在 Periodic 的规模上，实验室要靠 AI 读懂自己产生的数据

瓶颈先出现在“读懂数据”，不是做实验

Periodic 先建了一个小实验室，用来检验最早的预测、决定哪些设备值得放大。Fedus 说最意外的是它多快就卡在智能上：科学家和工程师说“我们看不懂这么多数据，需要帮忙”，这发生在更大的实验室上线之前。他的结论是，按机器学习放大的方式做科学，离不开 AI。

“One thing that was really surprising to us in the construction of our small lab to begin was just how quickly we became intelligence bottlenecked.”Liam Fedus

今天的实验室有边界：合金和高分子做不了

被问到要建多少实验室时，Fedus 说需要比现在更多，因为“我们今天的实验室做不了像样的合金研究或高分子研究”，不同的物理需要不同的实验条件。能在实验室之间通用的，是怎样编排实验室、怎样发现坏数据、把智能放在哪些机器上。五年后有多少个，他的回答是“轻松几十个”。

实验室不可省：没有它就“只能想”

Fedus 说网上的科学数据噪声大：两个组做同一个实验会得出不同结论，合成的关键自由度不写，负面结果几乎没有。模拟只能给出一组假设，要把几种可能收敛成真的那一个，必须去做；Periodic 在 Menlo Park 建实验室，就是为了拿到负面结果，并和模拟、文献互相印证。

“We think this is a non-negotiable.”Liam Fedus

要收的是科学家的意图，不只是原始数据

Fedus 说把完整上下文给模型（假设是什么、怎么做的、结果如何）一直是 Periodic 的优势；一份没有说明意图的二十年前模拟数据很难用。他们早期让科学家戴 GoPro 在实验室里走，科学家不喜欢，后来改成语音记录和上传实验记录本。设备上也越来越多地直接放模型，做监控和调整，这样采到的数据更全。

超导的目标线是液氮，不是室温

Fedus 说室温超导体是否物理上可能都不知道；Periodic 在找，但不必到室温。临界温度远高于液氮，再加上好制造（有延展性、易做、少用稀土），就已经对聚变磁体等有很大意义。他说聚变商业化“看起来很可能在七年左右”，同时说自己不是专家。

“We don't have to hit room temperature.”Liam Fedus