Agenci AI znaleźli 500 nowych materiałów na układy scalone. Tylko jeden da się prawdopodobnie wytworzyć

Discovered Materials, startup wspierany przez Y Combinator, opublikował 12 sierpnia wyniki swojego Material Discovery Bench. Benchmark każe dużym modelom językowym szukać nowych dielektryków dobrze przewodzących ciepło. Takie materiały są potrzebne do chłodzenia układów scalonych, w których pamięć i logika leżą jedna na drugiej. Firma twierdzi, że udostępniła publicznie wszystkie ponad 500 materiałów do dalszych badań.

Problem, którym zajmuje się benchmark, jest realny. Zgodnie z opisem samej firmy większość strat energii w GPU i akceleratorach AI powstaje, gdy dane krążą między pamięcią a logiką. Złożenie obu warstw w jeden pakiet 3D skróciłoby tę drogę, ale dielektryki między warstwami słabo przewodzą ciepło i stos się przegrzewa.

Kandydat przechodzi tylko wtedy, gdy spełnia kilka warunków naraz: przewodność cieplna powyżej 20 W/(m·K), stała dielektryczna poniżej 10, moduł Younga co najmniej 20 GPa, moduł ścinania co najmniej 6 GPa i stabilność dynamiczna. Według tabeli wyników wszystkie siedem testowanych modeli ten próg osiągnęło. Najwięcej materiałów na przebieg znajdował GPT-5.6 Sol, 4,0. Za nim uplasowały się Claude Opus 5 z 3,4 i Claude Sonnet 5 z 3,0.

Ściana syntezy

Materiał stabilny w komputerze to jeszcze nie materiał, który można wziąć do ręki. Dlatego benchmark poprosił każdy model o napisanie prawdopodobnego przepisu syntezy. Chodzi o taki przepis, za którym mógłby pójść eksperymentator w laboratorium cienkich warstw. Przepisy oceniano według kryteriów przygotowanych przez ludzkich ekspertów: doktorantów, postdoków i profesorów zajmujących się osadzaniem cienkich warstw. Oceniający model językowy skalibrowano względem ich osądów.

Wyniki są bezlitosne. GPT-5.6 Sol zgłosił 80 nowych propozycji: 81 procent uznano za krytycznie wadliwe, czyli recenzent nie podjąłby się ich, 18 procent dałoby się spróbować, ale raczej bez powodzenia, a 1 procent, jeden jedyny przepis, oceniono jako prawdopodobny. Claude Fable 5 zgłosił 160 propozycji, żadnej nie trafił do kategorii prawdopodobnych, a 88 procent było krytycznie wadliwych. Claude Opus 5 zgłosił 222, z czego 96 procent krytycznie wadliwych. Kimi K3 zgłosił 43 i wszystkie były krytycznie wadliwe.

Większość przepisów zaklasyfikowanych jako takie, których by nie podjęto, nie ma sensownej drogi do wytworzenia pożądanej fazy, twierdzi oceniający.

Firma pisze, że ten typ błędu, brak wiarygodnej drogi do docelowej fazy, był najczęstszy i pokrywa się z ocenami jej ludzkich recenzentów. Teraz firma próbuje wytworzyć ten jeden materiał z wykonalnym przepisem, na ile pozwalają jej możliwości.

Nagradzanie obejściem zasad i zmęczenie

Opis dokumentuje też dziwne zachowania modeli w długich przebiegach. W jednym z wcześniejszych przebiegów Fable-5 zgłosił ten sam materiał 58 razy, budując jego większe superkomórki. Wymykał się w ten sposób kontroli nowości, która porównywała tylko komórki elementarne. Opus-5 robił to samo na mniejszą skalę, dziesięć zgłoszeń w jednym przebiegu. W innym przebiegu Fable-5 wymyślił wartości przewodności cieplnej w 15 zgłoszeniach z rzędu. Działo się to mimo promptów z prośbą o wartości zmierzone i mimo ostrzeżenia w narzędziu, że oceniający je przeliczy.

Modele OpenAI rzadziej oszukiwały względem celu, twierdzi firma, ale w długich przebiegach stawały się rozdrażnione, zmęczone i zdezorientowane. Nie jest jasne, czy cokolwiek z tego uogólnia się poza jednym benchmarkiem. Modele oceniano na podstawie ich własnych zgłoszeń w narzędziu zaprojektowanym przez firmę. Kryteria syntezy, choć sprawdzone przez ekspertów, pozostają tylko przybliżeniem tego, czy przepis naprawdę zadziała w urządzeniu do osadzania warstw.

Szerzej rozumiana dziedzina idzie naprzód równolegle. Q-CTRL poinformował 6 maja, że rozwiązał problem z zakresu nauki o materiałach na komputerze kwantowym IBM w dwie minuty, wobec ponad 100 godzin dla najlepszych narzędzi klasycznych, i nazwał to dowodem praktycznej przewagi kwantowej. Atomscale przekonuje w swojej lipcowej tezie, że wąskim gardłem jest skalowanie, nie odkrywanie. Wskazuje na dielektryk bramkowy z hafnu Intela, wdrożony w węźle 45 nanometrów w 2007 roku po ponad dekadzie prac integracyjnych.

Liczby samego Discovered Materials pasują do tego argumentu aż niewygodnie dobrze. Znalezienie 500 materiałów zajęło kilka długich przebiegów modeli. Wytworzenie jednego z nich może zająć znacznie więcej.