
Discovered Materials (YC P26) setzt AI Agents für Halbleiter-Materialforschung ein
Das Halbleiterproblem, das Discovered Materials adressiert, ist konkret messbar: Die Thermal Design Power (TDP) von Nvidia- und AMD-Chips hat sich in wenigen Generationen mehr als verdreifacht – vom H100 mit 700 W (2022) über Blackwell mit 1,2 kW (2024) bis zu Rubin mit 2,3 kW (2026). Dieses Wachstum macht neue Materialien zu einer ingenieurwissenschaftlichen Notwendigkeit, nicht nur zu einer akademischen Übung. Ein zentrales Beispiel: Durch 3D-Packaging (HBM-Speicher direkt auf Logic-Chips gestapelt) ließe sich der Energieverbrauch pro übertragenem Bit um 10–50x senken – doch das derzeit verwendete Dielektrikum SiO2 leitet Wärme so schlecht, dass es die entstehende Hitze zwischen Logic und Memory einsperrt. Discovered Materials arbeitet neben thermischen Interface-Materialien (TIMs) auch an Dielektrika und Substraten. Der sogenannte „Lab-to-Fab Valley of Death" – der kostspielige und jahrelange Weg von der Laborsynthese bis zum Fab-Einsatz – ist das eigentliche Geschäftsproblem, das das Startup mit KI-Agenten verkürzen will. Als Proof of Concept haben die Gründer Advaith und Akash innerhalb ihrer dreimonatigen YC-Batch TIMs simuliert, synthetisiert und getestet, die mit Produkten mithalten, die große Chemiekonzerne seit über 20 Jahren als Betriebsgeheimnisse hüten. Das Geschäftsmodell sieht sowohl die Lizenzierung entdeckter Materialien als auch den Verkauf des eigenen Agenten-Frameworks an Halbleiter- und Chemieunternehmen vor, wobei das Team derzeit letzterem den Vorzug gibt.
- Rubin-GPUs (2026) erzeugen 2,3 kW Wärme – mehr als dreimal so viel wie der H100 (700 W, 2022); dieser TDP-Trend ist laut Team der Haupttreiber des Wasser- und Stromverbrauchs in Rechenzentren.
- 3D-Packaging mit HBM direkt auf Logic-Dies könnte Energie pro Bit um 10–50x senken, scheitert aktuell aber am thermisch schlechten Dielektrikum SiO2.
- Graphen-Analogie als Warnung: Die Eigenschaften wurden 1947 rechnerisch vorhergesagt, das Material erstmals 2004 synthetisiert – reine Simulation reicht für valide Materialentdeckung nicht aus.
- Geschäftsmodell: Lizenzierung von Material-IP sowie Verkauf des eigenen Agenten-Frameworks (Harness + Tools) an Halbleiter- und Chemieunternehmen; beides soll langfristig betrieben werden.
- Mitgründer Akash hält einen PhD in Materialwissenschaften der Stanford University – das Team verbindet damit Domain-Expertise mit KI-Entwicklung.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge

Discovered Materials (YC P26) setzt AI Agents für Halbleiter-Materialforschung ein
Das Halbleiterproblem, das Discovered Materials adressiert, ist konkret messbar: Die Thermal Design Power (TDP) von Nvidia- und AMD-Chips hat sich in wenigen Generationen mehr als verdreifacht – vom H100 mit 700 W (2022) über Blackwell mit 1,2 kW (2024) bis zu Rubin mit 2,3 kW (2026). Dieses Wachstum macht neue Materialien zu einer ingenieurwissenschaftlichen Notwendigkeit, nicht nur zu einer akademischen Übung. Ein zentrales Beispiel: Durch 3D-Packaging (HBM-Speicher direkt auf Logic-Chips gestapelt) ließe sich der Energieverbrauch pro übertragenem Bit um 10–50x senken – doch das derzeit verwendete Dielektrikum SiO2 leitet Wärme so schlecht, dass es die entstehende Hitze zwischen Logic und Memory einsperrt. Discovered Materials arbeitet neben thermischen Interface-Materialien (TIMs) auch an Dielektrika und Substraten. Der sogenannte „Lab-to-Fab Valley of Death" – der kostspielige und jahrelange Weg von der Laborsynthese bis zum Fab-Einsatz – ist das eigentliche Geschäftsproblem, das das Startup mit KI-Agenten verkürzen will. Als Proof of Concept haben die Gründer Advaith und Akash innerhalb ihrer dreimonatigen YC-Batch TIMs simuliert, synthetisiert und getestet, die mit Produkten mithalten, die große Chemiekonzerne seit über 20 Jahren als Betriebsgeheimnisse hüten. Das Geschäftsmodell sieht sowohl die Lizenzierung entdeckter Materialien als auch den Verkauf des eigenen Agenten-Frameworks an Halbleiter- und Chemieunternehmen vor, wobei das Team derzeit letzterem den Vorzug gibt.
- Rubin-GPUs (2026) erzeugen 2,3 kW Wärme – mehr als dreimal so viel wie der H100 (700 W, 2022); dieser TDP-Trend ist laut Team der Haupttreiber des Wasser- und Stromverbrauchs in Rechenzentren.
- 3D-Packaging mit HBM direkt auf Logic-Dies könnte Energie pro Bit um 10–50x senken, scheitert aktuell aber am thermisch schlechten Dielektrikum SiO2.
- Graphen-Analogie als Warnung: Die Eigenschaften wurden 1947 rechnerisch vorhergesagt, das Material erstmals 2004 synthetisiert – reine Simulation reicht für valide Materialentdeckung nicht aus.
- Geschäftsmodell: Lizenzierung von Material-IP sowie Verkauf des eigenen Agenten-Frameworks (Harness + Tools) an Halbleiter- und Chemieunternehmen; beides soll langfristig betrieben werden.
- Mitgründer Akash hält einen PhD in Materialwissenschaften der Stanford University – das Team verbindet damit Domain-Expertise mit KI-Entwicklung.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.