$1 млн за пять задач материаловедения, которые ИИ не решил за несколько дней

Передовые модели ИИ уже решили серию сложных математических задач и продвинулись в науках о жизни, но глубоко разобраться в физике сложных материалов пока не смогли. Discovered Materials существует несколько месяцев и прошла весенний набор 2026 года в Y Combinator (американский акселератор, который помогает молодым компаниям деньгами и наставниками). О конкурсе рассказал TechCrunch.

Что нового: пять задач, которые ИИ пока не решил

У математики есть знаменитые задачи тысячелетия с премией за каждую, у материаловедения такого списка не было. Поэтому компания собрала совет из учёных ведущих мировых университетов, и они сформулировали пять открытых задач:

• Теория сверхпроводимости купратов. Нужно объяснить, почему некоторые материалы при сверхнизких температурах проводят ток вообще без сопротивления.
• Численный метод (расчётный способ на компьютере) для границы кремния и диоксида кремния. Такое сочетание есть почти во всех полупроводниках, а значит и в чипах.
• Метод, связывающий зернистую структуру материала с тем, как он проводит тепло. Это нужно для материалов, которые лучше отводят тепло от электроники.
• Теория того, почему свет меняет поведение материалов, особенно в сверхпроводимости.
• Улучшение теории функционала плотности. Так называют основной способ моделировать на компьютере устройство атомов и молекул.

«В материаловедении есть явления, которые мы наблюдаем, но не можем объяснить. Их объяснение определит, как мы строим электронику, храним энергию и производим материалы будущего» : Фелипе Хорнада, профессор Стэнфорда, участвовал в разработке задач

Перед объявлением компания сама проверила задачи на моделях передовых лабораторий. ИИ-агенты (программы на основе нейросети, которые сами ищут информацию и действуют шаг за шагом без команд человека) получили доступ в интернет и другие ресурсы. Над каждой задачей они автономно работали несколько дней, но далеко не продвинулись.

Сооснователь Адвайт Шридхар объясняет трудность так: в математике есть точное определение и ответ «да» или «нет», а в материаловедении задачу чётко сформулировать сложнее.

«Нам не особенно важно, кто найдёт решение: мы, кто-то другой, профессор или передовые лаборатории. Мы хотим, чтобы эти задачи служили ориентирами» : Адвайт Шридхар, сооснователь Discovered Materials

По словам Шридхара, наблюдение за попытками решения покажет, растут ли модели в этой области. Он называет это новым подходом к науке: сначала проверка и задачи, потом идеи.

Основной бизнес стартапа заключается в поиске новых материалов для полупроводников. Компания ведёт исследования вместе с крупными производителями чипов, их имена не названы. В августе, объявляя о посевном раунде (первых инвестициях), Шридхар надеялся получить полезный материал в течение года, а теперь говорит, что сроки немного сократились.

Как попробовать себя в конкурсе?

1. Найдите официальное объявление Discovered Materials: адрес страницы источник не приводит, ищите по названию компании.
2. Прочитайте точные формулировки пяти задач и критерии проверки.
3. Уточните условия участия, они пока не опубликованы в материале.

Есть ли российский аналог?

Из доступных в РФ моделей можно назвать YandexGPT и GigaChat. Об их проверке на этих задачах источник ничего не сообщает, сравнивать результаты не с чем. Похожего публичного конкурса с призами за задачи материаловедения в материале тоже не упоминается.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Тема «ИИ в материаловедении» даёт честный сюжет без хайпа: нейросети решают олимпиадную математику, но физика чипов им пока не даётся. Расскажите читателю, где проходит граница возможностей ИИ.

Маркетологу. Обещания «ИИ решит всё» стоит сверять с такими эталонами. Если клиент продаёт ИИ-решение для науки или производства, спросите, какие проверяемые задачи оно решило.

Предпринимателю РФ и СНГ. Граница кремния и диоксида кремния касается почти любого полупроводника, включая выпускаемые в России. Следите за итогами конкурса: решение задачи станет открытым сигналом, что ИИ готов к промышленной физике.

Частые вопросы

Может ли обычный человек выиграть приз?

Шридхару неважно, кто найдёт решение: компания, профессор или лаборатория. Формальные требования к участникам в материале не описаны.

Почему ИИ справляется с математикой, но не с материалами?

В математике задача определена точно, а ответ проверяется как «да» или «нет». Явления в материалах учёные наблюдают, но объяснить пока не могут, и даже правильно поставить вопрос здесь трудно.

Как это связано с чипами?

Две из пяти задач прямо касаются полупроводников и отвода тепла от электроники. Если ИИ научится их решать, новые материалы для чипов будут появляться быстрее, и сам стартап рассчитывает найти такой материал меньше чем за год.

Если через полгода хотя бы одна из пяти задач падёт, это расскажет о реальной силе ИИ больше любой презентации.