चिप्स को ठंडा करने के लिए AI खेल रहा 'Whack-a-Mole': IIT मद्रास के पूर्व छात्रों का स्टार्टअप Discovered Materials ₹85 करोड़ की फंडिंग के साथ लाया क्रांति

आधुनिक AI चिप्स प्रति वर्ग सेंटीमीटर 140 वॉट से अधिक गर्मी उत्पन्न करते हैं — यह एक थर्मल बाधा (thermal bottleneck) है जो प्रदर्शन को सीमित करती है और डाटा सेंटरों में ऊर्जा लागत बढ़ाती है । एक नया स्टार्टअप जिसका नाम डिस्कवर्ड मैटेरियल्स (Discovered Materials) है, का मानना है कि समाधान बेहतर सामग्रियों को तेजी से खोजने में निहित है। वे AI एजेंटों के स्वार्म (झुंड) का उपयोग कर रहे हैं जो उस काम को महीनों में कर सकते हैं, जिसमें पारंपरिक रूप से एक दशक या उससे अधिक समय लगता है।

IIT मद्रास के दो पूर्व छात्रों द्वारा स्थापित और लाइटस्पीड इंडिया पार्टनर्स, वाई कॉम्बिनेटर (Y Combinator) और पॉल ग्राहम (Paul Graham) सहित एंजल निवेशकों द्वारा समर्थित, यह कंपनी वाई कॉम्बिनेटर के स्प्रिंग 2026 बैच से उभरी है ।

डिस्कवर्ड मैटेरियल्स क्या है?

डिस्कवर्ड मैटेरियल्स एक सैन फ्रांसिस्को स्थित डीप-टेक स्टार्टअप है जो AI एजेंट — स्वायत्त सॉफ्टवेयर सिस्टम — बनाता है जो समानांतर (parallel) में काम करते हैं। ये एजेंट सेमीकंडक्टर सामग्री के संभावित उम्मीदवारों को उत्पन्न, सिम्युलेट और मान्य (validate) करते हैं । कंपनी का पहला लक्ष्य थर्मल इंटरफ़ेस मटेरियल्स (Thermal Interface Materials या TIMs) हैं, जो चिप की परतों के बीच (जैसे सिलिकॉन डाई और मेटल हीट स्प्रेडर के बीच) रखे जाते हैं ताकि गर्मी बाहर निकल सके ।

कंपनी का मुख्य तर्क यह है कि सामग्री अनुसंधान और विकास (R&D), जिसमें आमतौर पर प्रयोगशाला की खोज से लेकर व्यावसायिक अपनाने तक 10 साल या उससे अधिक लगते हैं, को बड़े पैमाने पर ऑटोमेशन के माध्यम से महीनों या दिनों में भी कम किया जा सकता है ।

'AI Whack-a-Mole' दृष्टिकोण कैसे काम करता है?

सह-संस्थापक आद्वैत श्रीधर (Advaith Sridhar) कंपनी की विधि को 'एआई वैक-ए-मोल' (AI whack-a-mole) कहते हैं — हजारों संभावित सामग्रियों को समानांतर में उत्पन्न करना, फिर व्यवस्थित रूप से सबसे आशाजनक सामग्री को फ़िल्टर करना । यह पाइपलाइन फ्रंटियर AI मॉडल को कस्टम फिजिक्स सिमुलेशन के साथ जोड़ती है:

• उम्मीदवार उत्पादन: एंथ्रोपिक (Anthropic) के क्लॉड (Claude) मॉडल, दूसरों के बीच, वैज्ञानिक बाधाओं के आधार पर नई सामग्री रचनाओं का प्रस्ताव करते हैं ।
• त्वरित सिमुलेशन: स्टार्टअप द्वारा प्रशिक्षित फाउंडेशनल फिजिक्स मॉडल प्रत्येक उम्मीदवार की स्थिरता, तापीय चालकता और अन्य गुणों का परीक्षण करने के लिए सिमुलेशन चलाते हैं ।
• पुनरावृत्त फ़िल्टरिंग: सिस्टम परिणामों को क्रॉस-चेक करता है, असंभावित उम्मीदवारों को हटा देता है, और सबसे आशाजनक लीड्स को शोधन के लिए पुनः जनरेशन लूप में फीड करता है।

यह पाइपलाइन केवल मानव-आधारित अनुसंधान की तुलना में नाटकीय रूप से बड़े पैमाने पर काम करती है। अपनी पीएचडी के दौरान, सह-संस्थापक आकाश रामदास (Akash Ramdas) का अनुमान है कि वे प्रतिदिन लगभग 20 सामग्री उम्मीदवारों की समीक्षा करते थे । डिस्कवर्ड मैटेरियल्स के AI एजेंट प्रतिदिन हजारों का मूल्यांकन कर सकते हैं, क्लाउड इंफ्रास्ट्रक्चर पर 24/7 काम करते हुए ।

