#模型时代# 开发“AI科学家”的创业公司periodiclabs获得3亿美元融资，估值超过10亿。

模型时代，独角兽跟不要钱似的。

periodiclabs的目标是“创造一个 AI 科学家” —— 意即借助人工智能来进行科学假设、设计实验、学习和验证，从而加速科学—特别是材料科学—的发现流程。 

该公司的联合创始人之一是 Liam Fedus，此前曾任 OpenAI 的研究副总裁（负责后训练 / “post-training” 研究）。 

另一位联合创始人是 Ekin Doğuş Çubuk（Ekin Dogus Cubuk），此前在 Google DeepMind 担任研究科学家。

团队的目标之一是发现比现有材料工作温度更高的超导体。

***
今天， ekindogus和我（Liam）很高兴介绍periodiclabs 。

我们的目标是培养一名人工智能科学家。

科学的运作方式是推测世界可能是什么样子、进行实验并从结果中学习。

智能是必要的，但并非充分条件。当发现想法与现实相符时，新知识便会诞生。因此，在 Periodic，我们正在培养人工智能科学家，并为他们打造自主运作的实验室。

迄今为止，科学界的人工智能进步都源于在互联网上训练的模型。然而，尽管互联网规模庞大，其规模依然有限（据估计，互联网上大约有 10T 个文本标记，而一个英文单词可能由 1-2 个标记组成）。近年来，最前沿的人工智能模型已经完全耗尽了互联网的容量。

研究人员寻求更好地利用这些数据，但正如任何科学家都知道的那样：虽然重读教科书可能会带来新的见解，但他们最终需要尝试他们的想法，看看它是否成立。

自主实验室是我们战略的核心。它们提供海量高质量数据（每个实验都能产生数GB的数据！），这些数据在其他地方是独一无二的。它们也产生了宝贵的负面结果，但这些结果很少被发表。但最重要的是，它们为我们的AI科学家提供了行动的工具。
我们从物理科学开始。

技术进步受到我们设计物理世界的能力的限制。

我们之所以从这里入手，是因为实验具有较高的信噪比，并且（相对）速度很快，物理模拟可以有效地模拟许多系统，但更广泛地说，物理学是一个可验证的环境。人工智能在拥有数据和可验证结果的领域（例如数学和代码）进步最快。在这里，自然就是强化学习的环境。

我们的目标之一是发现比现有材料工作温度更高的超导体。重大进展将有助于我们打造下一代交通工具，并构建损耗最小的电网。但这仅仅是一个例子——如果我们能够实现材料设计的自动化，我们就有可能加速摩尔定律、太空旅行和核聚变的发展。

我们还致力于将我们的解决方案应用于工业界。例如，我们正在帮助一家半导体制造商解决芯片散热问题。我们正在为他们的工程师和研究人员培训定制代理，帮助他们理解实验数据，从而更快地进行迭代。

我们的创始团队共同创建了 ChatGPT、DeepMind 的 GNoME、OpenAI 的 Operator (now Agent、神经注意力机制 MatterGen；他们还扩展了自主物理实验室；并为过去十年中一些最重要的材料发现做出了贡献。我们齐心协力，致力于扩大规模并重塑科学研究的方式。

我们非常荣幸地获得了与我们拥有共同愿景的投资者的支持，包括领投我们 3 亿美元融资的 ( a16z ，以及Felicis 、DST Global、NVentures（NVIDIA 的风险投资部门）、 Accel ，以及包括JeffBezos 、 eladgil 、 ericschmidt和JeffDean在内的个人。他们的支持将帮助我们壮大团队、扩大实验室规模，并培养第一代 AI 科学家。