heat generation atau improve dissipation, ada risiko lain:
- Materialnya terlalu susah di-manufacture jadi chip
- Electrical properties-nya compromised
Jadi intinya, banyak kemungkinan yang harus di-balance. Sridhar bilang begitu mereka nemuin kandidat yang valuable, mereka bakal attempt untuk patent penggunaan materialnya di GPUs, atau proses bikin chip dari substance tersebut, terus licensing ke chipmakers. Mereka hopes bisa punya material baru yang worth patenting dalam setahun.
Geek Opinion
Secara realism? Kita masih belum lihat AI-discovered materials yang beneran bikin impact secara komersial. Yang paling deket mungkin Insilico Medicine's Renterosib — first drug discovered with generative AI yang masuk Phase II clinical trial. Di materials side, beberapa promising candidates udah ditemukan (kayak MatNex's rare-earth free permanent magnets), tapi belum ada yang deployed secara komersial.
Mohapatra juga nunjukin insight penting: bottleneck-nya bukan di finding candidates, tapi di "filtering them correctly and synthesizing them". Dan jujur, proses synthesis ini emang nggak bisa di-sped up — tetap butuh waktu di wet lab.
Jadi ya, exciting sih teknologinya, tapi sabar ya — ini bukan magic instant solution. Tapi kalau emang bisa nemuin material yang bikin chip lebih adem tanpa ngorbankan performance? That's definitely a game changer buat masa depan AI infrastructure.
What do you think? Apakah AI bakal revolutionize material science atau masih banyak hype? Drop your thoughts below!
