El consumo energético de los centros de datos que ejecutan cargas de trabajo de inteligencia artificial se ha convertido en un cuello de botella crítico para la industria. Los chips generan un exceso de calor que requiere sistemas de enfriamiento costosos y complejos, lo que impulsa tanto el gasto operativo como el impacto ambiental. Esta presión ha originado un nuevo enfoque: utilizar enjambres de agentes de inteligencia artificial para identificar materiales que permitan construir circuitos integrados significativamente más eficientes.
Una startup ha completado recientemente una ronda inicial de financiamiento por 9 millones de dólares tras su paso por Y Combinator, con participación de inversores especializados en tecnología de materiales. Los fundadores combinan experiencia en ciencia de materiales a nivel doctoral con trayectoria en desarrollo de agentes de IA. Su metodología emplea modelos avanzados de inteligencia artificial para generar candidatos de materiales potenciales, que luego se evalúan mediante simulaciones basadas en modelos de física fundamentales entrenados específicamente para este propósito. Según los fundadores, esta capacidad permite realizar miles de suposiciones diariamente gracias a agentes operativos continuamente en la nube, explorando direcciones de investigación con eficiencia sin precedentes.
El desafío técnico es complejo: incluso si se identifica un material que reduce la generación de calor o mejora la disipación térmica, su manufactura en chips puede presentar dificultades o sus propiedades eléctricas podrían verse comprometidas. Los inversores describen este problema como un juego de "golpear al topo" con estructuras atómicas, donde la utilidad real de un material depende de que múltiples propiedades converjan simultáneamente. La empresa ha identificado varios materiales que cumplen con propiedades requeridas por fabricantes de chips principales, aunque aún no divulga detalles específicos.
La ventaja competitiva radica en la capacidad de experimentar y validar rápidamente nuevos candidatos en laboratorio, combinada con la experiencia profunda en ciencia de materiales. Cuando se identifiquen candidatos valiosos, la estrategia contempla patentar tanto el uso de estos materiales en unidades de procesamiento gráfico como los procesos de fabricación, con intención de licenciar estas innovaciones a fabricantes del sector. Se proyecta que en el próximo año se logren descubrimientos dignos de patente.
Este enfoque se alinea con una tendencia más amplia en el sector: la predicción de sustancias novedosas mediante IA se convertirá en un servicio común a medida que los modelos continúen evolucionando. Aunque aún no se observa impacto comercial significativo de fármacos o materiales descubiertos mediante inteligencia artificial en producción masiva, existen candidatos prometedores en desarrollo clínico y materiales avanzados como imanes permanentes libres de tierras raras que podrían marcar diferencia en el futuro cercano. Para los CTO, esto representa una oportunidad de reducción de costos operativos en infraestructura de datos; para los CEO, implica ventajas competitivas en eficiencia energética y posibles nuevos modelos de negocio basados en licenciamiento de tecnología de materiales.
