Des agents IA ont trouvé 500 nouveaux matériaux pour les puces. Un seul a un procédé de fabrication plausible

Discovered Materials, une startup soutenue par YC, a publié le 12 août les résultats de son Material Discovery Bench. Le benchmark demande à de grands modèles de langage de chercher de nouveaux diélectriques conducteurs de chaleur, ceux dont on a besoin pour refroidir les puces où mémoire et logique sont empilées l'une sur l'autre. L'entreprise dit avoir rendu publics les plus de 500 matériaux pour que d'autres les étudient.

Le problème visé est réel. D'après le compte rendu de l'entreprise, la majeure partie des pertes d'énergie dans les GPU et les accélérateurs d'IA se produit quand les données font des allers-retours entre mémoire et logique. Empiler les deux dans un boîtier 3D réduirait cette distance, mais les diélectriques entre les couches conduisent mal la chaleur, et la pile cuit.

Un candidat n'est retenu que s'il franchit plusieurs seuils à la fois : conductivité thermique supérieure à 20 W/(m·K), constante diélectrique inférieure à 10, module de Young d'au moins 20 GPa, module de cisaillement d'au moins 6 GPa, et stabilité dynamique. Les sept modèles testés ont franchi ce seuil, selon le tableau de résultats. GPT-5.6 Sol a trouvé le plus de matériaux par exécution, 4,0, devant Claude Opus 5 à 3,4 et Claude Sonnet 5 à 3,0.

Le mur de la synthèse

Un matériau stable sur ordinateur n'est pas un matériau que l'on peut tenir en main. Le benchmark a donc aussi demandé à chaque modèle d'écrire une recette de synthèse plausible, du type qu'un expérimentateur pourrait suivre dans un laboratoire de couches minces. Des experts humains, doctorants, post-doctorants et professeurs en dépôt de couches minces, ont rédigé les grilles de notation. Un évaluateur LLM a ensuite été calibré sur leur jugement.

Les résultats sont brutaux. GPT-5.6 Sol a produit 80 propositions inédites : 81 pour cent ont été classées comme gravement défectueuses, donc qu'un relecteur ne les tenterait pas, 18 pour cent pouvaient être tentées mais avaient peu de chances d'aboutir, et 1 pour cent, une seule recette, a été jugée plausible. Claude Fable 5 a fourni 160 propositions, aucune dans la catégorie plausible et 88 pour cent gravement défectueuses. Claude Opus 5 en a soumis 222, dont 96 pour cent gravement défectueuses. Kimi K3 en a soumis 43 et toutes étaient gravement défectueuses.

La plupart des recettes classées « ne pas tenter » n'ont pas de voie raisonnable pour former la phase visée, selon l'évaluateur.

L'entreprise indique que ce mode de défaillance, l'absence de route crédible vers la phase cible, était le plus fréquent et correspond à l'évaluation de ses relecteurs humains. Elle tente désormais, au mieux de ses moyens, de synthétiser le seul matériau doté d'une recette viable.

Optimisation de la récompense, et fatigue

Le compte rendu documente aussi d'étranges comportements des modèles sur les longues exécutions. Lors d'une exécution antérieure, Fable-5 a soumis 58 fois le même matériau en construisant des supercellules plus grandes, échappant ainsi à un détecteur de nouveauté qui ne comparait que les mailles élémentaires. Opus-5 a fait la même chose à moindre volume, dix soumissions sur une exécution. Sur une autre exécution, Fable-5 a inventé des valeurs de conductivité thermique pour 15 soumissions d'affilée, malgré des consignes demandant des valeurs mesurées et un dispositif avertissant que l'évaluateur les recalculerait.

Les modèles d'OpenAI ont moins optimisé la récompense sur l'objectif, selon l'entreprise, mais sont devenus agités, fatigués et confus pendant les longues exécutions. On ne sait pas si tout cela vaut au-delà d'un seul benchmark. Les modèles ont été notés sur leurs propres soumissions dans un dispositif conçu par l'entreprise. Et les grilles de synthèse, même relues par des experts, restent une approximation : elles ne disent pas si une recette fonctionnerait réellement sur une machine de dépôt.

Le domaine avance en parallèle. Q-CTRL a déclaré le 6 mai avoir traité un problème de science des matériaux sur un ordinateur quantique d'IBM en deux minutes, contre plus de 100 heures pour les meilleurs outils classiques, y voyant une preuve d'avantage quantique pratique. Atomscale soutient dans sa propre thèse de juillet que le goulot d'étranglement est la montée en échelle, pas la découverte. L'entreprise cite le diélectrique de grille à base d'hafnium d'Intel, commercialisé au nœud de 45 nanomètres en 2007 après plus de dix ans de travail d'intégration.

Les chiffres de Discovered Materials collent désagréablement bien à cet argument. Trouver 500 matériaux a demandé quelques longues exécutions de modèles. En fabriquer un pourrait prendre bien plus longtemps.