ピリオディック・ラボ企業解説

COMPANY PROFILE ／マテリアルインフォマティクス

ピリオディック・ラボ
― 「自然そのものを学習環境にする」と掲げ、自社ラボの実験データでAIを鍛える2025年設立の研究開発企業

Periodic Labs（ピリオディック・ラブズ）は、AIモデルと自動化したラボ（自律実験室）を一緒に作り、物理科学の発見を加速することを掲げる米国の非上場企業です。 2025年9月30日に公式発表され、2026年9月には自社ラボのデータで追加学習した1兆パラメータのAI「Periodic Neon」を発表しました。ただし、これまでに公開された成果はX線回折データを解析するAIの性能が中心で、超伝導体などの新材料を見つけたという主張は、公式資料にはありません。本稿は、会社自身の公式発表だけを使い、会社の主張と確認できなかった点を分けて整理します。

構成：Periodic Labs公式サイトの発表（2025年9月30日、2026年9月15日の3本）と、GitHubの公開ページを一次情報として使用／確認日 2026年10月22日／最終更新 2026年10月

この記事でわかること

30秒でわかるPeriodic Labsと、マテリアルインフォマティクスでの立ち位置
ロゴと社名の表記について
マテリアルインフォマティクスの世界で、この会社はどこにいるか
会社の規模
マテリアルインフォマティクスにかけているリソース
これまでの取り組み
今後の計画
この会社はマテリアルインフォマティクスで何を目指しているか
マテリアルインフォマティクス分野の提携マッピング
提供している技術・製品・サービス
この企業が抱えるリスク
用語集／出典／主張と出典の対応表

1. 30秒でわかるピリオディック・ラボと、マテリアルインフォマティクスでの立ち位置

名称Periodic Labs公式サイトの表記。法人の正式名称は公式資料に記載なし

拠点米国カリフォルニア州
メンローパークにラボ本社所在地は公式資料に記載なし

上場非上場売上・評価額は非公表

この分野での区分自動実験・ロボット（主）
基盤モデル・計算基盤（従）本稿の区分。本稿の計算

公式発表2025年9月30日「AI科学者」と自律実験室を作ると表明

資金調達金額は非公表支援者の名前のみ公式サイトに掲載

主なAIPeriodic Neon
（1兆パラメータ）2026年9月15日発表。重みは非公開と見られる

公表済みの材料の成果なし超伝導体・磁石を探索中。発見の主張は確認できず

まず押さえるべき1点

マテリアルインフォマティクス（MI）は、データを集め、AIで材料を予測・設計し、実験で確かめることで新しい材料を探す方法です。 Periodic Labsは、この流れの全体を、自社のラボを持ち、そのラボのデータでAI自身を鍛える形で回そうとしています事実。会社の考えは、「インターネット上の文章は使い尽くされつつあり、自然を相手にした実験こそが、新しい高品質なデータを生む」というものです。ただし、これは会社の戦略の説明です。公開されている成果の中身は、いまのところラボで測ったX線回折の結果をAIに読ませる性能に限られています。本稿は、その性能の評価条件を丁寧に読み、会社の大きな目標（高温超伝導体など）と実績を分けて書きます。

2. ロゴと社名の表記について

表記の注意：社名は Periodic Labs（日本語では「ピリオディック・ラブズ」）で、公式サイトのロゴは小さな線で描いた格子状の図案と「periodic labs」の小文字の文字を並べたものです。ドメインは periodic.com で、旧来の periodiclabs.ai からもここへ転送されます（確認日時点）。周期表（periodic table）に由来するかどうかなど、名前の由来は公式資料に記載がありません。

公式サイト：https://periodic.com/

3. マテリアルインフォマティクスの世界で、この会社はどこにいるか

まず、MIの会社を4つの類型に分けて、Periodic Labsの位置を確認します。

図1　マテリアルインフォマティクスに関わる企業の4類型と、Periodic Labsの位置づけ。区分は本稿によるもので、企業名は本シリーズで扱う企業から例示しています本稿の計算。Periodic Labsは、自動化した高スループットのラボと、そのデータで学習させたAIを一体で運営すると説明しています（左から3番目が主、左端が従）。材料の発見そのものの成果は、公式資料では確認できませんでした。

