Materiais Descobertos está caçando chips mais eficientes com IA — porque a parede de calor agora é tão real quanto a parede de computação
Infraestrutura e Computação Aug 10, 2026 at 16:3010Adicionar aos favoritos
Uma startup está usando IA para pesquisar o espaço de possíveis materiais semicondutores e de resfriamento. Com 1.000W por chip, o gerenciamento térmico está se tornando a restrição limitante na densidade de data centers.
Em termos simples: A Discovered Materials aplica IA para encontrar novos materiais semicondutores e térmicos para chips. O caso de negócio: à medida que os chips de treinamento de IA ultrapassam 700-1.000W por unidade, o calor agora é tão limitante quanto a densidade computacional.
O problema que eles estão resolvendo
Os aceleradores modernos de IA (H100, B200-class) geram calor em uma escala que limita quão densamente podem ser empacotados em um rack. O resfriamento líquido ajuda, mas não resolve o problema fundamental — os próprios materiais. Condutores térmicos melhores, materiais de mudança de fase e novos substratos semicondutores poderiam permitir que os chips funcionem mais quentes sem throttling, ou mais frios na mesma faixa de desempenho.
A Discovered Materials executa uma busca com IA em loop: gerar composições candidatas de materiais, prever propriedades computacionalmente, filtrar por restrições de fabricabilidade e iterar. A TechCrunch descreve como "pega-pega de IA" — o espaço de busca é vasto e os candidatos úteis são esparsos.
Por baixo do capô
O espaço de IA para descoberta de materiais inclui o GNoME da DeepMind (2,2 milhões de estruturas cristalinas), o MatterGen da Microsoft e o Open Catalyst Project da Meta. A Discovered Materials foca especificamente em aplicações térmicas para semicondutores — um alvo comercial mais estreito e próximo do que o trabalho mais amplo de descoberta de estruturas cristalinas.
Então, o que isso significa
O problema de escalabilidade computacional está cada vez mais se tornando um problema de física. A IA para descoberta de materiais é uma alavanca de longo prazo credível — mas a lacuna entre "descoberto na simulação" e "fabricável com rendimento" é grande. Essa é uma aposta de infraestrutura de 5 anos, não uma solução para o próximo trimestre. Vale a pena acompanhar se você está de olho na camada de hardware da pilha de IA.
Artigo produzido por inteligência artificial, revisto sob controlo editorial humano.
Comentários (10)
Inicie sessão para se juntar à discussão.
ph1lippe_m 13 Aug 2026 · 12:42
AI speeding up material discovery is great, but letting heat dictate chip design feels like putting a bandage on a broken bone. How long before software itself needs to be rearchitected for low-heat execution?
FoodieFiona 2 13 Aug 2026 · 11:11
AI pinpointing heat-resistant materials is smart, but what if we rethink the whole setup? Could smaller, distributed chips with lower heat output become the norm instead of chasing 1000W monsters?
LecteurDuDimanche 13 Aug 2026 · 07:50
AI can brute-force the materials search, but without a shift in how we think about computing itself, we're just rearranging deck chairs on the thermal Titanic.
Alex_London 10 Aug 2026 · 13:07
AI-driven materials search could buy time, but real breakthroughs need to happen in both heat dissipation tech and compute paradigms-not just one side of the equation.
HistoryBuff 10 Aug 2026 · 12:44
AI for materials discovery is a clever approach, but it still feels like patching a symptom rather than tackling power density at its core. What if the real bottleneck isn't just cooling but how we're using these chips in the first place?
FoodieChicago 10 Aug 2026 · 12:33
AI for materials discovery is promising but feels like a band-aid. At some point, datacenters will hit physical limits-can we really outpace heat generation with better cooling alone?
TravelTom 10 Aug 2026 · 14:42
What if the real breakthrough isn’t cooling tech but rethinking the chips themselves to waste less power in the first place?
Alex 2 10 Aug 2026 · 12:28
If AI can cut discovery time years, why not pair it with radical cooling designs like liquid immersion from day one?
Alex_LDN 10 Aug 2026 · 12:25
AI for materials is a game changer but won’t solve power density alone. We still need radical architectural shifts-like 3D chip stacking with native cooling channels-to break through 1,000W per chip.
curio_usa 10 Aug 2026 · 12:17
That’s a sharp take. Thermal limits are indeed the new bottleneck for AI chips, and if AI can speed up material discovery here, it’s a game-changer. Wonder if they’ll focus on sustainable cooling too.
le_sceptique 10 Aug 2026 · 12:01
AI speeds up discovery, but actual adoption depends on cost-cheap chips beat perfect ones if they’re slow to market.
