第8回｜Periodic Labs――AI for Scienceで本当に追うべき20社

ChatGPTとGNoMEの創造者が作る「AI Scientist」！3億ドルSeedで科学の次のScaling Lawを狙う

インターネット上の文章を読み尽くしたAIは、次に何を学ぶのか。Periodic Labsの答えは極端に明快である。「まだ存在しない実験データを、自分で作ればよい」。AI Scientistが仮説を立て、Simulationを回し、Robot Labで実験し、現実世界から返ってきた結果を次の学習へ使う。自然そのものをReinforcement Learning Environmentにしようとしている。

共同創業者はOpenAIでChatGPTのPost-trainingを率いたLiam Fedusと、Google DeepMindでGNoMEなどMaterials AIを率いたEkin Dogus Cubuk。2025年の設立時に3億ドルのSeedを集め、物理科学と材料科学を最初の主戦場に選んだ。公式サイトは高温超伝導体探索だけでなく、半導体メーカーのHeat Dissipation問題に対してCustom Agentを訓練していることも明らかにしている。

2026年9月12日時点でも、報道された75億ドル評価の大型追加調達が正式Closeしたことは確認できない。一方、Menlo ParkでThin-film、Nanofabrication、Lab Automation、Differentiable Physicsなどの採用を続けており、内部のPhysical Experiment Infrastructureを広げていることは確認できる。Periodic Labsはまだ成果より期待が先行する会社だからこそ、何を「証拠」とみなすかを厳密に見る必要がある。

目次

まず結論

第1章　Periodic Labsの現在地

第2章　Liam Fedus――ChatGPTからの転身

第3章　Ekin Dogus Cubuk――GNoMEと材料AI

第4章　二人の出会いと創業

第5章　科学顧問団の顔ぶれ

第6章　3億ドルのシードという異例

第7章　70億〜75億ドル評価の交渉

第8章　「インターネット後」のスケーリング則

第9章　なぜ材料科学から始めるのか

第10章　高温超伝導という最初の標的

第11章　自律実験室の中身

第12章　半導体メーカーとの有償案件

第13章　5階層での位置とLila Sciencesとの比較

第14章　ビジネスモデルはまだ見えない

第15章　何を内製し、何を外に任せるか

第16章　証拠を強さの順に並べる

第17章　まだ証明していないこと

第18章　最大のリスク

第19章　資本構造も競争戦略である

第20章　OpenAIとDeepMind出身者が同じ会社を作る意味

第21章　日本企業はPeriodic Labsから何を学ぶべきか

第22章　GNoME論争という前史

第23章　批判が示した三つの壁

第24章　再現性をどう設計するか

第25章　失敗データという資産

第26章　人材という制約

第27章　時間の非対称という根本問題

第28章　2026年時点で確認できること、できないこと

第29章　この会社を追うための観測指標

第30章　なぜ総合第8位なのか

第31章　Periodic Labsを一言でどう位置づけるか

まず結論

Periodic Labsは、この20社で最も「純粋」な賭けをしている会社である。売るものがまだ何もない。作ろうとしているのは、次のスケーリング則そのものだ。

創業は2025年5月、サンフランシスコ。OpenAIで研究担当バイスプレジデントを務めたLiam Fedusと、Google DeepMindでGNoMEに関わったEkin Dogus Cubukが立ち上げた。2025年9月、3億ドル（約480億円）のシードを評価額13億ドルで調達。リードはAndreessen Horowitz、Felicis とAccelが参加した。

論理は単純である。インターネット上のテキストは学習し尽くされつつある。次に必要なのは、まだ存在しない物理実験のデータだ。ならばロボット実験室を自ら建て、AIモデルのためにデータを生成すればよい。当面の標的は、より高い温度で動作する超伝導体の探索である。

2026年3月にBloombergが70億ドル評価での大型調達交渉を報じ、5月にはForbesが75億ドル評価・5億ドル以上のラウンドが「大幅な超過応募」状態にあると報じた。リードはAnjney Midhaが設立したAMP。ただし2026年9月12日時点でクローズは確認されていない。

