Latent Space 播客節目專訪了 Periodic Labs 的共同創辦人 Liam Fedus 和 Ekin Dogus Cubuk，探討該公司如何透過「合成超級智慧」（synthesis superintelligence）願景，結合物理實驗與人工智慧來加速科學發現。Periodic Labs 成立於 2025 年 9 月，由曾參與 ChatGPT、DeepMind GNoME、OpenAI Operator 及 MatterGen 等專案的團隊成員創立，目標是打造真正的 AI 科學家。創辦人指出，僅靠思考或閱讀現有文獻無法突破知識邊界，必須透過提出假設、進行實驗並從結果中學習的迭代過程，才能創造新知識。
與傳統大型實驗室不同，Periodic Labs 強調其強化學習環境直接源自物理實驗室，數據來自真實世界的實驗，而非僅依賴已知答案的優化。這帶來了獨特的挑戰：科學實驗充滿不確定性、噪音和缺失資訊。例如，材料從爐中取出時沒有標籤，標註過程本身具有隨機性，不同機器間可能存在差異，且遙測數據可能不足（如實際溫度與設定溫度存在偏差）。因此，AI 系統必須具備在高度不確定性下做出明智決策的能力，並能高效利用有限數據，這與數位環境中可無限增加環境或試錯次數的情況截然不同。
團隊強調，物理和材料科學遠未被「解決」，且未來的前沿模型仍需進行物理實驗。他們提出了「物質編譯器」（matter compiler）的概念，旨在讓每一台實驗室儀器都具備「140 IQ」的智能，透過自動化高通量實驗室，將數十年的科學試錯過程壓縮至數月。此外，他們認為失敗的實驗和負面結果可能是最有價值的訓練數據，因為它們提供了關於物理世界真實限制的關鍵資訊。Periodic Labs 試圖重現貝爾實驗室（Bell Labs）的模式，將固態化學家、物理學家、實驗學家、理論學家、硬體工程師和 LLM 專家聚集在一起，共同開發能從科學過程本身而非僅從發表結果中學習的系統。
事件背景
Periodic Labs 於 2025 年 9 月 30 日由 Liam Fedus 和 Ekin Dogus Cubuk 正式宣布成立。創辦人團隊曾共同開發 ChatGPT、DeepMind 的 GNoME、OpenAI 的 Operator（現為 Agent）、神經注意力機制（neural attention mechanism）以及 MatterGen。該公司旨在加速科學發展，透過建立自主物理實驗室和整合高通量實驗技術，將 AI 應用於材料發現。根據社群討論，Periodic Labs 被認為擁有極高的人才密度，其團隊成員包括訓練過首個兆參數 LLM 的專家和發明注意力機制的專家。公司致力於將 AI 系統、物理世界模擬與物理高通量實驗結合，以產生不同於純數據驅動的智能。
社群觀察
在社群媒體上，關於 Periodic Labs 的人才密度引發了討論。用戶 Rohan Pandey 分享了他加入 Periodic 後的經歷，提到每週的中期訓練會議參與者包括訓練過首個兆參數 LLM 的人、發明注意力機制的人以及他自己，稱這種人才密度令人印象深刻。另一用戶 Chris Barber 發起了一項關於「100 億美元以下估值的新興實驗室中誰擁有最高人才密度」的投票，結果顯示 Core Automation 獲得 32 票，Periodic Labs 獲得 26 票，Flapping Airplanes 獲得 20 票，Standard Intelligence 獲得 18 票。這些討論反映了業界對 Periodic Labs 團隊組成的高度關注和認可。
