Сверхпроводники и ИИ: Periodic Labs строит лабораторию, где нейросети сами ставят эксперименты

Periodic Labs, стартап в области материаловедения, основанный в сентябре 2024 года бывшими исследователями OpenAI и Google, строит полностью автономные лаборатории, где ИИ-системы сами проектируют, проводят и интерпретируют физические эксперименты для открытия новых материалов, в том числе сверхпроводников.

Тема «сверхпроводники и ИИ» обычно сводится к прогнозам и симуляциям на компьютере. Periodic Labs заявляет принципиально иной подход: модель обучается не на текстах из интернета, а на реальном процессе научной работы, включая провальные опыты, шум приборов и неопределённость физического мира. Об этом сооснователи Лиам Федус и Экин Догуш Чубук рассказали в подкасте Latent Space (ведущие swyx и Брэндон).

Что делает Periodic Labs и почему это не очередной чат-бот?

• ИИ учится на физических экспериментах, а не на текстах. Обучение с подкреплением (reinforcement learning, когда модель получает «награду» за верное действие и «штраф» за ошибку) здесь привязано к реальному физическому миру: модель предсказывает результат опыта, ставит его через роботизированное оборудование и корректирует себя по итогам.

• Неудачные опыты становятся ценным ресурсом. Обычно в науке публикуют только удачные результаты. Periodic Labs считает провалившиеся эксперименты одними из самых ценных обучающих данных (training data, то есть данных, на которых модель учится), потому что они показывают, чего делать не стоит.

• Каждый прибор получает «интеллект». Сооснователи описывают цель так: дать каждому лабораторному инструменту «IQ 140». На практике это означает, что спектрометры, рентгеновские дифрактометры и другие приборы управляются ИИ-агентами (agent, программа, которая сама принимает решения и действует) и обмениваются данными без участия человека.

• Цикл «предсказание, синтез, характеризация». Модель предсказывает свойства нового материала, роботизированная лаборатория синтезирует образец, а затем ИИ анализирует результат, например через рентгеновскую дифракцию. Весь цикл замкнут и автоматизирован.

• Цель: «синтез-суперинтеллект». Periodic Labs называет свою конечную цель synthesis superintelligence: система, способная находить и создавать материалы с заданными свойствами, от сверхпроводников при комнатной температуре до новых батарей и магнитов.

Почему «просто думать» недостаточно?

Лиам Федус формулирует тезис компании прямо: «Нельзя просто додуматься до решения. Вселенная настолько сложна, что для продвижения на переднем крае знаний нужно создавать гипотезы и проверять, выдерживают ли они столкновение с реальностью.»

Никакое перечитывание учебника не позволит предугадать все возможные исходы эксперимента, ожидаемые и неожиданные. Нужен итеративный процесс. : Лиам Федус, сооснователь Periodic Labs

Именно поэтому даже будущие «фронтирные» (самые мощные на данный момент) модели, по мнению Федуса, по-прежнему будут нуждаться в физических экспериментах. Компьютерное моделирование, включая DFT (теория функционала плотности, метод квантово-механического расчёта свойств материалов), помогает, но остаётся приближением. Эксперимент, по словам основателей, «главная точка истины».

Зачем квантовый компьютер не решит всё сам?

Экин Догуш Чубук отмечает, что квантовые вычисления не снимают проблему автоматически. Физика и материаловедение далеки от «решённых» областей, и даже квантовый компьютер не заменит реального синтеза и проверки гипотез в лаборатории. Сверхпроводники и ИИ пересекаются здесь с неожиданной стороны: ИИ может ускорить поиск сверхпроводников, а сверхпроводники, в свою очередь, нужны для более эффективных вычислений, в том числе для самих нейросетей.

Как попробовать?

1. Послушайте подкаст Latent Space с Лиамом Федусом и Экином Догушем Чубуком. Полная запись доступна бесплатно и включает таймкоды по каждой теме, от обучения с подкреплением в физическом мире до автоматизации поиска сверхпроводников.
2. Следите за публикациями Periodic Labs. Компания пока не предлагает публичного продукта или API, но описывает архитектуру автономной лаборатории на своём сайте.
3. Для исследователей в РФ и СНГ: оцените, какие элементы подхода можно воспроизвести локально. Отдельные компоненты цикла (предсказание свойств материалов, анализ рентгеновских данных) уже доступны в виде открытых моделей (open-source, то есть с открытым кодом), например через платформы типа Materials Project.

Есть ли аналоги в России?

Прямого аналога Periodic Labs в России нет. Но направление ИИ в материаловедении развивается: лаборатории МФТИ, Сколтеха и отдельные группы РАН применяют нейросети для предсказания свойств кристаллов и новых сплавов. Разница в масштабе: Periodic Labs строит замкнутый цикл «предсказание плюс робот-синтез плюс автоматический анализ», тогда как российские группы чаще работают только на этапе вычислительного предсказания. YandexGPT и GigaChat здесь не конкуренты: это языковые модели общего назначения, а не специализированные системы для физических экспериментов.

Частые вопросы

Periodic Labs уже открыла новые материалы?

В подкасте основатели не называют конкретных открытий. Компания описывает архитектуру и подход, но о готовых результатах, например о найденном сверхпроводнике, не сообщает.

Можно ли использовать их технологию из России?

На данный момент Periodic Labs не предлагает публичного продукта, API или подписки. Компания работает как исследовательская лаборатория, а не как сервис. Отдельные открытые инструменты для предсказания свойств материалов доступны глобально, но к Periodic Labs напрямую не относятся.

Чем подход Periodic Labs отличается от обычного машинного обучения в химии?

Большинство ИИ-систем в материаловедении работают только с данными: берут опубликованные результаты и предсказывают свойства новых соединений. Periodic Labs замыкает цикл: модель сама ставит эксперимент через роботизированное оборудование, получает результат и корректирует себя, в том числе на неудачных опытах, которые обычно никто не публикует.