報道された75億ドル評価が実現すれば創業から約1年で評価額は大きく上昇するが、同社にはまだ公開された量産材料や医薬品のような最終製品はない。半導体業界に有償顧客がいる点だけが、実需の手がかりである。この落差を理解した上で追うべき会社だ。

第1章　Periodic Labsの現在地

Periodic Labsは、AIが自ら仮説を立て、ロボットの実験室で確かめ、その結果から学ぶ仕組みを作ろうとしている会社である。2025年9月に3億ドル（約480億円）のシードを評価額13億ドルで調達し、2026年には評価額70億〜75億ドルでの追加調達の交渉が報じられた。

この20社の中で、最も「まだ何も売っていない」会社でもある。承認薬も量産材料も、公開された製品もない。実需の手がかりは、半導体業界に有償の顧客がいるという一点に限られる。評価の大半は、創業者の実績と、狙っている問いの大きさに対して付いている。

第2章　Liam Fedus――ChatGPTからの転身

共同創業者のLiam Fedusは、OpenAIで研究担当バイスプレジデントを務め、ChatGPTの開発と、事前学習後の調整（ポストトレーニング）の研究を率いた。それ以前にはGoogle Brainで研究者として働いた。

2025年3月17日、FedusはOpenAIを去ることを発表し、今後はパートナーとして協力したいと投稿した。この投稿はOpenAIの出資を予想させたが、実際にはOpenAIはPeriodic Labsに出資していない。創業者自身がTechCrunchにそう認めている。大規模言語モデルの最前線にいた研究者が、次の成長の源泉として物理実験を選んだことが、この会社の出発点である。

第3章　Ekin Dogus Cubuk――GNoMEと材料AI

もう一人の共同創業者Ekin Dogus Cubukは、Google BrainとGoogle DeepMindで材料と化学のAI研究を率いた。DeepMindが220万件の新しい結晶構造を予測したと発表したGNoMEの研究に関わった人物である。

Cubukが持ち込んだのは、計算による予測だけでは科学は完成しないという問題意識だ。GNoMEが示した候補の多くは、実際に合成して性質を測るまで価値が確定しない。予測と実験の間にある溝を、実験そのものを自動化することで埋めようとしたのがPeriodic Labsの発想である。

第4章　二人の出会いと創業

TechCrunchによれば、会社は二人の会話から始まった。大規模言語モデル、実験科学、シミュレーションのそれぞれで起きた進歩が重なり、今こそ実現できると判断したとCubukは述べている。

会社は2025年5月にサンフランシスコで設立され、9月30日に公に姿を現した。創業時のチームは約20人で、GNoME、OpenAIのエージェントOperator、MicrosoftのMatterGen、注意機構（Attention）の研究、自律的な物理実験室の構築に関わった人材が集まった。AIの研究者と実験の専門家を一つの会社に同居させたこと自体が戦略である。

第5章　科学顧問団の顔ぶれ

科学顧問には、2022年のノーベル化学賞受賞者Carolyn Bertozzi、無機材料化学のMercouri Kanatzidis、物性理論のSteve Kivelson、光電子分光のZhi-Xun Shen、計算材料科学のChris Wolvertonらが名を連ねる。化学、物性物理、材料科学の第一線がそろう。

顧問団の構成は、会社が当面どの領域で勝負するかを示している。生命科学ではなく、超伝導や新しい無機材料といった物理と化学の領域である。AIの研究者だけでは選べない「測る価値のある実験」を選ぶために、分野の専門家の判断が要る。

第6章　3億ドルのシードという異例

2025年9月のシードは3億ドルで、Andreessen Horowitzがリードし、Felicisが最初に出資を決めた。DST、NVIDIAのベンチャー部門NVentures、Accelに加え、Jeff Bezos、Eric Schmidt、Jeff Deanらの個人投資家も参加した。評価額は13億ドルとされる。

シードとしては桁外れの金額である。これは、実験室とロボットと計算資源を最初から自前で持つ必要がある事業の性格を反映している。ソフトウェアだけの会社なら小さく始められるが、物理実験を学習データの源にする会社は、最初の一歩から設備が要る。

