Periodic Labs Melatih Model Parameter Triliunan Menggunakan 1300 GPU H200 untuk Eksperimen Ilmiah

Periodic Labs meluncurkan model ilmiah Periodic Neon: model ini dimulai dari model berbasis bobot terbuka dengan satu triliun parameter, Kimi K2.6, dilatih menengah menggunakan data material yang dihasilkan oleh laboratorium perusahaan, serta pembelajaran penguatan, lalu diterapkan kembali ke laboratorium untuk menganalisis hasil difraksi sinar-X. Pada evaluasi internal paling sulit, FrontierXRD, tingkat keberhasilan meningkat dari 2,7% pada model dasar menjadi 55,3%; Periodic menyatakan bahwa model ini mengungguli GPT‑6 Astra dan Claude Fable 5.1 dalam tugas spesifik ini sekaligus dengan biaya lebih rendah. Yang benar-benar patut diperhatikan bukan perbandingan sederhana "1300 H200 mengalahkan 100.000 GPU", melainkan bagaimana perusahaan sedang membangun siklus tertutup eksperimen—pelatihan—eksperimen ulang: laboratorium fisik terus menghasilkan data baru yang tidak ada di internet, model belajar dari data tersebut, lalu menentukan apa yang harus disintesis dan diuji pada putaran berikutnya. Namun, semua pencapaian utama saat ini berasal dari evaluasi internal perusahaan, bergantung pada penilaian LLM, belum ada tinjauan sejawat atau replikasi independen; Neon mewarisi hasil pelatihan awal Kimi K2.6 yang mahal, dan hingga penelusuran ini, tidak ditemukan alamat unduhan publik untuk bobot Neon.

Penulis artikel, sumber: Periodic Labs

Periodic Labs sedang mencari superkonduktor dan bahan magnetik yang lebih baik. Para peneliti dapat menetapkan bahan target, memilih bahan baku dan suhu, tetapi serbuk yang dihasilkan belum tentu merupakan produk yang diharapkan: di dalamnya mungkin terdapat fase kristal target, bahan baku yang belum bereaksi, serta produk sampingan yang tidak terduga.

Peneliti biasanya menggunakan difraksi sinar-X serbuk, atau XRD, untuk menentukan komposisi sampel. Setelah sinar-X mengenai kristal, ia menghasilkan serangkaian puncak; struktur kristal yang berbeda menghasilkan pola yang berbeda, mirip dengan "sidik jari" material.

Namun, sampel nyata sering kali mengandung berbagai zat, sehingga puncaknya saling tumpang tindih. Jawaban yang cocok secara matematis juga bisa tidak masuk akal secara kimia. Analis juga perlu mempertimbangkan bahan baku, suhu, atmosfer, apakah sampel bersentuhan dengan air, eksperimen sebelumnya, database kristal, perhitungan termodinamika, dan makalah terkait untuk menentukan fase-fase mana yang benar-benar ada dan berapa proporsinya masing-masing.

Periodic mengatakan bahwa sampel kompleks mungkin memerlukan ilmuwan material menganalisis selama beberapa jam. Dalam evaluasinya, jawaban yang diakui rata-rata mencakup lima fase material. Inilah yang ingin diotomatisasi oleh Neon: membaca pola difraksi dan latar belakang eksperimen lengkap, memanggil database dan perangkat lunak ilmiah, mengusulkan fase kandidat, lalu menguji ulang penjelasannya secara berulang.Artikel penelitianmengatakan bahwa model tersebut telah digunakan di laboratorium high-throughput perusahaan.

Neon bukanlah model dasar baru yang dilatih dari awal. Periodic dimulai dari Kimi K2.6 dengan bobot terbuka, dilatih menengah dengan korpus ilmiah yang terdiri dari paper akademik, kode, dan data eksperimen propietari, kemudian dilanjutkan dengan pembelajaran penguatan menggunakan data laboratorium.

Pada evaluasi internal paling sulit perusahaan, FrontierXRD, tingkat keberhasilan Kimi K2.6 asli adalah 2,7%, sedangkan Neon mencapai 55,3%, meningkat sekitar 20 kali lipat. Evaluasi mencakup 134 sampel kompleks dari laboratorium Periodic.

Perusahaan juga menguji 198 pengukuran XRD dari sistem kimia yang dipertahankan: sistem-sistem ini serta sistem yang lebih besar yang mencakupnya tidak dimasukkan ke dalam data pelatihan, tetapi sub-sistem yang lebih kecil mungkin pernah muncul. Neon tetap unggul dibandingkan model terdepan yang diuji pada kumpulan pengujian ini, meskipun Periodic secara jelas menyatakan bahwa kumpulan soal ini lebih mudah daripada FrontierXRD.

(Asli memiliki diagram sebar performa-biaya, kurva ekspansi daya komputasi pembelajaran penguatan, serta grafik hasil generalisasi pada sistem kimia yang dipertahankan.)