次に、Periodic Labsが説明する材料探索の3段階の輪と、公開された成果（Periodic Neon）がどこに位置するかを示します。「X線回折（XRD）」は、粉末試料にX線を当てて、どんな結晶がどれだけ混ざっているかを見分ける測定です。

図解　Periodic Labsが説明する、材料探索の3段階の輪と、公開された成果（Periodic Neon）の位置。会社の発表をもとに本稿が整理したもので、第三者の評価ではありません。

4. 会社の規模

非上場のため、法定の財務書類はありません。確認できる範囲だけを示します事実。

項目	内容	出所と区分
公式発表	2025年9月30日に「Introducing Periodic Labs」を公開	公式サイトの発表。法人の設立日は記載なし
拠点	メンローパーク（米国）に高スループットのラボ。大規模な物理シミュレーション用の基盤も構築と説明	2026年9月15日の発表。本社所在地は記載なし
従業員	非公表。公式サイトに創業チームとして23人の氏名を掲載	氏名の一覧は公式サイトのチーム欄。全従業員数ではない
売上	非公表	公式資料に記載なし。本稿では推計しない
資金調達	金額は非公表。公式サイトは支援者の名前を掲載（第5章）	米国SECの提出書類（Form D）の検索では、会社自身の提出は確認できなかった（本稿の確認）
上場	非上場	公式サイトに株式の記載なし

ここで注意

資金調達の金額は、会社の公式資料に書かれていません。報道で語られる金額はありますが、本稿は報道だけの数字は使いません。また、SECの提出書類の検索では、社名を含む名称の投資用ファンドの提出が見つかりましたが、これは投資家側の器であり、会社自身の資金調達額を示すものではありません未確定／将来。

5. マテリアルインフォマティクスにかけているリソース

Periodic Labsは物理科学のAIに特化した会社なので、会社全体の資源がほぼMIの資源にあたります。 人・金・外部への出資や買収・大学や公的機関との連携の4点で確認します。

項目	確認できた内容	状況
人	創業チーム23人の氏名を公式サイトが掲載。会社は、チームがChatGPT、DeepMindのGNoME、OpenAIのOperator、MatterGenなどの開発に関わったと説明（会社の自己紹介）。従業員の総数は非公表	事実（経歴の説明は会社の主張）
金（調達）	支援者として、a16z、Felicis、DST、NVentures（NVIDIAの投資部門）、Accel、個人投資家（Jeff Bezos、Elad Gil、Eric Schmidt、Jeff Dean）を会社が列挙。金額は非公表	名前は事実、金額は確認できず
金（計算資源）	最終の学習で、ピーク時に1,300基のNVIDIA H200 GPUを使用したと会社が記載。クラスタの利用率は95%超と説明。GPU購入や賃借の費用は非公表	事実（数値は会社の説明）
外部への出資・買収・合弁・売却	公式資料に記載なし	確認できず
大学・研究機関・公的資金との連携	科学顧問に大学の教授5人（スタンフォード大学の化学・物理、ノースウェスタン大学の化学・材料科学）。学術研究を支援する助成プログラムを開始と記載。政府資金・国の研究機関との共同研究は記載なし	事実（公的資金は確認できず）

主要なモデル・設備の状況

名称、種別、仕様、公開の形、段階、日付を、公式資料で確認できた範囲で並べます。条件の違う数字を並べて優劣をつけることはしません。

名称	種別	主要な仕様（会社の主張を含む）	公開の形	段階・日付
Periodic Neon	X線回折の解析に特化した大規模言語モデル（追加学習版）	オープンウェイトの1兆パラメータのモデル（Kimi K2.6）に、ラボのデータを含む資料で「中間学習」と強化学習を実施。自社の最難関評価（FrontierXRD）で成功率55.3%と会社が主張（元は2.7%）	重み・コードの公開は確認できなかった（Hugging Faceの検索で該当なし）	自社ラボに配備済み。2026年9月15日
Periodicハーネス	モデルに道具（データベース、解析ソフト）を持たせる枠組み	ラボの文脈、社内の結晶構造・シミュレーションのデータベース、X線回折解析ソフトを備える。Claude Codeをもとにした標準的な構成より成功率が3.8倍高いと会社が主張	非公開	運用中。2026年9月
学習・推論の基盤	大規模学習・推論・サンドボックスの基盤	Megatron、SGLang、Miles、Rayなどのオープンソースを改変。訓練スループットが基準の4.1倍、推論が2.5倍と会社が主張。サンドボックス「pbox」を自作	改良の一部をオープンソースに還元したと会社が記載	運用中。2026年9月
高スループットのラボ	自動化した合成・測定のラボ	24時間稼働と会社が記載。装置の種類・台数・1日の処理数は非公表	自社運用	稼働中（2026年9月の説明）

