Periodic Labs, założone zaledwie rok temu we wrześniu, szybko stało się jednym z czołowych laboratoriów zajmujących się AI dla nauki. Zespół Liama Fedusa i Ekina Doguza Cubuka pracuje nad wizją synthesis superintelligence - superinteligencji syntetycznej, która łączy uczenie wzmacniające z rzeczywistymi eksperymentami fizycznymi w celu autonomicznego odkrywania nowych materiałów.
Zamiast polegać wyłącznie na trenowaniu modeli na danych z internetu, Periodic Labs buduje autonomiczne laboratoria, gdzie każdy instrument może zostać inteligentny i uczestniczyć w procesie badawczym. System jest zakorzeniony w fizyce - wykorzystuje symulacje, teorię funkcjonału gęstości i wysokowydajne metodologie. Kluczowe dla podejścia Periodic jest uczenie się z całego procesu nauki, włączając nieudane eksperymenty, które mogą zawierać cenną informację szkoleniową. To fundamentalnie odróżnia się od tradycyjnego podejścia do budowy modeli AI.
Wizja Periodic Labs wskazuje na kolejną granicę dla modeli AI - zamiast skalowania danych tekstowych, przyszłość leży w możliwości eksperymentowania z rzeczywistym światem fizycznym. Nawet frontier modele będą potrzebować eksperymentów, aby dokonywać rzeczywistych odkryć naukowych. Takie podejście ma potencjał przyspieszyć odkrywanie nowych materiałów w semiconduktorach, superprzewodnikach i innych dziedzinach, gdzie eksperymenty fizyczne są niezbędne.