“Melebihi GPT‑6 Astra dan Claude Fable 5.1” di sini harus dibatasi hanya pada evaluasi XRD yang dibuat sendiri oleh Periodic. Ini tidak berarti Neon memiliki kemampuan inferensi umum, pemrograman, atau bahasa yang lebih kuat, dan tidak dapat digunakan untuk menyusun peringkat model komprehensif.

Dan hasil 55,3% berarti bahwa hampir setengah dari sampel paling sulit belum berhasil diselesaikan. Neon lebih cocok sebagai alat untuk memperluas kemampuan analisis ilmuwan, bukan sebagai ahli material otomatis tanpa pengawasan.

Logika inti yang diajukan oleh Periodic adalah: data ilmiah berkualitas tinggi yang disediakan oleh internet publik pada akhirnya terbatas, sementara laboratorium fisik dapat terus-menerus menghasilkan data baru.

Paper tradisional cenderung mempublikasikan hasil yang sukses. Informasi seperti bahan apa yang tidak berhasil disintesis, suhu dan rasio apa yang gagal, atau gangguan apa yang terjadi pada peralatan, sering kali tidak dimasukkan ke dalam paper, namun sangat berharga untuk menilai eksperimen berikutnya. Laboratorium mandiri dapat menyimpan semua hasil—berhasil, gagal, dan tidak pasti.

Perusahaan membagi penemuan bahan menjadi tiga langkah siklus:

Pertama, prediksi bahan apa yang harus diproduksi; kemudian prediksi cara sintesisnya; terakhir, analisis apa yang sebenarnya dihasilkan oleh eksperimen. Hasil analisis kemudian dikembalikan ke model untuk memperbaiki asumsi berikutnya.

Neon saat ini terutama memperbaiki langkah ketiga. Tahap selanjutnya dari Periodic berharap agar model dapat secara langsung merencanakan proyek penelitian, menulis proses sintesis, dan memilih eksperimen berikutnya yang paling bernilai informasi.

Ini memiliki perbedaan penting dengan matematika dan pembelajaran penguatan berbasis kode. Program dapat menjalankan pengujian dalam beberapa detik, dan jawaban matematis juga dapat diperiksa oleh sistem formal; eksperimen fisik memerlukan peralatan, bahan, dan waktu, terkadang berlangsung beberapa hari, dengan hasil yang mungkin ambigu. Perusahaan tidak dapat memulai puluhan ribu eksperimen nyata secara instan seperti menghasilkan kode, sehingga mereka harus memanfaatkan sepenuhnya data yang telah terkumpul untuk melatih dan menyempurnakan model selama menunggu eksperimen.

Periodic menyatakan bahwa skala puncak dari sesi pelatihan terakhir Neon mencapai 1.300 Nvidia H200, mencakup tahap pelatihan menengah dan pembelajaran penguatan. Perusahaan membandingkannya dengan lebih dari 100.000 GPU Blackwell yang diklaim digunakan oleh GPT‑6 Astra, untuk menunjukkan bahwa data profesional dapat mengurangi kebutuhan komputasi untuk melatih kemampuan ilmiah umum.

Tetapi ini bukan perbandingan yang sebanding.

Neon mewarisi bobot parameter triliunan dari Kimi K2.6, serta seluruh data dan daya komputasi yang diinvestasikan dalam pelatihan sebelumnya. 1.300 unit H200 hanya mewakili skala puncak saat Periodic melanjutkan pelatihan model, bukan seluruh biaya untuk memperoleh kemampuan parameter triliunan ini. Perusahaan juga tidak mengungkapkan durasi pelatihan lengkap, total jam GPU, konsumsi energi, atau biaya total.

Yang lebih berharga adalah detail teknisnya.Artikel infrastruktur menyatakan bahwa perusahaan melakukan modifikasi di atas Megatron, SGLang, Miles, dan Ray, sehingga throughput pelatihan urutan panjang mencapai 4,1 kali lipat dari baseline Megatron-nya, serta meningkatkan kecepatan decoding model parameter triliunan dari 10 token per detik per permintaan menjadi 25.

XRD Agent satu inferensi bisa berlangsung lebih dari satu jam, selama itu perlu menjalankan ulang program ilmiah berulang kali. Sistem awal pernah membuat kode yang dihasilkan model meminta memori 80GB, menyebabkan seluruh tugas pelatihan gagal. Tim kemudian mengembangkan lingkungan isolasi bernama pbox, menjalankan kode model dalam sandbox, serta memanfaatkan sumber daya CPU yang menganggur di server GPU untuk menangani alat ilmiah.

(Infrastruktur asli mencakup jejak operasi Agent lebih dari satu jam, arsitektur pelatihan dan inferensi asinkron, serta grafik perbandingan kinerja pbox sandbox.)

Periodic juga membandingkan dua lingkungan Agent menggunakan Claude Opus 5 yang sama.