第7章　70億〜75億ドル評価の交渉

2026年3月25日、Bloombergは、Periodic Labsが評価額約70億ドルで数億ドル規模の追加調達を交渉していると報じた。5月にはForbesが、評価額75億ドル、調達額5億ドル以上のラウンドが大幅な応募超過になっていると報じ、リードはAnjney Midhaが設立したAMPとされた。

ただし、2026年9月12日時点で、会社による正式な完了の発表は確認できない。確定した資金として扱えるのは2025年の3億ドルのシードであり、追加のラウンドは報道ベースの交渉として区別する必要がある。創業から1年で評価額が約6倍になったとしても、それは期待の価格であって実績の価格ではない。

第8章　「インターネット後」のスケーリング則

Periodic Labsの最も重要な仮説は、次のAIの成長の源を、インターネット上の既存データから、AI自身が生み出す実験データへ移すことにある。言語モデルは人間が書いた文章を大量に学んだが、未知の材料や未知の物理現象については、ウェブ上に正解のデータが存在しない。

この仕組みが回れば、モデルの改善と実験の生成が互いを強める。良いモデルほど情報価値の高い実験を選び、良い実験ほどモデルを改善する。3億ドル規模のシードを必要とした背景には、この循環を最初の段階から大規模に回したいという狙いがある。

第9章　なぜ材料科学から始めるのか

Periodic Labsが物理、化学、材料へ強く寄るのは偶然ではない。材料研究は、組成、温度、圧力、加工条件など多くの変数を持つ一方、熱伝導率や電気抵抗のように測りやすい目標を定めやすい。AIが次の条件を選び、ロボットが確かめる閉じた循環を作りやすい領域である。

新しい材料は、半導体、エネルギー、航空宇宙の性能の上限を決めるため、一つの発見の経済価値も大きい。生命科学に比べて実験の周期が短く、結果の解釈も比較的明確である。AIが人間の研究者を上回る探索能力を最初に示す場として、材料は合理的な選択と言える。

第10章　高温超伝導という最初の標的

当面の標的として公表されているのは、より高い温度で働く超伝導体の探索である。電気抵抗なしに電流を流せる材料が常温に近い温度で実現すれば、送電、医療機器、量子計算まで影響は広い。

同時に、この標的は検証の厳しさでも知られる。過去には高温超伝導の発見が報告されては再現できなかった例が繰り返されてきた。Periodic Labsが本当に新しい超伝導体を見つけたと主張するなら、第三者が同じ結果を再現できるかが問われる。標的の大きさは、そのまま検証の厳しさでもある。

第11章　自律実験室の中身

同社の構想は、粉末を合成するロボットアーム、推論と最適化を担う言語モデル、物性を高速に予測する機械学習のシミュレーションを一つの流れに組み合わせることにある（報道ベース）。数千件の物理・化学の実験を回し、その結果で次の実験を選ぶ。

2026年9月時点の採用情報からは、薄膜とナノ加工の能力を社内で広げていることも読み取れる。リソグラフィ、成膜、エッチング、原子層堆積（ALD）、物理気相成長（PVD）、プラズマCVDなどを扱う人材を募集している。粉末の合成にとどまらず、半導体に近い薄膜の試作まで自前で持とうとしていることになる。

第12章　半導体メーカーとの有償案件

公式サイトが紹介する唯一の商業的な事例は、半導体メーカーの放熱の問題である。Periodic Labsは顧客のために専用のAIエージェントを訓練し、実験データの解析を支援している。社名や契約金額は公表されていない。

この事例は、会社の遠い目標と近い収入をつなぐ役割を持つ。AIが自ら発見する段階に至る前でも、企業が持つ実験データの解析を手伝うことで、対価を得ながら実データに触れられる。半導体の熱の問題は、AIの計算需要が増えるほど深刻になる課題でもある。

