Periodic Labs 先把工具带进芯片厂，超导体还卡在合成和测量

强化学习的奖励放在单个环节上，不等整轮实验

Fedus 说，开一轮实验、等几天、再按有没有找到室温超导体更新模型，“完全不可行”：一次 rollout 要在几台仪器之间走好几天，智能体太少，方差压不下来。所以他们围绕已有数据造环境：表征这一步按识别出真实存在的物相给奖励，对虚假的或化学上不合理的物相扣分；也可以按日期切出当时的证据，问科学家下一步做了什么；或只取一台、几台仪器的数据。一批有限的数据，换几种看法就能扩成更多训练任务。

每台仪器都要有智能，但完全自主不是目标

实验室放大后，扫描电镜（SEM）跟不上：一个按固定视野拍照、放大再拍的简单程序拍下的数据“没多大用”。他们改为把 AI 直接装到仪器上控制拍摄，让它知道这次实验想合成什么、已有哪些证据。Fedus 说目标是大量、高质量、多样的数据，自动化只为这个服务；人做得好、机器要花几个月才学会的灵巧操作，先不自动化，类人机器人反而更慢。现成仪器成了瓶颈就自己造，比如称重机，或把机械臂的停放位置挪开已混好的样品，免得污染。

“Full autonomy is a non-goal.”Liam Fedus

超导体：想法不缺，缺的是合成和测量

Cubuk 说想出可能超导的化学空间并不难，难在做出来，这就是他们说“合成超级智能”的原因。判断是否超导的测量不像 XRD，没有高通量方法，一次约一小时；把多个候选混进一个样品、像新冠混检那样先筛，是他们想过但还没做的。他用二硼化镁作例子：按他的说法，一个日本团队试了约三万种材料，其中三十种有值得注意的超导性，二硼化镁是其中之一，而它在架子上当了几十年前驱体。他的设想是把这样一个团队一辈子的尝试压到一个月。

“We just really increased the surface area for luck.”Ekin Dogus Cubuk

现在的收入在半导体：驻场部署，合作方拥有自己的模型

Fedus 说他们先把工具用在自己身上，现在带进不同行业，眼下的大重点是半导体。这些公司极为保密，所以 Periodic 的前线部署工程师和研究员驻场，在最安全的环境里集成系统，在本地推理，也用合作方的数据训练，让合作方“拥有自己的智能”，而不是调一个 API。他拿编程作比：从 Copilot 到 Codex，自动化够强之后就可以按结果定价。

更强的前沿模型也还得做实验

主持人问，用这种科学轨迹训练过的未来模型能不能不进实验室。Cubuk 说科学发现几乎按定义就是模型没被训练过的东西，所以要建实验室，开源或闭源模型都可以用它去“摆弄宇宙”。Fedus 说要把数学、理论计算机科学上的结果和物理世界分开看；把经验压进自己的权重仍有价值，否则前沿实验室在 GPT-4 之后就不必再训练了。

“No one's going to zero shot the room-temperature superconductor.”Liam Fedus