Startup Discovered Materials (YC, весна 2026) запустил конкурс, который нужен скорее не для поиска решений, а как измеритель реального прогресса ИИ в материаловедении. Компания выделила миллион долларов в виде призов за решение пяти задач, которые сформулировали в консультации с профессорами ведущих университетов мира. Пока сами попробовали: дали фронтальным моделям интернет-доступ и ресурсы работать автономно несколько дней на каждой задаче. Результат — почти никакого прогресса.
Смысл не в том, кто первым найдёт ответ: OpenAI или Anthropic могут подойти с более мощными вычислениями, университетские исследователи или кто-то ещё. Суть в том, что материаловедение как область знания остро нуждается в четких ориентирах. Если математика имеет Millennium Prize Problems с ясными формулировками, то в материаловедении граница между решением и несolution размыта. Здесь не просто да или нет — нужно объяснить физические явления, которые учёные наблюдают, но не могут полностью смоделировать. Это напрямую влияет на дизайн электроники, хранение энергии, производство материалов будущего.
Интересный поворот: здесь наблюдается сдвиг в самой природе научного процесса. Раньше учёный выдвигал гипотезу, потом искал доказательства. Теперь выходит наоборот: сначала формулируют очень точные вопросы (это сложнее, чем кажется), потом ИИ-системы ищут закономерности и объяснения, которые люди не предвидели. Роль человека — не в генерации идей, а в постановке правильных задач.
Discovered Materials сам по себе занимается поиском новых веществ для полупроводников через ИИ-модели, работает с chip-гигантами на исследовательских проектах и ведёт свои разработки. Когда в августе объявили seed-раунд, соучредитель Advaith Sridhar говорил о сроке в год до первого промышленно полезного материала. Сейчас сроки, похоже, сжимаются — он заявляет, что уверен выдать результат быстрее.
Для российского бизнеса в сфере материаловедения и полупроводников такой подход может быть полезен как модель. Если у компании есть наборы нерешённых инженерных или научных задач (синтез сплавов, оптимизация процессов, поиск материалов с нужными свойствами), можно структурировать их как публичный чемпионат с призами. Это привлекает внимание ИИ-лабораторий, помогает бесплатно протестировать модели на реальных проблемах и одновременно генерирует PR. Такой подход уже работает в европейских и американских компаниях в химической промышленности и материаловедении.
Ещё один аспект: сама постановка задачи становится конкурентным преимуществом. Любой желающий, включая крупные лабс, могут взяться за эти задачи, но в процессе Discovered Materials получает карту слабых мест современных ИИ-моделей в конкретной области науки. Это ценнее, чем одно решение.
