
Discovered Materials sammelt 9 Mio. USD für KI-gestützte Chipmaterialforschung
Discovered Materials wurde von Advaith Sridhar und Akash Ramdas gegründet, die ihre jeweiligen Stärken gezielt kombinierten: Ramdas promovierte in Materialwissenschaft an der Stanford University, Sridhar brachte Erfahrung mit KI-Agenten aus Stationen bei Persona AI und Luma Labs mit. Das Kernprodukt ist eine Software-Pipeline, die Anthropic-Modelle in einem eigens entwickelten Harness einsetzt, um Materialkandidaten zu generieren, und anschließend selbst trainierte physikalische Grundlagenmodelle nutzt, um diese per Simulation zu validieren. Parallel veröffentlichte das Unternehmen das „Material Discovery Bench" – ein Benchmark-Tool, das misst, wie gut Frontier-Modelle bei der Materialentdeckung abschneiden. Im Wettbewerbsumfeld tummeln sich bereits Akteure wie MatNex, SandboxAQ und CuspAI, doch Discovered Materials setzt bewusst auf einen engen Fokus: thermische Probleme von Halbleitermaterialien für Chips. Das Startup hat nach eigenen Angaben bereits mehrere Materialien identifiziert, die Eigenschaften von in der Industrie genutzten Stoffen replizieren – Details dazu bleiben jedoch aus Wettbewerbsgründen unter Verschluss. Die geplante Monetarisierung sieht vor, Patente auf die Verwendung neuer Materialien in GPUs oder auf entsprechende Fertigungsprozesse anzumelden und diese an Chiphersteller zu lizenzieren. Sridhar räumt dabei ein, dass ein Teil der Arbeit zwingend in physischen Nasslaboren stattfinden muss – ein Prozess, der sich durch KI nicht beschleunigen lässt.
- Zu den Angel-Investoren gehören Y-Combinator-Mitgründer Paul Graham sowie Gokul Rajaram und Thariq Shihipar; Peak XV Partners beteiligte sich ebenfalls.
- Das 'Material Discovery Bench' wurde zeitgleich mit dem Funding-Announcement veröffentlicht und soll frontier-Modelle im Materialentdeckungsbereich vergleichbar machen.
- Die Kommerzialisierungsstrategie basiert auf Patenten: geplant sind Schutzrechte auf Materialeinsatz in GPUs oder auf den Herstellungsprozess, die an Chiphersteller lizenziert werden sollen.
- Lightspeed-Partner Hemant Mohapatra erwartet, dass das reine Vorhersagen neuer Substanzen künftig zur Commodity wird – Wettbewerbsvorteil sei das Labor-Know-how für schnelle physische Validierung.
- Als bisher weitreichendstes Beispiel für KI-entdeckte Substanzen im kommerziellen Einsatz gilt Insilico Medicines Renterosib, das erste mit generativer KI entwickelte Medikament in einer Phase-III-Studie – kommerzielle Materialien sind noch keines in den Massenmarkt gelangt.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHtechcrunch.com2w
Ricursive Intelligence automatisiert Chip-Design mit KI
- FUNDINGtechcrunch.com2w
Scimplify sammelt 25 Mio. USD für KI-gestützte Materialproduktion als China-Alternative
- FUNDINGtechcrunch.com1w
Tenstorrent mit 1,5-Mrd.-Dollar-Runde auf 6,2-Mrd.-Dollar-Bewertung
- FORSCHUNGarxiv.org3w
AI Theorist entdeckt exzitonische Struktur in Quantenmaterial α-RuCl₃ autonom

Discovered Materials sammelt 9 Mio. USD für KI-gestützte Chipmaterialforschung
Discovered Materials wurde von Advaith Sridhar und Akash Ramdas gegründet, die ihre jeweiligen Stärken gezielt kombinierten: Ramdas promovierte in Materialwissenschaft an der Stanford University, Sridhar brachte Erfahrung mit KI-Agenten aus Stationen bei Persona AI und Luma Labs mit. Das Kernprodukt ist eine Software-Pipeline, die Anthropic-Modelle in einem eigens entwickelten Harness einsetzt, um Materialkandidaten zu generieren, und anschließend selbst trainierte physikalische Grundlagenmodelle nutzt, um diese per Simulation zu validieren. Parallel veröffentlichte das Unternehmen das „Material Discovery Bench" – ein Benchmark-Tool, das misst, wie gut Frontier-Modelle bei der Materialentdeckung abschneiden. Im Wettbewerbsumfeld tummeln sich bereits Akteure wie MatNex, SandboxAQ und CuspAI, doch Discovered Materials setzt bewusst auf einen engen Fokus: thermische Probleme von Halbleitermaterialien für Chips. Das Startup hat nach eigenen Angaben bereits mehrere Materialien identifiziert, die Eigenschaften von in der Industrie genutzten Stoffen replizieren – Details dazu bleiben jedoch aus Wettbewerbsgründen unter Verschluss. Die geplante Monetarisierung sieht vor, Patente auf die Verwendung neuer Materialien in GPUs oder auf entsprechende Fertigungsprozesse anzumelden und diese an Chiphersteller zu lizenzieren. Sridhar räumt dabei ein, dass ein Teil der Arbeit zwingend in physischen Nasslaboren stattfinden muss – ein Prozess, der sich durch KI nicht beschleunigen lässt.
- Zu den Angel-Investoren gehören Y-Combinator-Mitgründer Paul Graham sowie Gokul Rajaram und Thariq Shihipar; Peak XV Partners beteiligte sich ebenfalls.
- Das 'Material Discovery Bench' wurde zeitgleich mit dem Funding-Announcement veröffentlicht und soll frontier-Modelle im Materialentdeckungsbereich vergleichbar machen.
- Die Kommerzialisierungsstrategie basiert auf Patenten: geplant sind Schutzrechte auf Materialeinsatz in GPUs oder auf den Herstellungsprozess, die an Chiphersteller lizenziert werden sollen.
- Lightspeed-Partner Hemant Mohapatra erwartet, dass das reine Vorhersagen neuer Substanzen künftig zur Commodity wird – Wettbewerbsvorteil sei das Labor-Know-how für schnelle physische Validierung.
- Als bisher weitreichendstes Beispiel für KI-entdeckte Substanzen im kommerziellen Einsatz gilt Insilico Medicines Renterosib, das erste mit generativer KI entwickelte Medikament in einer Phase-III-Studie – kommerzielle Materialien sind noch keines in den Massenmarkt gelangt.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHtechcrunch.com2w
Ricursive Intelligence automatisiert Chip-Design mit KI
- FUNDINGtechcrunch.com2w
Scimplify sammelt 25 Mio. USD für KI-gestützte Materialproduktion als China-Alternative
- FUNDINGtechcrunch.com1w
Tenstorrent mit 1,5-Mrd.-Dollar-Runde auf 6,2-Mrd.-Dollar-Bewertung
- FORSCHUNGarxiv.org3w
AI Theorist entdeckt exzitonische Struktur in Quantenmaterial α-RuCl₃ autonom