第13章　5階層での位置とLila Sciencesとの比較

本連載の5階層では、Periodic Labsは第2層のAI Scientistを中心に、第1層の科学基盤モデルと第4層の自律実験室を統合しようとしている。第1回のLila Sciencesと最も位置が近い会社の一つである。

違いは対象の広さにある。Lila Sciencesが生命科学、化学、材料をまたいで「科学の超知能」を掲げるのに対し、Periodic Labsは物理と材料に絞っている。範囲を狭めることで、実験の周期を速め、最初の成果を早く出せる可能性がある。一方で、成功しても対象が限られるという制約も抱える。

第14章　ビジネスモデルはまだ見えない

事業モデルの詳細は公表されていない。考えられるのは、産業界との共同研究、AI Scientistの基盤の提供、自律実験室の受託サービス、発見した材料の知的財産の許諾、共同開発などである。

現時点で確認できる収入の形は、半導体メーカー向けの有償案件だけである。どの形が主になるかで、会社の姿は大きく変わる。基盤を提供するならソフトウェア企業に近づき、材料の権利を持つなら素材企業に近づく。この選択は、評価額の根拠そのものに関わる。

第15章　何を内製し、何を外に任せるか

Periodic Labsがすべてを内製する必要はない。第2層のAI Scientistを中心に据えるなら、自社で持つべき中核と、外部に任せるべき部分を選ぶことが重要になる。最先端のAI人材と、物理科学の実験を統合する部分は自社に残す価値が高い。

一方で、汎用の計算資源や一部の分析装置は外部を使った方が効率的な場合もある。この境界を誤ると、設備を抱えすぎて資本効率が悪化するか、逆にデータと知見が外へ流れ出す。薄膜とナノ加工の内製化は、半導体に関わる実験を外に出したくないという判断の表れと読める。

第16章　証拠を強さの順に並べる

Periodic Labsについて公開されている証拠を強さの順に並べると、最も弱いのは将来の構想で、次に創業者の過去の実績、社内の実験、顧客の評価、第三者による再現と続く。2026年9月時点で確認できるのは、構想、創業者の実績、そして社名非公開の顧客一社までである。

新しさの高い分野ほど比較の相手が少なく、会社の語る物語が先行しやすい。だからこそ、同じ技術から複数の独立した成果が出ているか、失敗した実験も公開されているかを追う必要がある。

第17章　まだ証明していないこと

創業者、資金、顧問の質では極めて強いが、公開されている商業的・科学的な実績は、XtalPi、Schrödinger、Recursionほど積み上がっていない。現段階で評価すべきなのは、完成した勝者ではなく、非常に高い潜在力を持つ研究基盤の建設者としてである。

今後必要なのは、AI Scientistが人間の研究者なら選ばなかった仮説を提案し、それが第三者の検証できる新発見につながった事例である。同じ仕組みが複数の材料、複数の企業で機能すれば、汎用の科学的知能という主張は一段強くなる。

第18章　最大のリスク

最大のリスクは期待の高さである。3億ドルを集めても、科学的な発見は不確実で、実験室の統合や実験の品質は資本だけでは解決しない。評価額が上がるほど、次の調達までに示さなければならない成果の水準も上がる。

二つ目は人材の競争である。最先端のAI研究者は、大手のAI企業からも強く求められている。三つ目は、物理の実験には限界があることだ。どれほどAIが賢くなっても、材料を合成し、測り、再現を確かめる時間は短縮しにくい。AIの進歩の速さと、実験の速さの差をどう埋めるかが問われる。

第19章　資本構造も競争戦略である

Periodic Labsのような深い技術の会社では、資本の構造も競争戦略の一部である。3億ドルのシードは長い研究期間を支える一方、将来の評価額への期待と、節目ごとの成果への圧力を高める。

とくに実験室を持つ会社では、固定費を抱える前に、繰り返し発生する需要を示す必要がある。70億〜75億ドルでの調達が実現すれば、研究の時間はさらに延びるが、その評価額に見合う成果を示す責任も重くなる。

