一家由前OpenAI和Google DeepMind核心成员创立的科技公司，近日公布了其在人工智能与材料科学交叉领域的重大突破。该公司推出的Periodic Neon模型拥有1万亿参数规模，以开放权重模型Kimi K2.6为基础，通过整合科学文献、代码库及自主研发的实验数据进行中间训练，并采用强化学习技术优化模型性能。目前该模型已部署于美国门洛帕克的高通量材料实验室，专门用于分析新型超导体和磁性材料实验产生的X射线衍射数据。
在材料合成实验中，最终产物往往包含目标材料、未反应原料及副产物混合物。研究人员需通过X射线衍射图谱识别晶相结构，但复杂样品中多个衍射峰重叠的现象，使得传统分析需要结合专业软件、晶体结构数据库和热力学计算，专家往往需耗费数小时才能完成判断。Periodic Neon模型通过搭建科学工具链系统，能够自动调用实验上下文、材料数据库及分析工具，显著提升了分析效率。
为验证模型性能，研发团队构建了包含134个真实实验样本的FrontierXRD测试集，其中复杂样品平均包含5个物相。测试结果显示，Periodic Neon成功率达55.3%，较基础模型Kimi K2.6提升20倍以上，在相同测试条件下超越了GPT-6 Astra和Claude Fable 5.1等前沿模型。针对198个未接触过的化学体系实验数据测试中，该模型同样展现出优势。不过目前所有测试均基于内部基准，尚未接受第三方独立验证。
该模型的训练过程消耗了约1300张NVIDIA H200 GPU的算力资源。由于科学任务需要持续调用代码、数据库和专业软件，单次推理轨迹可能持续超过一小时，研发团队在Megatron等开源框架基础上开发了专用训练推理系统。目前Periodic Neon已实际应用于实验室的XRD数据分析，团队正拓展其功能至实验规划、材料合成方案设计等完整科研流程。
这家初创公司的创始团队具有显著的行业背景。联合创始人Liam Fedus曾任OpenAI研究副总裁，是早期ChatGPT团队核心成员，长期从事大模型后训练研究；另一位联合创始人Ekin Dogus Cubuk来自Google Brain和DeepMind，主导过预测200万种新晶体结构的GNoME项目，并参与过语言模型指导材料合成的实验研究。公司科学顾问委员会成员包括斯坦福大学物理学教授沈志勋，其在超导体和拓扑材料领域的研究成果享誉学界。
公司成立之初即获得3亿美元种子轮融资，投资方涵盖Andreessen Horowitz、DST等知名机构，以及Jeff Bezos、Eric Schmidt等个人投资者，当时估值达13亿美元。据媒体报道，该公司今年正在洽谈新一轮至少5亿美元融资，拟议估值约75亿美元。在产业合作方面，其已与某半导体企业展开合作，通过训练定制化智能体解决芯片散热问题，加速研发迭代进程。
目前Periodic Labs的研究重心仍聚焦于材料科学领域，门洛帕克实验室持续开展超导体和磁性材料实验。公司通过构建"模型-实验室"闭环系统，将AI预测、自动化实验与数据分析有机结合，形成独特的技术路线。这种将失败实验数据纳入训练集的做法，为模型提供了传统文献中难以获取的负样本信息，有助于提升预测准确性。