素材技術者の視点：X線回折の解析が「むずかしい」とはどういうことか

粉末のX線回折では、混ざった結晶それぞれが「指紋」のようなピークを出しますが、複数の結晶が混ざると、ピークが重なって判別がむずかしくなります。会社の説明では、評価に使った試料は、解が認められたものの平均で5つの相が含まれる難しいものです。さらに、答えは出発原料、温度、雰囲気、取り扱い履歴などの文脈にも依存します（空気中で加熱した試料なら酸化物は妥当だが、水分に触れた可能性がなければ水酸化物は不自然、など）事実。つまり、解析ソフトの当てはまりが数値上よく見えても、化学として筋が通っているかを人が判断してきた作業です。会社は、この判断を代わりにできるAIを作り、ラボで続々と出る測定結果に追いつくことを狙っています。

6. これまでの取り組み

時期	できごと	意味
2025年9月30日	「Introducing Periodic Labs」を公開。「AI科学者」と自律実験室を作ると表明	目標：高温で動く超伝導体など。産業界への展開として、半導体メーカーの放熱の課題に取り組んでいると記載（社名は非公表）
2025年9月30日〜2026年9月	メンローパークに高スループットのラボを構築。大規模な物理シミュレーションの基盤も構築	日付と規模は記載なし。「最初の物理実験から、24時間稼働のラボへ」と会社が説明
2026年9月15日	Periodic Neonを発表（1兆パラメータ。ラボで配備済み）	X線回折の解析を担当
2026年9月15日	研究記事「Nature Is Our Learning Environment」を公開	評価方法と結果を説明。評価データは社内用で、公開されていない
2026年9月15日	基盤の記事「AI Infrastructure at Periodic」を公開	GPU数、速度改善の数字、オープンソースへの貢献を説明

7. 今後の計画

探索の目標より高温の超伝導体
新しい磁石会社の目標。達成の事実はない

AIの担当範囲実験の計画・合成手順・
どの実験をするかの判断Neonの方式を広げると会社が記載

ラボと計算拡大して同時に増強規模・時期は記載なし

産業界への展開顧客ごとのAIエージェント半導体メーカー向けの例。社名・時期は非公表

確認できなかったこと

次はいずれも公式資料に記載がありません未確定／将来。

超伝導体・磁石の発見の有無と時期／ラボの装置数・処理数・投資額／Neonの重みの公開／評価データ（FrontierXRDなど）の公開／資金調達額／顧客との契約と売上／学術助成の金額・募集時期。会社は「次のAIには、実験の計画・合成法の開発・実験の選択を担わせる」と書いていますが、これは目標です。

8. この会社はマテリアルインフォマティクスで何を目指しているか

ここは会社が直接は述べていない部分を含みます。一次情報から読み取れる範囲の推測として、根拠とともに書きます。

読み取れること	根拠となる一次情報	区分
材料そのものより、ラボのデータで学習する「科学向けAI」が中心の製品になる	会社は「ラボの実験が、より高性能な科学向けAIを学習させるデータを提供し、そのAIがより良い実験を導く」と書く。公開された成果はAIの性能のみで、材料の発見は含まれない	推測
当面の収益は、顧客の実験データを読むAIエージェントのような産業向けの提供になる可能性	創業時の発表に、半導体メーカーの放熱の課題に対して、研究者向けのカスタムAIエージェントを学習させているとある	推測
材料の新発見は、まだ公表できる段階に至っていない	2026年9月の発表は「超伝導体と磁石を探している」と書くにとどまり、候補材料や測定結果の記載がない	推測
AI基盤（大規模学習・推論）への投資を、ラボと並ぶ柱としている	1,300基のGPUでの学習、基盤の記事、オープンソースへの還元の記載	事実
外部のオープンウェイトモデルを土台にし、自前の事前学習はしていないように見える	Neonは公開されているKimi K2.6から出発し、「より強い土台としてKimi K3が考えられる」と書く。ゼロからの学習の記載はない	推測