Periodic Labsの公式サイトは、社内の実験室だけで閉じず、Academic Grant Programの立ち上げも告知している。2026年9月時点の記載は「大胆な発想と先進的な研究を支援する制度を立ち上げる」という予告の段階で、採択の規模や研究成果はまだ公開されていない。それでも、外部研究者の大胆な研究を支援する仕組みを持つことは、AI Scientistの学習対象を自社の設備だけに限定せず、学術コミュニティとの接点を広げようとしていることを示す。同社の競争力を測る際は、内製LabのExperiment Throughputだけでなく、この外部研究Networkからどれだけ再利用可能なDataやMethodが戻るかも見る必要がある。

第20章　OpenAIとDeepMind出身者が同じ会社を作る意味

Fedusは言語モデルのポストトレーニングとChatGPTの規模拡大を、CubukはGNoMEを含む材料AIを経験した。二人の組み合わせは、汎用AIの規模拡大と、科学の分野ごとのモデル化という異なる系譜を一つの会社へ持ち込む。

最先端のAI人材が大手を離れて科学のAI企業を作る動きは、研究の重心が変わりつつあることも示す。次の巨大なモデルを作るだけでなく、そのモデルが現実の世界から新しい知識を得る仕組みそのものが価値を持ち始めている。

第21章　日本企業はPeriodic Labsから何を学ぶべきか

日本は材料、化学、半導体製造装置、計測に強い。Periodic Labsの発想から学ぶべきは、失敗した実験を含む測定データそのものが、AIの時代には資産になるということだ。日本企業の研究所には、論文にも特許にもならなかった実験の記録が大量に眠っている。

そのデータを、条件と結果がそろった形で残し、AIの学習に使える状態にしておくことが第一歩になる。Periodic Labsのような会社と組む場合も、自社の実験データをどこまで渡し、どの知的財産を社内に残すかを先に決めておく必要がある。

第22章　GNoME論争という前史

Periodic Labsを評価するうえで避けて通れないのが、共同創業者Cubukが関わったGNoMEをめぐる論争である。Google DeepMindは2023年11月、GNoMEが220万件の結晶構造を予測し、うち38万件が安定で合成の有力候補だと発表した。同時に、ローレンス・バークレー国立研究所のA-Labが17日間の自律運転で58件の合成を試み、41件の新しい無機化合物を作ったとする論文もNatureに掲載された。

翌2024年、二つの批判が相次いだ。ユニヴァーシティ・カレッジ・ロンドンのRobert Palgraveらは、A-Labの43件の生成物をすべて検証し、粉末X線回折の自動解析の誤りや、材料に含まれる乱れの見落としを指摘して、新しい材料は一つも発見されていないと結論づけた（PRX Energy、2024年3月）。ケンブリッジ大学のAnthony CheethamとRam Seshadriは、GNoMEの予測を新規性、合成可能性、実用性の三つの基準で評価し、大半がいずれかを満たさないと述べた。220万件の予測のうち、論文の時点で実際に合成が確認されていたのは736件だった。

A-Labを率いたGerbrand Cederは、自律実験室に何ができるかを示すのが目的であり、人間の専門家より高品質な解析をすることを狙ったわけではないと反論した。どちらが正しいかはここでは問わない。重要なのは、この論争がPeriodic Labsの存在理由そのものを説明していることである。

第23章　批判が示した三つの壁

この論争は、計算による予測と現実の材料の間にある三つの壁を浮かび上がらせた。第一に、予測された構造の多くは既知の化合物と実質的に同じか、合成できないか、用途がない。第二に、ロボットが作った粉末が本当に狙った物質かを判定する解析が、自動化ではまだ信頼できない。第三に、Cheethamが述べたように、220万件の候補を人が一つずつ吟味する時間はどこにもない。

Periodic Labsの構想は、この三つに正面から答えようとしている。予測だけで終わらせずに実際に作り、測り、その結果でモデルを直す。だからこそ、同社が成果を主張する日には、GNoMEに向けられたのと同じ厳しさが向けられる。自社の実験室で作ったと主張するだけでは足りず、第三者が同じ物質を再現できることまで示せるかが問われる。