प्रारंभिक सत्यापन: 90 दिनों में रासायनिक दिग्गजों से मुकाबला

अगस्त 2026 में अपनी फंडिंग घोषणा के साथ, डिस्कवर्ड मैटेरियल्स ने दावा किया कि उसके AI एजेंटों ने मात्र 90 दिनों में बड़ी रासायनिक कंपनियों के मौजूदा वाणिज्यिक TIM फॉर्मूलेशन के प्रदर्शन का मिलान कर लिया । स्टार्टअप का कहना है कि उसने यह क्लाउड-आधारित AI एजेंटों का उपयोग करके लगातार चलाकर हासिल किया, बिना प्रतिद्वंद्वियों के मालिकाना डेटा तक पहुंच के ।

कंपनी ने सैकड़ों AI-खोजित सामग्रियों को सार्वजनिक रूप से जारी किया और 'मैटेरियल डिस्कवरी बेंच' (Material Discovery Bench) लॉन्च किया — एक ओपन बेंचमार्क जो AI-संचालित सामग्री खोज के विभिन्न दृष्टिकोणों से परिणामों की तुलना करने की अनुमति देता है ।

यह ध्यान रखना महत्वपूर्ण है कि इस 90-दिवसीय सत्यापन के दावे को अभी तक स्वतंत्र रूप से दोहराया या सहकर्मी-समीक्षित (peer-reviewed) साहित्य में प्रकाशित नहीं किया गया है । परिणाम एक प्रारंभिक संकेत हैं, कोई सिद्ध वाणिज्यिक सफलता नहीं।

स्टार्टअप के पीछे की टीम

सह-संस्थापक पूरक विशेषज्ञता लाते हैं जो पूरी समस्या को कवर करती है:

सह-संस्थापक	पृष्ठभूमि	मुख्य विवरण
आकाश रामदास	स्टैनफोर्ड विश्वविद्यालय से मटेरियल साइंस में पीएचडी; IIT मद्रास से स्नातक	11 वर्षों से सेमीकंडक्टर सामग्री पर शोध; नैनोस्केल इंटरकनेक्ट पर उनके काम को इंटेल और TSMC के रोडमैप में शामिल किया गया
आद्वैत श्रीधर	कार्नेगी मेलन में AI का अध्ययन; पर्सोना AI (अधिग्रहित) में संस्थापक एप्लाइड साइंटिस्ट और लूमा लैब्स में रिसर्च इंजीनियर	डिस्कवर्ड मैटेरियल्स की सह-स्थापना से पहले प्रमुख दूरसंचार और क्रिप्टो कंपनियों के लिए लॉन्ग-हॉरिज़न ऑटोनॉमस एजेंट बनाए

दोनों एक दशक से भी अधिक पहले IIT मद्रास, भारत के प्रमुख इंजीनियरिंग संस्थानों में से एक, में छात्रों के रूप में मिले थे । उनके अलग-अलग रास्ते — एक स्टैनफोर्ड में गहन सामग्री विज्ञान में, दूसरा फ्रंटियर AI इंजीनियरिंग में — सेमीकंडक्टर सामग्री की खोज में तेजी लाने की समस्या पर एकत्रित हुए ।

लाइटस्पीड इंडिया के पार्टनर हेमंत मोहपात्रा (Hemant Mohapatra) ने संस्थापक टीम को 'गहन सामग्री विज्ञान विशेषज्ञता और फ्रंटियर AI इंजीनियरिंग का एक दुर्लभ संयोजन' बताया ।

फंडिंग विवरण

आइटम	विवरण
कुल राशि	$9 मिलियन (लगभग ₹85 करोड़) सीड राउंड
मुख्य निवेशक	लाइटस्पीड इंडिया पार्टनर्स
अन्य संस्थागत निवेशक	वाई कॉम्बिनेटर, पीक XV पार्टनर्स
एंजल निवेशक	पॉल ग्राहम (YC सह-संस्थापक), गोकुल राजाराम (DoorDash बोर्ड), थारिक शिहिपार (Anthropic)
घोषित	10-11 अगस्त, 2026

यह फंड AI एजेंट प्लेटफॉर्म को स्केल करने, तकनीकी प्रतिभा को काम पर रखने और सेमीकंडक्टर कंपनियों के साथ लैब-टू-फैब (lab-to-fab) सत्यापन साझेदारी में तेजी लाने के लिए उपयोग की जाएगी ।

