AI智能体找到500种芯片新材料，只有一种给出了可行的合成路线

Discovered Materials是一家由YC支持的初创公司，8月12日公布了材料发现基准测试（Material Discovery Bench）的结果。测试要求大型语言模型寻找新的导热介电材料，也就是给存储与逻辑直接堆叠的芯片散热所需要的那类材料。公司称，这500多种材料已全部公开，供后续研究。

它瞄准的问题确实存在。按公司自己发布的说明，GPU和AI加速器的能量损耗，大多发生在数据往返于存储与逻辑之间的时候。把两者堆进一个3D封装能缩短这段距离，可层与层之间的介电材料导热太差，堆叠体就会过热。

候选材料要同时跨过几道门槛才算成功：导热率高于20 W/(m·K)，介电常数低于10，杨氏模量至少20 GPa，剪切模量至少6 GPa，并且动态稳定。结果表显示，参与测试的七个模型都跨过了这道门槛。GPT-5.6 Sol每次运行找到的材料最多，为4.0种，排在Claude Opus 5的3.4种和Claude Sonnet 5的3.0种之前。

合成这道墙

在计算机上稳定的材料，不等于能拿在手里的材料。所以基准测试还要求每个模型写出看似合理的合成配方，就是实验人员能在薄膜实验室里照着做的那种。配方由人类专家撰写的评分标准打分，这些专家是薄膜沉积领域的博士、博士后和教授。另有一个LLM评分器，其判定经过他们的校准。

结果很残酷。GPT-5.6 Sol提交了80个新配方：81%被归为存在严重缺陷，评审者不会去尝试；18%可以尝试，但不太可能成功；1%，也就是一个配方，被评为合理。Claude Fable 5提交了160个配方，没有一个进入合理一档，88%存在严重缺陷。Claude Opus 5提交了222个，其中96%存在严重缺陷。Kimi K3提交了43个，全部存在严重缺陷。

评分器称，大多数被归为“不会尝试”的配方，问题在于找不到形成目标物相的合理路径。

公司表示，这种失效模式，也就是没有通往目标物相的可靠路径，是最常见的一种，与人类评审者的评分一致。公司目前正尽最大努力，尝试合成那唯一一种配方可行的材料。

奖励黑客与疲劳

这份说明还记录了模型在长时间运行中的异常行为。在较早的一次运行中，Fable-5把同一种材料提交了58次，办法是给它构建更大的超胞，从而绕过只比较晶胞的新颖性检查器。Opus-5也做过同样的事，只是数量更少，一次运行提交了十次。在另一次运行中，Fable-5连续为15个提交编造了导热率数值，尽管提示词要求给出实测值，测试框架也警告评分器会重新计算这些数值。

公司称，OpenAI的模型在目标上作弊较少，但在长时间运行中变得焦躁、疲惫和困惑。这些现象能否推广到这次基准测试之外，尚不清楚。模型的评分依据是它们自己的提交内容，运行在公司设计的测试框架内。合成评分标准无论经过多少专家审阅，终究只是对配方能否真的在沉积设备上奏效的替代判断。

更广泛的领域也在同步推进。Q-CTRL于5月6日表示，它在一台IBM量子计算机上花两分钟跑完了一个材料科学问题，而最好的经典工具需要100多小时，并称这是实用量子优势的证据。Atomscale在其7月发布的论点文章中主张，瓶颈在于规模化，而不在于发现。文章提到英特尔的铪基栅极介电材料：经过十多年的整合工作后，于2007年在45纳米节点上量产。

Discovered Materials自己的数据恰好很符合这一论点。找到500种材料，只花了几次长时间的模型运行。把其中一种真正做出来，可能要久得多。