第24章　再現性をどう設計するか

自律実験室を持つ会社にとって、再現性は技術の問題であると同時に信頼の問題である。同じ装置、同じ担当者、同じ日に得た結果が揃って見えても、別の研究室で作れなければ材料としての価値は確定しない。

検証の設計には、いくつかの選択肢がある。発見した材料の合成手順と測定データを公開し、外部の研究室に再現を依頼する。査読誌に投稿し、専門家の指摘を受ける。あるいは顧客企業の量産工程で実際に使われることをもって証拠とする。Periodic Labsがどの道を選ぶかは、同社が科学の会社として評価されるか、産業の会社として評価されるかを分ける。

第25章　失敗データという資産

同社が公表している考え方のなかで、見落とされやすいが重要なのが、失敗した実験のデータを価値ある資産とみなす点である。学術論文は成功した結果を中心に発表されるため、公開されている科学のデータは成功例に偏っている。どの条件で作れなかったかという情報は、ほとんど世に出ない。

自律実験室は、この偏りのないデータを作れる。AIが選んだ条件のうち、うまくいかなかったものも同じ精度で記録される。モデルにとっては、成功と失敗の両方があって初めて境界が学べる。インターネットのデータには存在せず、自前の実験室でしか作れないデータとは、まずこの失敗の記録である。

第26章　人材という制約

Periodic Labsの構想を実現するには、最先端のAI研究者と、装置を扱える実験の専門家の両方が要る。前者は大手のAI企業が巨額の報酬で奪い合っており、後者は半導体や材料の産業が抱えている。二つの人材市場は、賃金の水準も働き方も違う。

2026年9月時点の採用情報からは、同社が薄膜とナノ加工の人材を厚く求めていることが読み取れる。リソグラフィ、成膜、エッチング、原子層堆積などを扱える技術者である。AIの会社でありながら、半導体の工場に近い技能を持つ人を集めているところに、この会社の難しさと本気度の両方が表れている。

第27章　時間の非対称という根本問題

AIの進歩は速い。モデルの性能は数か月単位で変わる。一方、材料の合成と測定にかかる時間は、装置を並べても劇的には縮まらない。粉末を混ぜ、焼き、冷やし、構造を測るという工程には物理的な下限がある。

この非対称は、自律実験室を掲げる会社すべてが抱える根本の制約である。計算の側をいくら速くしても、全体の速度は最も遅い工程で決まる。Periodic Labsが本当に評価されるのは、実験の回数を増やしたときではなく、一回の実験から引き出す情報の量を増やしたときである。少ない実験で答えに近づく実験計画こそ、AIが最も貢献できる部分になる。

第28章　2026年時点で確認できること、できないこと

確認できるのは、3億ドルのシードという資金、創業者と初期メンバーの経歴、科学顧問の顔ぶれ、半導体メーカー一社との有償の関係、薄膜とナノ加工へ向かう採用の動き、そして超伝導という標的である。

確認できないのは、追加調達の完了、実験室の規模と稼働の実態、発見された材料の有無、収益の規模、そして顧客の数である。この二つの一覧の落差が、現時点でのPeriodic Labsの評価の難しさをそのまま表している。投資家は前者に、産業は後者に注目している。

第29章　この会社を追うための観測指標

追うべき指標は四つある。第一に、報道されている追加調達が正式に完了するかどうか。第二に、半導体の顧客に続く二社目、三社目の有償顧客が公表されるか。

第三に、自律実験室から、第三者が再現できる新しい材料や超伝導体の発見が出るか。第四に、事業モデルがどの形に定まるかである。四つのうち最も重要なのは三つ目で、それが出るまでPeriodic Labsの評価は期待の値段にとどまる。

第30章　なぜ総合第8位なのか

Periodic Labsは、AI for Scienceの問いを最も純粋な形で立てている会社である。次のスケーリング則を物理実験に求めるという構想は、この分野の方向を決めうる大きさを持つ。

