Periodic Labs 的两位创始人说，第一年没有照计划走：先建起来的是半手工的小实验室，而不是一座大型自动化实验室；AI 眼下的用处多在合成和表征的琐碎环节，完整的发现闭环还没有拿出有说服力的
先建半手工的小实验室，再决定大实验室放大什么
Liam Fedus 说，创办时设想第一年只用计算设计新材料，一年后走进高通量自主实验室，开机做科学。实际不是这样：先建起来的是一批半手工、半自动的小实验室，由它们引导研究方向，决定大实验室要放大哪些设备，也让反馈更快闭合。这堂课在 2026 年 5 月讲，公司成立约 11 个月；两人确认实验场地在 Menlo Park，约 4 万平方英尺。此前的记录里有 2025 年 9 月的 3 亿美元种子轮，以及同年 5 月 Forbes 报道的新一轮融资
AI 眼下最有用的是混粉末、查杂质、读衍射图这类小事
他们说，AI 的任务不只是预测哪种材料会是好的超导体，更多是科学里的小事：粉末怎么混，怎样避开某种杂质，样品弄混了怎样在影响结果之前发现并纠正。出炉的样品不带标签，要打 X 射线、读衍射图才知道做出了什么，这是他们重点在建的系统。他们的智能体叫 Onnes，取自液化氦并发现超导现象的那位物理学家；他们说他也是最早主张按工业规模做科研的人
每天用主动学习，贝叶斯优化用处不大，催化基本没做
Ekin Dogus Cubuk 说，贝叶斯优化大概用处不大，因为模型对自身不确定性的估计比点预测更难泛化；主动学习正相反，在固定的学术数据集上不起作用，他们却每天都在用，每天新做的样品多是现有模型预测出来的。他说密度泛函理论算基态性质（比如形成焓）很好，算带隙和激发态不行；催化他们基本没做。Fedus 说难点在样本效率：一道数学题可以跑上千次乃至百万次 rollout，物理实验没法随手放大十倍百倍，所以他们靠基于模型的强化
完整的发现闭环还没有出过有说服力的结果
Fedus 说，端到端的发现闭环还没有出现很有说服力的实例，室温超导体也还没找到，物理上是否可能也不知道；他们希望很快出现第一个。Cubuk 说，算作发现的可以是前所未见的晶体结构、超过现有水平的性质（他说常压超导目前约 133 K，做到 160 K 就算），也可以是更好的合成路线。主持人在讲这门课，他说自己在 a16z 时认识两位创始人，从第一次见面到投资条款书用了四五天，所以这场对话发生在公司和它的投资人