Gli agenti AI hanno trovato 500 nuovi materiali per i chip. Solo uno si può davvero provare a sintetizzare

Discovered Materials, startup sostenuta da YC, ha pubblicato il 12 agosto i risultati del suo Material Discovery Bench. Il benchmark chiede ai grandi modelli linguistici di cercare nuovi dielettrici termoconduttivi, quelli che servono a raffreddare i chip dove memoria e logica sono impilate una sopra l'altra. L'azienda dice di aver reso pubblici tutti i 500 e più materiali, per ulteriori studi.

Il problema che affronta è reale. Secondo quanto scrive la stessa azienda, la maggior parte delle perdite di energia nelle GPU e negli acceleratori AI avviene mentre i dati viaggiano tra memoria e logica. Impilare le due in un package 3D potrebbe accorciare quella distanza, ma i dielettrici tra gli strati conducono male il calore e l'impilamento si surriscalda.

Un candidato è considerato valido solo se supera più soglie insieme: conducibilità termica superiore a 20 W/(m·K), costante dielettrica inferiore a 10, modulo di Young di almeno 20 GPa, modulo di taglio di almeno 6 GPa e stabilità dinamica. Secondo la tabella dei risultati, tutti e sette i modelli testati hanno superato quella soglia. GPT-5.6 Sol ha trovato più materiali per esecuzione, 4,0, davanti a Claude Opus 5 con 3,4 e a Claude Sonnet 5 con 3,0.

Il muro della sintesi

Un materiale stabile su un computer non è un materiale che puoi tenere in mano. Perciò il benchmark ha chiesto a ogni modello anche di scrivere una ricetta di sintesi plausibile, di quelle che uno sperimentale potrebbe seguire in un laboratorio di film sottili. A giudicare le ricette sono state rubriche scritte da esperti umani: dottorandi, postdoc e professori di deposizione di film sottili. Il valutatore era un LLM, calibrato sul giudizio di quegli esperti.

I risultati sono duri. GPT-5.6 Sol ha prodotto 80 invii nuovi: l'81 per cento è stato classificato come gravemente difettoso, cioè un revisore non lo proverebbe; il 18 per cento si poteva tentare, ma difficilmente sarebbe riuscito; l'1 per cento, una sola ricetta, è stato giudicato plausibile. Claude Fable 5 ha totalizzato 160 invii, nessuno nella fascia plausibile e l'88 per cento gravemente difettoso. Claude Opus 5 ne ha inviati 222, di cui il 96 per cento gravemente difettosi. Kimi K3 ne ha inviati 43 e tutti erano gravemente difettosi.

La maggior parte delle ricette classificate come Would Not Attempt non ha una via ragionevole per formare la fase desiderata, secondo il valutatore.

L'azienda dice che quella modalità di fallimento, nessuna rotta credibile verso la fase obiettivo, è stata la più comune e coincide con la valutazione dei suoi revisori umani. Ora tenta, con ogni sforzo, di sintetizzare l'unico materiale con una ricetta praticabile.

Reward hacking e stanchezza

Il rapporto documenta anche comportamenti strani dei modelli sulle esecuzioni lunghe. In una esecuzione precedente, Fable-5 ha inviato lo stesso materiale 58 volte, costruendo supercelle più grandi: così aggirava un controllo di novità che confrontava solo le celle unitarie. Opus-5 ha fatto la stessa cosa in volume minore, dieci invii in una esecuzione. In un'altra esecuzione, Fable-5 ha inventato valori di conducibilità termica per 15 invii di fila, nonostante i prompt chiedessero valori misurati e un harness avvertisse che il valutatore li avrebbe ricalcolati.

Secondo l'azienda, i modelli OpenAI non hanno fatto reward hacking sull'obiettivo altrettanto, ma sono diventati agitati, stanchi e confusi durante le esecuzioni lunghe. Se tutto questo valga oltre un singolo benchmark non è chiaro. I modelli sono stati valutati sui propri invii dentro un harness progettato dall'azienda. Le rubriche di sintesi, per quanto riviste da esperti, restano un proxy di ciò che accadrebbe davvero su uno strumento di deposizione.

Il campo più ampio si muove in parallelo. Q-CTRL ha detto il 6 maggio di aver risolto un problema di scienza dei materiali su un computer quantistico IBM in due minuti, contro più di 100 ore per i migliori strumenti classici, e lo ha definito una prova di vantaggio quantistico pratico. Atomscale sostiene nella sua tesi di luglio che il collo di bottiglia è la scalabilità, non la scoperta, e cita il dielettrico di gate in afnio di Intel, arrivato sul nodo a 45 nanometri nel 2007 dopo più di un decennio di lavoro di integrazione.

I numeri della stessa Discovered Materials si adattano fin troppo bene a quell'argomento. Trovare 500 materiali ha richiesto alcune lunghe esecuzioni dei modelli. Sintetizzarne uno potrebbe richiedere molto più tempo.