Discovered Materials jagt nach kühleren Chips mit KI – denn die Hitzewand ist jetzt genauso real wie die Rechenwand

Ein Startup nutzt KI, um den Raum möglicher Halbleiter- und Kühlmaterialien zu durchsuchen. Bei 1.000W pro Chip wird das Wärmemanagement zum begrenzenden Faktor für die Datencenter-Dichte.

In einfachen Worten: Discovered Materials wendet KI an, um neue Halbleiter- und thermische Materialien für Chips zu finden. Das Geschäftsmodell: Da KI-Trainingschips pro Einheit über 700–1.000 W verbrauchen, ist Wärme mittlerweile genauso einschränkend wie die Rechendichte.

Das Problem, das sie lösen

Moderne KI-Beschleuniger (H100-, B200-Klasse) erzeugen Wärme in einem Ausmaß, das begrenzt, wie dicht sie in einem Rack gepackt werden können. Flüssigkeitskühlung hilft, löst aber nicht das grundlegende Problem – die Materialien selbst. Bessere Wärmeleiter, Phasenwechselmaterialien und neuartige Halbleitersubstrate könnten Chips ermöglichen, heißer zu laufen, ohne gedrosselt zu werden, oder kühler bei gleicher Leistung.

Discovered Materials führt eine KI-gestützte Suche durch: Generierung von Kandidatenmaterialzusammensetzungen, computergestützte Vorhersage der Eigenschaften, Filterung nach Herstellbarkeitsbeschränkungen, Iteration. TechCrunch beschreibt dies als „KI-Molekülspiel“ – der Suchraum ist riesig und nützliche Kandidaten sind selten.

Im Detail

Der Bereich der KI-gestützten Materialentdeckung umfasst DeepMinds GNoME (2,2 Mio. Kristallstrukturen), Microsofts MatterGen und Metas Open Catalyst Project. Discovered Materials konzentriert sich speziell auf thermische Anwendungen für Halbleiter – ein engeres, kommerziell näherliegendes Ziel als die breitere Kristallstrukturentdeckung.

Fazit

Das Problem der Skalierung von Rechenleistung wird zunehmend zu einem Physikproblem. KI für Materialien ist ein glaubwürdiger langfristiger Hebel – doch die Lücke zwischen „in Simulation entdeckt“ und „herstellbar mit Ausbeute“ ist groß. Dies ist eine Investition in Infrastruktur mit fünfjährigem Horizont, kein kurzfristiger Fix. Es lohnt sich, dies zu beobachten, wenn man die Hardware-Schicht des KI-Stacks verfolgt.