В Periodic Labs считают, что ИИ не откроет новые материалы без опытов

Ни одна модель, даже будущая, не откроет сверхпроводник для комнатной температуры одними рассуждениями, считают основатели Periodic Labs — стартапа, который учит ИИ открывать материалы и строит для этого собственную лабораторию. Лиам Федус и Экин Догуш Чубук рассказали об этом в подкасте Latent Space.

Почему это важно: последние успехи языковых моделей, по словам Чубука, в основном касаются математики, программирования и теоретической информатики, где вся нужная информация под рукой. Periodic ставит на то, что для открытий в физическом мире модели нужно учиться на опытах, где измерения неточны, приборы со временем портятся, а часть условий остаётся неизвестной.

Предыстория: Periodic Labs появилась в сентябре 2025 года. Федус до этого руководил в OpenAI дообучением моделей, Чубук возглавлял в Google команду, которая занималась материалами и химией. Первые лаборатории компании работают в Менло-Парке в Калифорнии.

Повод: соведущий спросил, не научатся ли открывать материалы без лаборатории будущие модели вроде Fable 6 или GPT-8. Чубук ответил, что даже сильной Fable 7 всё равно придётся ставить опыты: «Машинное обучение хорошо справляется с тем, на чём его учили, а научное открытие — почти по определению то, на чём не учили». Федус добавил: «Никто не угадает сверхпроводник для комнатной температуры с первой попытки».

Как это работает: ждать несколько дней, пока выйдет образец, и только потом награждать модель за найденный или не найденный сверхпроводник слишком медленно и ненадёжно, говорит Федус. Поэтому обучение с подкреплением¹ строят на отдельных шагах работы:

• По рентгеновской дифрактограмме² образца модель определяет, какие кристаллические фазы³ в нём получились, и получает награду за верные фазы и штраф за лишние.
• Данные лаборатории помечены датами: модель видит всё, что было известно к определённому дню, и предсказывает следующий шаг учёных или исход опыта.
• Один и тот же архив опытов нарезают на разные задачи — по одному прибору или по связке из нескольких приборов сразу.

Задачи с датами на чужих данных строить труднее, объясняет Федус. Если модель уже видела ответ при предобучении, она «может имитировать работу»: приходит к верному ответу без физических расчётов. Обучение закрепляет такую манеру, а на новых веществах она не работает.

Детали: в статьях химики обычно описывают кристаллы, которые удалось получить, а о неудачах молчат. Без отрицательных примеров, напоминает Чубук, не обучить даже простой классификатор. Поэтому Periodic записывает весь путь: разговоры и догадки учёных, что запускали в лаборатории, какие расчёты делали и какой писали код. Цель, по словам Федуса, — учить модель «не на конечном результате науки, а на самом процессе».

Чтобы данные для будущих моделей были богаче, у каждого прибора в лаборатории, по выражению основателей, должен быть «IQ 140». Когда лаборатория выросла, учёные и техники перестали успевать разбирать снимки электронного микроскопа. Простая программа, которая снимала поле зрения и приближала кадр, оказалась «слишком глупой», и ИИ встроили прямо в приборы: он знает, что пытались получить в опыте и зачем.

Такой ИИ уже находил ошибки людей. Однажды один из приборов загрузили неправильно, и результаты перестали сходиться с тем, что запускали. Модель просмотрела всю серию и заметила, что всё сходится, если сдвинуть результаты по кругу, то есть приписать каждый результат другому образцу из той же серии. По этой подсказке и нашли ошибку при загрузке.

Расклад: инструменты, которые Periodic делала для себя, она теперь несёт в полупроводниковую отрасль. Её инженеры работают прямо на площадках партнёров, запускают модели на месте и дообучают их на данных партнёра.

Путь своих продуктов Федус сравнивает с программированием. Там подсказки GitHub Copilot сменились агентами вроде Codex, и мало кто из инженеров Periodic, по его словам, пишет код так, как раньше. С системами Periodic, считает он, будет так же: сначала они ускоряют работу учёных и инженеров, а когда станут самостоятельнее, компания сможет брать деньги не за помощь, а за результат — за то, что партнёр пришёл к нужной цели.

Но: соведущий Брэндон, который сам работал с экспериментаторами, признался, что не понимает, как даже полностью автоматическая лаборатория придёт к сверхпроводнику, если теории для многих таких материалов нет. Чубук ответил, что придумать, где искать, нетрудно, — трудно эти вещества синтезировать. Узкое место есть и в измерениях: проверка на сверхпроводимость занимает около часа на образец, быстрого массового способа нет.

Так уже было: японская группа, которая в 2001 году открыла сверхпроводимость диборида магния⁴, по словам Чубука, перебрала около 30 000 веществ, и интересную сверхпроводимость показали лишь 30. Само вещество десятилетиями стояло на полках как сырьё для других синтезов, хотя теорию обычной сверхпроводимости построили ещё в 1957 году. Если перебрать столько же за месяц, «мы просто сильно расширим поле для удачи», говорит Чубук.

Что дальше: Periodic собирается строить новые лаборатории, в том числе таких типов, которых у неё пока нет. «Будущее Periodic — не одна лаборатория», — говорит Федус. На вопрос ведущего о предстоящем крупном раунде он ответил, что деньги пойдут на лаборатории и вычисления.

Работу над языковыми моделями в Periodic ведёт Дмитрий Бахданау, автор механизма внимания в нейросетях. По словам Федуса, в своей лаборатории в Монреале Бахданау держит книги по твердофазному синтезу.