Periodic Labs, az OpenAI egyik legelismertebb kutatója, Liam Fedus, valamint korábbi Google Brain kollégája, Ekin Dogus Cubuk által alapított új startup, a múlt hónapban lépett ki a titkos üzemmódból egy hatalmas, 300 millió dolláros seed finanszírozási körrel. A befektetést a Felicis vezette, és olyan neves angyalbefektetők és kockázati tőkealapok vettek részt benne, akik a technológiai szektor legnagyobb nevei közé tartoznak.
A startup születése: Egy beszélgetésből indult minden
A Periodic Labs ötlete mintegy hét hónappal ezelőtt született meg, amikor Fedus és Cubuk – akit barátai „Doge”-ként ismernek – beszélgettek egymással. Cubuk a Google Brain egyik vezető gépi tanulás és anyagtudomány kutatója volt. Számos Silicon Valley-beli elképzelés után arról, hogy a generatív mesterséges intelligencia miként változtatja meg radikálisan a tudományos felfedezéseket, arra jutottak, hogy most állnak össze azok az elemek, amelyek lehetővé teszik ezt a valóságban is.
„Az LLM (nagy nyelvi modellek) területén, az kísérleti tudományban és a szimulációkban történt néhány olyan előrelépés, ami miatt most van itt az ideje ennek,” mondta Cubuk a TechCrunch-nak.
Miért most? A technológiai áttörések háttere
- Robotkarok megbízhatósága: Olyan robotkarok váltak elérhetővé és megbízhatóvá, amelyek képesek por alapú szintézisre – azaz új anyagok keverésére és előállítására.
- Hatékony gépi tanulás szimulációk: A gépi tanulás alapú szimulációk már elég pontosak és hatékonyak ahhoz, hogy komplex fizikai rendszereket modellezzenek, amelyek új anyagok fejlesztéséhez szükségesek.
- Nagy nyelvi modellek fejlett érvelési képességei: Ezeket részben Fedus és csapata fejlesztette az OpenAI-nál. Fedus maga is részt vett a ChatGPT létrehozásában, valamint az OpenAI kulcsfontosságú utótréning csapatának vezetője volt.
Ezek az elemek együtt azt jelentik, hogy egy szimuláció elméletileg képes új vegyületeket felfedezni, egy robot képes az anyagokat összekeverni, míg egy nagy nyelvi modell elemzi az eredményeket és javaslatokat tesz a további lépésekre. Így az AI-vezérelt anyagtudomány megvalósítása már nem csak álom.
Kutatási előzmények: Robotizált laboratórium és újszerű vegyületek
Cubuk maga is részt vett egy úttörő Google-kutatásban 2023-ban, amelyben egy teljesen automatizált, robotokkal felszerelt laboratóriumot hoztak létre. Ebben a laborban 41 új vegyületet állítottak elő olyan receptek alapján, amelyeket nyelvi modellek javasoltak.
A kudarc értéke: Új adatforrás az AI számára
A startup alapítói rájöttek arra is, hogy még a sikertelen kísérletek is értékesek lehetnek számukra. Az adatok ugyanis az AI életvitelének alapját képezik. Az AI-tudomány így teljesen új valós adatforrást biztosít mind a tanulási, mind az utótréning folyamathoz. Ez pedig gyökeresen megváltoztathatja a tudományos motivációs rendszert is, amely jelenleg elsősorban sikerorientált – publikációkkal és pályázatokkal jutalmazza a sikereket.
„Kapcsolatba lépni a valósággal, bevonni a kísérleteket az AI körforgásába – úgy érezzük, ez a következő határvonal,” mondta Fedus a TechCrunch-nak.
A befektetés története: Felicis nyeri meg a versenyt
A Cubukkal folytatott beszélgetés után Fedus bejelentette távozását az OpenAI-tól és terveit. Bár Twitteren azt sugallta, hogy OpenAI támogatja őt és befektetett startupjába, ez végül nem valósult meg. A cég alapítói megerősítették a TechCrunch-nak, hogy OpenAI nem támogatja pénzügyileg a Periodic Labst.
Ezzel együtt sem volt hiány érdeklődő befektetőkből: Fedus tweetje után rengeteg kockázati tőkés kereste meg őket. Egy befektető például szerelmes levelet írt nekik – ami ritka jelenség ebben a világban –, de végül az első komoly hívás Peter Dengtől érkezett. Deng korábban OpenAI-nál dolgozott, majd 2025 elején csatlakozott a Felicishez.
