Periodic Labs 打造实验闭环：仅用 1300 张 H200 训出超越 GPT-6 的材料科学模型 Neon

初创研究机构 Periodic Labs 宣布通过高通量物理实验室与算法协同闭环，使用 1300 张 H200 芯片训练出专精材料科学的 Neon 模型，展示了垂类领域中物理实验数据驱动模型迭代的可行性。

• 团队在门洛帕克建立高通量材料实验室，将实际合成与表征产生的新实验数据反馈至模型，形成模型指导实验、实验反哺训练的数据闭环。
• 训练方案基于开源基础模型，结合数月自建实验数据进行中期训练与强化学习，在材料科学专用基准测试中得分超过 GPT-6 Astra。
• 研发初期聚焦超导体、磁性材料与半导体等物理特性明确但设计空间巨大的材料体系，减少对通用海量预训练算力的依赖。
• 影响/看点：这意味着在具备自动化实验能力的细分科学领域，高质量专有实验数据可能比通用算力规模更具效率优势，但该范式能否推广取决于实验室自动化合成的成本与通量上限。
• 资料依据：
• X：Jeff Dean（2026-09-15）：https://x.com/JeffDean/status/2099998119392161960
• Periodic Labs 官方发布（2026-09-15）：https://periodiclabs.ai/research/neon

本内容由 AI 生成，仅供参考，请注意甄别