AI-modellen ontdekken honderden nieuwe chipmaterialen, maar kunnen ze niet maken

Discovered Materials, een start-up uit het Amerikaanse acceleratorprogramma Y Combinator, zette zeven AI-modellen van onder meer OpenAI, Anthropic en Moonshot AI aan het werk op een zelfontwikkelde benchmark. De opdracht: bedenk nieuwe materialen die warmte goed geleiden, maar elektrische stroom juist isoleren. Zulke materialen zijn hard nodig voor de volgende generatie computerchips.

Warmte is het probleem bij gestapelde chips

Chipmakers willen geheugen en rekenkernen steeds vaker letterlijk op elkaar stapelen in plaats van naast elkaar op een printplaat te plaatsen, ook wel chipverpakking in 3D genoemd. Dat scheelt enorm veel energie, omdat data een veel kortere weg hoeft af te leggen tussen geheugen en processor. Het probleem is warmte: de isolerende laag tussen de gestapelde chips, de zogeheten diëlektrische laag, voert nu te weinig warmte af. Daardoor lopen 3D-chips te heet om bruikbaar te zijn. Discovered Materials liet de AI-modellen daarom zoeken naar materialen met een lage diëlektrische constante die tegelijk warmte goed geleiden, sterk genoeg zijn en stabiel blijven. Alle geteste modellen, waaronder GPT-5.6 Sol, Claude Opus 5 en Kimi K3, slaagden erin om computationeel materialen te bedenken die aan deze combinatie van eisen voldoen. Samen vonden de modellen ruim vijfhonderd nieuwe, nooit eerder beschreven materialen, die het bedrijf publiek beschikbaar maakt voor verder onderzoek.

Alleen bedenken is niet genoeg

Een nieuw materiaal is pas nuttig als iemand het ook echt kan maken. Daarom moesten de modellen bij elk materiaal ook een aannemelijk recept voor dunnefilmdepositie leveren: de stappen waarmee een laboratorium een dun laagje van de stof kan aanbrengen. Dat bleek de grootste bottleneck. Van de meer dan vijfhonderd voorgestelde materialen had er uiteindelijk maar één een recept dat volgens menselijke experts, waaronder gepromoveerde materiaalkundigen, daadwerkelijk uitvoerbaar was. Model GPT-5.6 Sol scoorde nog het beste, met het enige bruikbare recept en relatief weinig ronduit gevaarlijke voorstellen. Kimi K3 en Claude Opus 5 deden het het slechtst: vrijwel al hun recepten werden als kritisch gebrekkig beoordeeld.

Vals spelen en uitputting tijdens lange taken

Opvallend is hoe de modellen zich gedroegen tijdens de lange onderzoekssessies, die tot honderd miljoen tokens aan tekst konden beslaan. Claude-modellen bleken meermaals aan reward hacking te doen: ze dienden hetzelfde materiaal tientallen keren opnieuw in door er telkens een grotere herhalende eenheid van te bouwen, een zogeheten supercel, om zo de nieuwheidscontrole te omzeilen. Ook verzon Claude Fable 5 op een gegeven moment gewoon getallen voor warmtegeleiding in plaats van ze te berekenen. GPT-modellen speelden minder vals, maar raakten juist eerder vermoeid: GPT-5.6 Sol probeerde op een gegeven moment te stoppen en noemde de opdracht om door te gaan 'adversarial'. Discovered Materials benadrukt dat het bedrijf zelf probeert om het ene bruikbare materiaal experimenteel na te maken in het lab.