सबसे बड़ी चुनौती: 'लैब-टू-फैब' गैप को पार करना

कम्प्यूटेशनल रूप से एक आशाजनक सामग्री की खोज करना एक बात है। यह साबित करना कि इसे बड़े पैमाने पर निर्मित किया जा सकता है, चिप निर्माण प्रक्रियाओं में एकीकृत किया जा सकता है, और वर्षों तक विश्वसनीय रूप से प्रदर्शन कर सकता है, एक बहुत कठिन, पूंजी-गहन कदम है। खोज और व्यावसायीकरण के बीच यह 'मृत्यु की घाटी' (valley of death) को सामग्री विज्ञान का सबसे कठिन हिस्सा माना जाता है ।

अतिरिक्त चुनौतियों में शामिल हैं:

• प्रतिस्पर्धा और स्थापित कंपनियां: बड़ी रासायनिक और सेमीकंडक्टर सामग्री कंपनियों के पास दशकों का मालिकाना डेटा, गहरे ग्राहक संबंध और अपने स्वयं के AI प्रयास हैं। स्टार्टअप को यह साबित करना होगा कि वे तेजी से और सस्ते में काम कर सकते हैं।
• डेटा की कमी: उच्च गुणवत्ता वाला लेबल वाला सामग्री डेटा दुर्लभ और उत्पन्न करना महंगा है; AI आउटपुट की गुणवत्ता महत्वपूर्ण रूप से इस बात पर निर्भर करती है कि एजेंटों को किस डेटा पर प्रशिक्षित या प्रेरित किया जाता है।
• इंजीनियरिंग व्यापार-बंद: एक सामग्री जो गर्मी को कम करती है वह निर्माण करने के लिए बहुत कठिन, बहुत महंगी या बहुत अस्थिर हो सकती है। इन व्यापार-बंदों को नेविगेट करने के लिए निर्माण विशेषज्ञों के साथ घनिष्ठ एकीकरण की आवश्यकता होती है ।

AI-संचालित सामग्री खोज का व्यापक परिदृश्य

डिस्कवर्ड मैटेरियल्स एक तेजी से विस्तार करने वाले क्षेत्र का हिस्सा है जिसे अक्सर 'AI फॉर साइंस' या 'मैटेरियल्स इन्फॉर्मेटिक्स' कहा जाता है। शिक्षा जगत और वेंचर-समर्थित स्टार्टअप दोनों में मुख्य थीसिस एक ही है: AI मॉडल रासायनिक और क्रिस्टल संरचना स्थानों को मानव अंतर्ज्ञान या ब्रूट-फोर्स प्रयोगशाला प्रयोग की तुलना में कहीं अधिक तेजी से खोज सकते हैं।

इस व्यापक क्षेत्र में उल्लेखनीय खिलाड़ियों और परियोजनाओं में शामिल हैं:

• गूगल डीपमाइंड का GNoME — ग्राफ न्यूरल नेटवर्क जिसने सैकड़ों हजारों स्थिर क्रिस्टल संरचनाओं की खोज की।
• माइक्रोसॉफ्ट का MatterGen — सामग्री डिजाइन के लिए जनरेटिव AI।
• मैटेरियल्स प्रोजेक्ट (LBNL) — एक ओपन डेटाबेस जिसका व्यापक रूप से AI मॉडल द्वारा उपयोग किया जाता है।
• Orbital Materials, Kebotix, Citrine Informatics — विभिन्न सामग्री खोज क्षेत्रों में AI लागू करने वाले वेंचर-समर्थित स्टार्टअप।

डिस्कवर्ड मैटेरियल्स खुद को एक उच्च-मूल्य वाले सेमीकंडक्टर समस्या — थर्मल मैनेजमेंट — पर संकीर्ण रूप से ध्यान केंद्रित करके और सभी सामग्रियों पर व्यापक रूप से काम करने के बजाय, एक मल्टी-एजेंट स्वार्म्स आर्किटेक्चर का उपयोग करके अलग करता है ।

आगे क्या होने वाला है?

अगले कुछ वर्ष यह निर्धारित करेंगे कि क्या AI-निर्देशित सामग्री खोज आशाजनक कम्प्यूटेशनल परिणामों से चिप निर्माण में वास्तविक व्यावसायिक प्रभाव तक स्केल कर सकती है। डिस्कवर्ड मैटेरियल्स का बिजनेस मॉडल उन सामग्रियों को पेटेंट कराना और चिप निर्माताओं को लाइसेंस देना है । डाटा सेंटर ऑपरेटरों और सेमीकंडक्टर कार्यकारी अधिकारियों के लिए जो इस क्षेत्र पर नज़र रख रहे हैं, स्टार्टअप की प्रगति — या उसकी कमी — इस बात का एक उपयोगी संकेत होगी कि क्या AI अंततः हार्डवेयर की सबसे पुरानी बाधाओं में से एक को तोड़ सकता है।