それでも第8位にとどめたのは、公開された成果がまだ少ないからだ。上位の企業が臨床の結果や量産の実績、あるいは大規模な実データを持つのに対し、Periodic Labsが持つのは構想と人材と資金である。成果が出れば順位は大きく上がり、出なければ最も大きく下がる会社でもある。

第31章　Periodic Labsを一言でどう位置づけるか

Periodic Labsは、「インターネットの次に、AIは何から学ぶのか」という問いに、物理実験で答えようとしている会社である。

答えが正しければ、同社はAIの成長の新しい源泉を作った会社になる。答えが出るのは、自律実験室から第三者が再現できる発見が生まれたときである。それまでは、最も大きな問いに、最も大きな賭け金を置いた会社として追うことになる。

本稿の表記について。本稿では、企業の公式発表・決算資料・規制当局への提出書類（発表ベース）と、報道機関の記事（報道ベース）を区別して記述する。契約価値は将来のマイルストーンをすべて達成した場合の上限額であり、受領済みの金額とは異なる。金額は1ドル＝160円で概算換算する。主要参考資料には、実在を確認したURLのみを掲載している。

3億ドルのシード（2025年9月、評価額13億ドル、Andreessen Horowitzがリード）は投資家と報道による。創業時期（2025年5月）と公表日（9月30日）、OpenAIが出資していない点はTechCrunchの報道による。

評価額約70億ドルでの交渉（Bloomberg、2026年3月25日）と評価額75億ドル・5億ドル以上（Forbes、2026年5月）はいずれも報道であり、2026年9月12日時点で会社による正式な完了の発表は確認できない。

薄膜・ナノ加工の能力拡張は同社の採用情報、半導体メーカー向けの事例は公式サイトの記載による。粉末合成ロボットと言語モデルを組み合わせる構想は報道による。

主要参考資料・関連リンク

Periodic Labs（公式サイト）
https://periodic.com/

Investing in Periodic Labs（Andreessen Horowitz）
https://a16z.com/announcement/investing-in-periodic-labs/

Periodic Labs（Accel）
https://www.accel.com/companies/periodic-labs

Top OpenAI, Google Brain researchers set off a $300M VC frenzy for their startup Periodic Labs（TechCrunch、2025-10-20）
https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs/

Former OpenAI Researcher To Raise $500 Million For AI Science Startup（Forbes、2026-05-07）
https://www.forbes.com/sites/iainmartin/2026/05/07/former-openai-researcher-to-raise-500-million-for-ai-science-startup/

Former OpenAI and DeepMind researchers seek $7B valuation to build 'AI scientists'（Tech Funding News、2026-03-26）
https://techfundingnews.com/former-openai-and-deepmind-researchers-eye-7b-valuation-for-ai-startup-periodic-labs/

Periodic Labs（Contrary Research）
https://research.contrary.com/company/periodic-labs

Periodic Labs 採用情報（Ashby）
https://jobs.ashbyhq.com/periodic-labs/2cfb099d-42f1-4dff-93f4-1862b13f914a

New analysis raises doubts over autonomous lab's materials 'discoveries'（Chemistry World、2024-06）
https://www.chemistryworld.com/news/new-analysis-raises-doubts-over-autonomous-labs-materials-discoveries/4018791.article

Challenges in High-Throughput Inorganic Materials Prediction and Autonomous Synthesis（PRX Energy 3, 011002、2024）
https://par.nsf.gov/servlets/purl/10532478

Artificial Intelligence Driving Materials Discovery?（Chem. Mater. 2024, Cheetham & Seshadri）
https://pmc.ncbi.nlm.nih.gov/articles/PMC11044265

Autonomous experimentation for accelerated materials discovery（Ceder Group, UC Berkeley）
https://ceder.berkeley.edu/?p=835

ハッシュタグ

#AIforScience
#PeriodicLabs
#AIScientist
#AutonomousLab
#SelfDrivingLab
#MaterialsAI
#材料科学
#超伝導
#PhysicalAI
#ScientificAI
#Semiconductor
#LiamFedus
#GNoME
#スケーリング則
#追うべき20社
#ALab
#再現性
#失敗データ