LG AI Research ha presentato nuovi risultati industriali ottenuti con EXAONE Discovery, la piattaforma di intelligenza artificiale dedicata alla scoperta di materiali e molecole. Il punto più rilevante è il passaggio dall’AI generativa applicata alla ricerca teorica a un utilizzo concreto in processi di innovazione industriale, con materiali già individuati, validati e avviati verso la commercializzazione.
EXAONE Discovery è progettata come una piattaforma di AI scientifica per supportare la ricerca su nuovi materiali e nuovi farmaci. La logica è quella dell’AI co-scientist: un sistema capace di analizzare grandi spazi di possibilità chimiche, generare candidati, valutarne le proprietà e restringere rapidamente il numero di opzioni da sottoporre a verifica sperimentale. In settori come chimica, cosmetica, energia e infrastrutture per data center, questa capacità può ridurre in modo significativo i tempi necessari per individuare materiali con caratteristiche specifiche.
Uno dei risultati più concreti riguarda Rhamsydil, un nuovo materiale per la gestione della caduta dei capelli sviluppato in collaborazione con LG Household & Health Care. La sostanza è stata individuata dall’AI partendo da oltre 420.000 candidati, con un processo di selezione completato in un solo giorno. L’interesse tecnico del caso non riguarda soltanto il prodotto finale, ma la dimostrazione di come un modello AI possa accelerare una fase tradizionalmente lunga della ricerca: l’identificazione di molecole promettenti all’interno di uno spazio chimico molto ampio.
Rhamsydil viene descritto come un materiale non derivato da steroidi, con effetti di prevenzione della caduta dei capelli, e si trova ora in fase di preparazione per la commercializzazione. Questo passaggio è importante perché mostra un percorso completo: dalla selezione algoritmica del candidato alla validazione sperimentale, fino all’avvicinamento al prodotto. Per l’industria cosmetica e biochimica, l’AI diventa quindi uno strumento di discovery applicata, non solo un supporto analitico.
Il secondo risultato è ancora più strategico per l’infrastruttura AI. LG AI Research e GS Caltex hanno sviluppato un materiale per fluido di raffreddamento a immersione destinato ai data center AI di nuova generazione. Il raffreddamento a immersione è una tecnologia sempre più rilevante perché l’aumento della densità computazionale, soprattutto nei cluster GPU, rende più difficile gestire calore, consumi energetici e stabilità operativa con i soli sistemi di raffreddamento ad aria.
Nei data center AI, il fluido di immersione deve possedere proprietà molto specifiche. Deve trasferire calore in modo efficiente, essere compatibile con componenti elettronici, mantenere stabilità chimica nel tempo, ridurre i rischi operativi e sostenere carichi termici elevati. La ricerca di materiali adatti richiede quindi un equilibrio complesso tra prestazioni termiche, sicurezza, durata, costo e scalabilità produttiva. L’uso di EXAONE Discovery in questo ambito indica che l’AI può contribuire non solo alla progettazione di modelli digitali, ma anche alla creazione dei materiali fisici necessari per sostenere la crescita dell’infrastruttura AI.
La collaborazione con GS Caltex mostra inoltre il valore industriale della piattaforma. Lo sviluppo di fluidi per immersion cooling non è un problema puramente accademico: riguarda la gestione energetica dei data center, la progettazione di server ad alta densità, l’affidabilità delle infrastrutture e la sostenibilità economica dei carichi AI. Se i modelli generativi aumentano la domanda di potenza di calcolo, la scoperta di materiali più efficienti diventa parte della stessa catena tecnologica che rende possibile l’espansione dell’AI.
LG AI Research ha presentato questi risultati all’interno di ICML 2026, insieme a una produzione scientifica rilevante. La partecipazione con 14 paper conferma che EXAONE non viene posizionato solo come modello linguistico, ma come piattaforma AI più ampia, applicabile a ricerca scientifica, finanza, dati e innovazione industriale. Nel caso dei materiali, la tecnologia di generazione ha ottenuto il secondo posto globale nel benchmark LeMat-GenBench, che valuta la capacità dei sistemi AI di proporre strutture cristalline realistiche, stabili, diverse da quelle esistenti e sufficientemente varie.
Questo tipo di benchmark è importante perché la generazione di nuovi materiali non può limitarsi a produrre combinazioni formalmente possibili. Un materiale deve poter esistere stabilmente, avere proprietà utili e risultare abbastanza diverso da ciò che è già noto per rappresentare un reale avanzamento. La valutazione su stabilità, novità e diversità dei candidati permette quindi di misurare la qualità scientifica del modello, non soltanto la sua capacità generativa.
Il caso EXAONE Discovery evidenzia una direzione sempre più chiara per l’AI industriale. I modelli non vengono impiegati solo per scrivere testo, codice o immagini, ma per esplorare spazi scientifici complessi, accelerare la selezione dei candidati e collegare ricerca computazionale, laboratorio e produzione. In questa prospettiva, l’intelligenza artificiale diventa un motore di R&D capace di incidere su settori fisici come materiali, chimica, energia, cosmetica e infrastrutture digitali.
La scoperta di un materiale per il raffreddamento a immersione è particolarmente significativa perché collega direttamente due livelli della filiera AI. Da un lato c’è l’AI come strumento di ricerca, usata per individuare nuove sostanze; dall’altro c’è l’AI come carico infrastrutturale, che richiede data center sempre più efficienti. Il risultato è un ciclo in cui l’intelligenza artificiale contribuisce a sviluppare i materiali necessari per sostenere la propria crescita computazionale.
Per LG, EXAONE Discovery diventa quindi una dimostrazione concreta di AI applicata all’industria. Non si tratta di un modello confinato alla sperimentazione, ma di una piattaforma capace di produrre risultati trasferibili in prodotti, processi e infrastrutture. La combinazione tra AI scientifica, competenze di laboratorio e collaborazione con partner industriali mostra come la scoperta di materiali possa diventare uno degli ambiti più rilevanti della prossima fase dell’intelligenza artificiale.