Startup YC treo thưởng 1 triệu USD cho 5 bài toán vật liệu

Startup Discovered Materials có trụ sở tại San Francisco, mới thành lập được vài tháng và dùng mô hình AI để tìm vật liệu mới cho chip tiên tiến, vừa công bố một thử thách trị giá 1 triệu USD dành cho các mô hình AI nhằm giải quyết năm bài toán quan trọng của ngành vật liệu học. Mỗi lời giải được trao 200.000 USD.

Điểm đáng chú ý nằm ở chỗ: trong khi các mô hình AI tiên phong đã giải được hàng loạt bài toán toán học hóc búa và có tiến bộ trong khoa học sự sống, chúng vẫn chưa thực sự thấu hiểu phần vật lý phức tạp ẩn sau các vật liệu tiên tiến.

"Việc xác định vấn đề rõ ràng trong vật liệu học khó hơn, vì nó không giống toán học — nơi bạn có định nghĩa rất cụ thể và có thể đi đến kết luận đúng hoặc sai", Advaith Sridhar, đồng sáng lập Discovered Materials, cho biết.

Năm bài toán mở được treo thưởng

Dù vật liệu học không có hệ thống giải thưởng tương đương Millennium Prize Problems (bảy bài toán thiên niên kỷ của toán học), Discovered Materials đã tập hợp một nhóm cố vấn gồm các học giả từ những trường đại học hàng đầu thế giới để phát biểu rõ năm bài toán còn bỏ ngỏ:

• Lý thuyết giải thích hiện tượng siêu dẫn cuprate, tức khả năng một số vật liệu có điện trở bằng không ở nhiệt độ cực thấp.
• Phương pháp số dự đoán cấu trúc mặt phân giới giữa silicon và silicon dioxide, tổ hợp vật liệu có mặt trong gần như mọi chất bán dẫn.
• Phương pháp số ánh xạ cấu trúc hạt (grain structure) sang tính chất nhiệt, giúp thiết kế vật liệu tản nhiệt tốt hơn.
• Lý thuyết dự đoán vì sao chiếu ánh sáng vào vật liệu có thể thay đổi hành vi của chúng, đặc biệt liên quan đến tính siêu dẫn.
• Phương pháp số cải thiện Lý thuyết phiếm hàm mật độ (Density Functional Theory), kỹ thuật then chốt trong vật liệu học dùng để mô hình hóa cấu trúc nguyên tử và phân tử.

"Trong toàn bộ vật liệu học, có những hiện tượng ta quan sát được nhưng không giải thích được. Giải thích chúng sẽ nâng cao hiểu biết của chúng ta về vật lý, và câu trả lời sẽ trực tiếp định hình cách chúng ta chế tạo thiết bị điện tử, lưu trữ năng lượng và sản xuất vật liệu của tương lai", Felipe Jornada, giáo sư Stanford tham gia xây dựng các thử thách, cho biết.

AI đã thử và chưa đi đến đâu

Trước khi công bố, Discovered Materials đã để các mô hình của những phòng thí nghiệm tiên phong thử sức: cấp cho các AI agent (tác nhân AI tự vận hành) quyền truy cập internet cùng các nguồn lực khác để tự làm việc trong nhiều ngày. Kết quả là các mô hình dành vài ngày cho mỗi bài toán mà không tiến triển đáng kể.

Dẫu vậy, vẫn dễ hình dung việc OpenAI hay Anthropic một lần nữa thử "giải phát một" (one-shot) các bài toán này với lượng tính toán lớn hơn nhiều hoặc với một mô hình mới hơn. Sridhar nói ông không bận tâm ai sẽ tìm ra lời giải:

"Không quan trọng là chúng tôi tìm ra, người khác tìm ra, một giáo sư tìm ra hay các phòng thí nghiệm tiên phong tìm ra. Chúng tôi đưa ra các thử thách này vì muốn chúng trở thành các cột mốc. Nếu giải được, chúng ta đang đào sâu hiểu biết về vật liệu và cách mọi thứ quanh ta vận hành."

Theo ông, việc theo dõi nỗ lực giải các bài toán sẽ cho thấy "liệu các mô hình có đang leo dần lên trong lĩnh vực này hay không".

Khi câu hỏi quan trọng hơn câu trả lời

Thử thách này cũng phản ánh bản chất đang thay đổi của hoạt động nghiên cứu khoa học, khi AI chứng tỏ khả năng khám phá ra những hiểu biết và kỹ thuật mà nhà nghiên cứu con người không lường trước. Khi lời giải dường như dễ tìm hơn bao giờ hết, các câu hỏi lại trở nên quan trọng hơn.

"Đây là một cách nghĩ mới về khoa học: chúng ta đưa ra cách kiểm chứng và thử thách trước, rồi để ai đó nghĩ ra ý tưởng giải thích vấn đề. Biết đâu là câu hỏi đúng không hề đơn giản và rất khó trong lĩnh vực này — đó là lý do các giáo sư thực sự giúp chúng tôi định hình nên những câu hỏi đúng đắn cần đặt ra", Sridhar nói.

Trọng tâm chính của Discovered Materials là phát triển vật liệu mới dùng cho chất bán dẫn; startup hợp tác với các ông lớn ngành chip trong các dự án nghiên cứu, đồng thời tự tài trợ cho các nỗ lực khoa học của mình. Khi công bố vòng gọi vốn hạt giống (seed round) vào tháng 8, Sridhar từng nói với TechCrunch rằng ông hy vọng công ty sẽ tạo ra một vật liệu hữu ích trong vòng một năm.

"Các mốc thời gian đó đã nhanh lên một chút. Giờ tôi tự tin hơn rằng chúng tôi sẽ tìm được những vật liệu hữu ích cho công nghiệp trong thời gian ngắn hơn một năm", ông cho biết.

Góc nhìn

Với các kỹ sư và doanh nghiệp công nghệ, thử thách này cho thấy một hướng đi đáng chú ý: thay vì chỉ kỳ vọng AI tự tìm ra vật liệu mới, có thể biến chính các bài toán vật lý chưa có lời giải thành thước đo chuẩn mực để đánh giá năng lực thực sự của mô hình. Ai làm việc trong lĩnh vực bán dẫn hoặc mô phỏng vật liệu sẽ thấy rõ giá trị thực tiễn — các bài toán như mô phỏng mặt phân giới silicon/silicon dioxide hay cải thiện Density Functional Theory đều là những nút thắt quen thuộc trong quy trình thiết kế và kiểm thử chip.

Việc đặt câu hỏi đúng, có thể kiểm chứng, tỏ ra quan trọng không kém việc có mô hình mạnh. Các nhóm nghiên cứu và doanh nghiệp nội địa muốn ứng dụng AI vào R&D nên cân nhắc xây dựng trước bộ tiêu chí đánh giá và dữ liệu kiểm chứng cho bài toán của mình, thay vì chạy theo mô hình mới nhất rồi mới nghĩ đến cách đo tiến bộ.