A döntő találkozó Noe Valley-ben
Deng találkozott Fedusszal San Francisco Noe Valley nevű negyedében egy kávéra. A beszélgetést egy sétával folytatták tovább a dombos terepen. Deng elmondása szerint ekkor hangzott el egy mondat, ami szó szerint megállította őt:
„Mindenki beszél arról, hogy tudományt akar csinálni, de ahhoz tényleg tudományt kell csinálni.”
Ezzel arra utaltak, hogy az AI-nak valódi laboratóriumi környezetre van szüksége ahhoz, hogy kipróbálja ötleteit kontrollált valós körülmények között.
Deng így emlékszik vissza: „A valóság az LLM-ekkel kapcsolatban az, hogy minden tudásuk normális eloszlásból származik. Csak azt tudják visszaadni, amit már láttak. Az igazi felfedezéshez hipotéziseket kell tesztelni.”
Ezért Deng még azon a sétán elkötelezte magát: kész lesz támogatni őket pénzügyileg. Fedus pedig emlékszik arra is, amikor Deng megkérdezte hogyan segíthetne – akkor még csak laptopokra és ideiglenes irodára volt szükségük –, Deng pedig rögtön kész volt pénzt adni. Ez óriási bizalmi szavazat volt számukra.
A kezdeti nehézségek és gyors fejlődés
Bár Deng nem írt alá szerződést vagy adott át csekket rögtön az utcán – hiszen ekkor még nem volt bejegyezve cégük sem –, hamarosan minden hivatalos formát felvettek. A startup neve is megszületett és bankszámlát is nyitottak.
A 300 millió dolláros tőkeből Cubuk és Fedus több mint két tucat kiváló AI- és tudományos szakembert alkalmaztak fel. Köztük van Alexandre Passos (az o1 és o3 modellek egyik alkotója), Eric Toberer (anyagkutató kiemelkedő szupravezető felfedezésekkel), valamint Matt Horton (a Microsoft két GenAI anyagtudományi eszközének fejlesztője).
Közös tudásmegosztás: Heti előadások szakértőknek
Mivel a csapat tagjai különböző területeken jártasak – AI-tól kezdve fizikán át –, hetente egy-egy szakember tart posztgraduális szintű előadást kollégáinak. Cubuk szerint ez elengedhetetlen ahhoz, hogy mindenki átlássa az épülő rendszer minden részletét.
A labor már működik: Elsődleges céljuk új szupravezetők felfedezése
A Periodic Labs már felállította saját laborját is. Jelenleg kísérleti adatokkal dolgoznak, futtatnak szimulációkat és tesztelik előrejelzéseiket. Elsődleges küldetésük új szupravezető anyagok megtalálása – ami potenciális aranybánya lehetne.
Az új szupravezetők jelentősége abban rejlik, hogy képesek lennének táplálni a következő generációs erős technológiákat alacsonyabb energiafogyasztással.
A robotok még tanulnak: A jövő kihívásai
Bár a robotkarok már megbízhatóak lettek bizonyos folyamatokban, ezeknek még idő kell ahhoz, hogy teljesen betanítsák őket az új laboratóriumban zajló munkára – mondta Cubuk.
Kockázatok és kilátások: Egy nagy dobás tudományos fronton
Bár mesterséges intelligencia vezérelt vagy sem, a tudományos felfedezés ritkán gyors vagy kiszámítható folyamat. A szakértőkből álló csapat ugyan bízik abban, hogy megtalálják keresett anyagaikat vagy más fontos felfedezéseket tesznek majd – akár csak értékes adatokat generálva kudarc esetén –, garanciák nincsenek.
Az iparág válasza: OpenAI saját tudományos egységet indít
Eközben maguk a modellfejlesztők is lépkednek ebbe az irányba: nemrégiben Kevin Weil, az OpenAI alelnöke bejelentette egy „OpenAI for Science” egység létrehozását. Céljuk egy olyan AI-alapú platform fejlesztése lesz, amely felgyorsítja a tudományos felfedezéseket – ezzel létrehozva „a következő nagy tudományos eszközt”.
A befektetők névsora: Kiemelkedő támogatók sorakoznak fel
Bár nem minden befektető nyerte el végül a lehetőséget (például az említett „szerelmes levél” írója sem), számos neves szereplő állt be támogatónak:
- Andreessen Horowitz
- DST Global
- Nvidia kockázati tőkebefektetési ága – NVentures
- Accel Partners
- Angyalbefektetők: Jeff Bezos, Elad Gil, Eric Schmidt és Jeff Dean
Közelgő esemény: Elad Gil előadása San Franciscóban
Elad Gil október 29-én San Franciscóban tart előadást arról, hogyan változtatta meg az AI a startup világot. Az esemény helyszíne a Disrupt konferencia lesz.