Salah satunya adalah Claude Code ditambah database kristal open-source dan perangkat lunak XRD standar; yang lainnya adalah lingkungan ilmiah milik Periodic itu sendiri, yang mencakup latar belakang eksperimen, database bahan internal, hasil simulasi, dan alat analisis khusus.

Dalam kondisi model yang identik dan biaya analisis per sesi yang serupa, tingkat keberhasilan lingkungan Periodic mencapai 3,8 kali lipat dari yang sebelumnya. Ini menunjukkan bahwa bottleneck tugas XRD tidak hanya terletak pada bobot model, tetapi juga pada kemampuan model untuk melihat catatan eksperimen yang tepat, memanggil alat yang sesuai, dan menyimpan akumulasi penelitian sebelumnya.

Oleh karena itu, keunggulan kompetitif Neon mungkin sulit direplikasi sepenuhnya hanya dengan meniru satu model. Aset yang lebih penting adalah data laboratorium, database, antarmuka instrumen, dan proses analisis di balik model tersebut.

Ini juga berarti AI ilmiah dapat membentuk lanskap persaingan yang berbeda dari model obrolan umum: laboratorium yang lebih besar menghasilkan lebih banyak data propietaris; model yang lebih baik mampu membimbing lebih banyak eksperimen; eksperimen baru selanjutnya memperluas keunggulan data.

Analisis XRD yang kompleks biasanya tidak memiliki jawaban standar yang murah, unik, dan dapat diverifikasi secara otomatis. Kesesuaian bentuk puncak yang baik tidak berarti hasilnya sesuai dengan hukum kimia. Oleh karena itu, Periodic meminta tiga orang doktor yang bergerak di bidang material untuk menandai ribuan pola, lalu melatih sistem penilai yang terdiri dari Claude Opus 5 dan GPT‑5.6 Sol untuk memberi skor pada output model.

Tingkat kesepakatan berpasangan antara tiga ahli manusia adalah 77,2%; tingkat kesepakatan antara hakim LLM dan satu ahli manusia adalah 74,6%; dibandingkan dengan konsensus ahli, tingkat kesepakatan adalah 84%.

Hasil-hasil ini menunjukkan bahwa wasit AI dapat mendekati penilaian ahli, tetapi tidak sama dengan kebenaran objektif. Perbedaan sudah ada di antara manusia, dan model wasit juga mungkin lebih menyukai gaya jawaban tertentu, atau melewatkan kesalahan yang tidak terdeteksi oleh semua annotator.

Yang lebih perlu diperhatikan adalah bahwa model, lingkungan kerja, sampel, dan metode penilaian FrontierXRD semuanya dirancang oleh Periodic. Meskipun perusahaan telah mempublikasikan banyak metode dan statistik, belum merilis kumpulan evaluasi lengkap, data pelatihan, atau bobot Neon yang dapat dijalankan ulang oleh pihak luar, dan hasilnya juga belum melalui tinjauan sejawat.

Periodic secara jelas menyatakan bahwa Neon dilatih ulang dari model berbobot terbuka Kimi K2.6. Oleh karena itu, sebagian media sosial menyebut Neon sebagai "model ilmiah berbobot terbuka".

Namun, hingga waktu pemeriksaan, rilis resmi tidak menyediakan model card, lisensi, atau tautan unduhan bobot Neon, serta tidak memberikan kode dan data yang dapat mereproduksi pelatihan menengah dan pembelajaran penguatan secara lengkap. Pernyataan yang akurat adalah: Neon dibangun di atas model dengan bobot terbuka, bukan berarti bobot Neon yang telah dilatih telah dikonfirmasi dibuka untuk umum.

Perbedaan ini sangat penting. Peneliti eksternal saat ini tidak dapat secara independen memverifikasi hasil 55,3% atau menentukan seberapa besar peningkatan berasal dari data eksperimen, pembelajaran penguatan, alat khusus, anggaran penalaran, atau lingkungan evaluasi.

Model ilmiah masa lalu terutama belajar dari pengetahuan yang sudah ditulis dalam paper, paten, dan catatan database. Periodic berusaha melangkah lebih jauh: membiarkan model mengamati eksperimen yang baru saja selesai hari ini dan belum pernah muncul di internet, lalu menggunakan hasil-hasil ini untuk memandu eksperimen besok.

It is not yet a complete "AI scientist." Humans still need to define research goals, build laboratories, maintain equipment, design rewards, review XRD conclusions, and decide which materials are worth further investment. Neon currently demonstrates that one key step can be significantly automated: as the number of experiments increases, result analysis does not require a proportional increase in human experts.

Jika sistem tertutup ini efektif, keunggulan kompetitif model ilmiah di masa depan mungkin tidak lagi hanya bergantung pada siapa yang memiliki lebih banyak teks publik dan GPU, tetapi juga pada siapa yang dapat menjalankan eksperimen nyata secara stabil, mencatat hasil kegagalan, dan mengubah dunia alami menjadi lingkungan pelatihan yang diperbarui secara terus-menerus.