Discovered Materials, AI 에이전트를 활용해 칩 열 관리 문제 해결

AI 워크로드가 데이터 센터를 열적 한계치까지 몰아붙이면서, 한 신생 스타트업이 생성형 AI를 활용해 AI가 만들어낸 바로 그 문제를 해결하려 하고 있습니다. Discovered Materials는 자율형 AI 에이전트를 사용하여 새로운 방열 소재를 탐색함으로써 칩의 효율성을 높이는 것을 목표로 합니다.

AI 스웜(Swarms)과 물리 모델을 통한 발견의 확장

현대 칩 제조의 병목 현상은 설계가 아니라, 막대한 연산 부하로 인해 발생하는 열입니다. Y Combinator 출신인 Discovered Materials는 인간의 추측을 고속 AI 파이프라인으로 대체합니다. 창립자인 Advaith Sridhar와 Akash Ramdas는 생성형 지능을 물리적 현실과 연결하는 소프트웨어 하네스(harness)를 구축했습니다.

워크플로우는 Anthropic 모델을 맞춤형 환경에 입력하여 소재 후보(leads)를 생성합니다. 그런 다음 스타트업은 자체 학습시킨 물리 모델을 통해 해당 후보들을 검증하며 엄격한 시뮬레이션을 수행합니다. 인간 연구자가 하루에 약 20번의 추측을 관리한다면, AI 에이전트는 클라우드에서 24시간 내내 수천 건의 시뮬레이션을 쏟아냅니다.

재료 공학의 "두더지 잡기"식 과제

후보 소재를 찾는 것은 문제의 절반에 불과합니다. 어떤 소재는 방열 성능은 뛰어나지만 전기적 안정성이나 제조 가능성 면에서 실패할 수 있습니다. Lightspeed India Partners의 파트너인 Hemant Mohapatra는 이 과정을 원자 구조를 대상으로 하는 "두더지 잡기"에 비유합니다. 열적, 전기적, 생산적 제약 조건이 모두 일치해야 하기 때문입니다.

이러한 난이도를 측정하기 위해, 이 회사는 최첨단 AI 모델이 다차원적인 재료 과학 문제를 어떻게 해결하는지 추적하는 도구인 "Material Discovery Bench"를 출시했습니다. MatNex, SandboxAQ, CuspAI와 같은 경쟁사들도 동일한 분야에서 활동하고 있지만, Discovered Materials는 반도체 성능을 저하시키는 열적 병목 현상에 집중하고 있습니다.

디지털 시뮬레이션에서 특허 가능한 하드웨어로

이 스타트업은 이제 디지털 발견을 넘어 물리적 검증 단계로 나아가고 있습니다. 주요 칩 제조사들이 사용하는 소재의 특성과 일치하는 여러 소재를 식별했으며, 현재 습식 실험(wet-lab experiments)을 통해 이를 테스트하고 있습니다.

Discovered Materials는 지식 재산권(IP)을 기반으로 비즈니스를 구축합니다. 후보 소재가 검증을 통과하면, 팀은 해당 소재의 GPU 활용 방식이나 칩에 통합하는 데 필요한 제조 공정에 대해 특허를 출원합니다. 이러한 특허를 반도체 거물들에게 라이선스함으로써, 이 회사는 차세대 고효율 AI 하드웨어의 기반 계층(foundational layer)이 될 수 있습니다.

핵심 요약

  • AI 기반의 속도: Anthropic 모델과 물리 기반 시뮬레이션을 통해 소재 발견 속도를 하루 20회의 추측에서 수천 건으로 끌어올렸습니다.
  • 열 최적화 집중: 광범위한 소재 발견 스타트업들과 달리, 이 기업은 현대 AI 칩과 데이터 센터를 괴롭히는 방열 문제에 집중합니다.
  • IP 중심 모델: 새로운 물질과 공정에 대한 특허를 확보한 후, 이를 주요 칩 제조사에 라이선스하여 수익을 창출할 계획입니다.

리스크 및 반론

(분석가 입력을 위해 의도적으로 비워둠)

향후 주목할 점

  • 벤치마크 채택 여부 –
  • 실험적 돌파구 –
  • 파운드리(fabs)와의 파트너십 –
  • 규제 또는 IP 관련 과제 –

결론

Discovered Materials는 점점 더 강력해지는 AI 칩을 냉각하기 위한 경쟁에서 자율형 AI 에이전트가 인간의 직관을 앞지를 수 있다고 확신합니다. 생성형 언어 모델을 물리 기반 시뮬레이션과 결합함으로써, 이 스타트업은 느리고 시행착오를 반복하는 과정을 특허 가능하고 제조 가능한 방열 소재를 찾아내는 고처리량(high-throughput) 탐색 과정으로 전환했다고 주장합니다. 이 접근 방식이 습식 실험 검증과 반도체 업계의 신중한 채택 곡선을 견뎌낼 수 있을지는, 이 회사가 더 시원하고 효율적인 AI 하드웨어를 위한 숨은 촉매제가 될지, 아니면 AI 기반 화학 분야의 또 다른 야심 찬 실험으로 남을지를 결정할 것입니다.