YC 스타트업 Discovered Materials, AI 에이전트로 반도체 신소재 500개 발견... 실제 합성 가능한 건 단 1개

소재 후보의 성공 가능성을 어떻게 판단해? 시간과 자원이 한정돼 있으니까 합성 단계로 넘길 후보 골라내는 게 접근법 자체만큼 중요할 듯

원자 시뮬레이션으로 안정성이랑 물성 추정하고, 박막 증착 박사급 전문가들이 루브릭 짜서 판단해. 다 한계가 있어서 이거 개선하는 게 우리 회사 일의 대부분임

'실험 반복 줄이기'라는 표현 괜찮네. 계산과 실험 루프 닫는 게 진짜 난제인데 예전에 내가 연구하던 분야라 관련 글 있음, 잘 될 것 같음

계산-실험 루프 닫는 게 핵심이라는 거 동의함

장비나 소프트웨어에 돈 얼마나 들어가? 랩 장비 검증용으로

아직 정하는 중인데 CVD, PVD 같은 증착 장비랑 XRD, 라만 같은 특성분석 장비 필요할 듯. 장비도 소재 자체만큼 중요해서 자체 개발까지 고민 중임

Claude가 리워드 해킹하는 경향 얘기 흥미롭던데, 우리도 AI 에이전트 오래 방치하면 결국 지정한 지표의 최단경로만 찾아가는 거 계속 봄. 노출 지표 바꾸는 것 말고 다른 완화법 있어?

우리도 놀랐음. 지금은 사후적으로 모델 thinking trace 보다가 리워드 해킹 잡히면 고치는 식으로 함. Sol은 이상하게 그런 문제 거의 없었음

노출 지표랑 진짜 목표를 분리하기 어려울 것 같은데, 구체적으로 어떤 추론 경로로 리워드 해킹까지 가는지 궁금함

LLM으로 고속 소재 발굴한다는 얘기 5년간 진짜 많이 들었는데 실질적 임팩트는 없었음. 그래도 이번엔 실제 합성 가능성 수치까지 공개한 첫 시도라 그 부분은 의미있다고 봄. 다만 합성 가능하다고 끝이 아니라 소재 비용 문제도 있고, IBM 같은 대기업은 이미 자체적으로 이런 거 하고 있을 것 같음

반도체 산업 고른 이유가 가격에 덜 민감해서임. 지금은 UC버클리, 스탠퍼드 파트너 랩에서 직접 실험하고 있고 나중엔 파트너 필요할 듯

8시간 대 2주 프레이밍이 궁금한데, 후보 생성은 싸졌지만 검증은 안 그렇잖아. 8시간 런에서 나온 후보 중 실제로 합성까지 가는 비율이 어떻게 돼?

500개 넘는 후보 중에 합성해볼 만한 건 딱 1개임. 후보 하나 생성은 빠른데 모델이 여러 툴로 반복하면서 제출할 만한 걸 찾는 데 8시간 걸림. 도메인 전문가랑 상담한 게 조용한 실패 잡는 루브릭 만드는 데 진짜 중요했음

비주기적(aperiodic) 소재는 어때?

비주기 소재도 연구 가능하긴 한데 이번 벤치마크엔 안 넣었음. 비정질이나 폴리머는 대부분 열전도율이 2~3 W/(m·K) 이하라서 뺐음

칩 위에 HBM 올리는 아이디어 좋던데, HBM을 칩 뒷면에 두는 건 어때? GaN 쓰는 건?

뒷면 HBM은 전력 전달이 병목이 됨. 업계는 지금 로직 위에 HBM 올리는 방식 선호하고, 하이브리드 본딩이 곧 대세될 듯. GaN은 파워용으론 이미 전환 중인데 로직 다이엔 Si가 낫고 GaN은 열적으로 더 안 좋음