推測の根拠を1つだけ詳しく

「新発見はまだ公表できる段階にない」という読みの根拠は、公表した成果の選び方にあります。会社の中心的な目標は高温超伝導体ですが、2026年9月の3本の記事で詳しく書かれているのは、X線回折を読むAIの成功率（55.3%）と学習基盤の速度です事実。新しい物質ができたことを示す記載（組成、測定値、論文）はありません。ラボの結果を、まず「解析AIの性能」として出している順序から、ラボの出力そのものを公にする段階にはまだないと読むのが自然だと本稿は考えます未確定／将来。

9. マテリアルインフォマティクス分野の提携マッピング

図2　Periodic Labsを中心とした関係。出典：Periodic Labsの公式サイトと公式発表。図に含めたのは公式資料に記載がある関係だけです。NVIDIAは出資者（NVentures）であると同時に、基盤の改良で協力した相手でもありますが、本図では協力の関係として描いています。半導体メーカーの社名は公表されていません。

10. 提供している技術・製品・サービス

外部に提供している製品の価格・契約形態は公表されていません 未確定／将来。公表されているのは、自社のラボで使うAI（Periodic Neon）と、その学習・実行の基盤です。本シリーズの技術解説「材料向け大規模言語モデルとテキストマイニング」「AIエージェントによる材料研究」「自律実験室」「スペクトル・画像データのAI解析」も合わせて参照してください。

Periodic Neonがどう作られたか

図解　Periodic Neonの作り方。会社の発表をもとに本稿が整理したものです。

評価結果の読み方

項目	会社の記載	区分
評価の名前と中身	FrontierXRD。ラボの試料のうち、専門家が解くのに数時間かかる複雑なパターン134件。解が認められたものでは、平均5つの相が混ざる	会社の主張。社内の評価で非公開
結果	Neonの成功率55.3%。出発点だったKimi K2.6は2.7%で、約20倍。他の高性能モデルより低い費用で上回ると会社は主張	会社の主張。比較対象は会社が名前を挙げたモデル。本稿は性能を確認していない
採点方法	審判役のAI2種（会社の記載ではOpus 5とGPT-5.6-Sol）の合議で成功を判定。博士号をもつ専門家が3人ずつ付けた評価で調整。専門家どうしの一致率は77.2%、審判AIと専門家の一致率は74.6%、専門家の多数意見との一致率は84%	会社の主張
費用の比較	外部モデルは標準のAPI価格で「理想的なキャッシュ」を仮定。Neonは1H200時間あたり2.5米ドルの仮定で算出	仮定に基づく試算（会社）
汎化の確認	学習から除いた化学系の198件の測定で、他のモデルを上回ったと会社が記載。FrontierXRDより易しい評価と会社自身が説明	会社の主張
道具の効果	同じモデル（Claude Opus 5）で、Periodicハーネスは、公開データベースと解析ソフトを持たせたClaude Codeより成功率が3.8倍	会社の主張

この結果の読み方

この結果は、社内の評価データ、審判AIによる採点、会社が選んだ比較対象に基づく、会社の発表です。外部の第三者が再現できる形での評価データや、査読を受けた論文は確認できませんでした。特に、審判AIと専門家の一致率（74.6%）は専門家どうしの一致率（77.2%）に近いと会社は説明しますが、採点の誤りが評価値に影響する点は変わりません。また、他社モデルの名前・性能・費用は会社の記載であり、本稿は確認していません。本稿では、これを「自社の問題で、ラボのデータで鍛えた専用AIが、汎用AIより良い成績を出したという主張」として読みます。

素材技術者の視点：自社の実験データで追加学習する意味と、検証のしかた

この発表から、材料の技術者が参考にできる点は次の3つです事実。

(1) 失敗や曖昧な結果も、学習の材料になる。 会社は、ラボで得られる「公表されない否定的な結果」も価値のあるデータだと書いています。装置のデータを数多く持つ会社ほど、こうした学習が可能になります。

(2) 「正解が安く確かめられない」問題には、審判役を作る。 X線回折の解析は、当てはまりの数値だけでは成功とは言えず、化学的に筋が通るかの判断が要ります。会社は専門家の判断を採点ルールにして審判AIを作り、専門家との一致率で信頼性を確かめています。自社で似た解析を自動化したいときの、設計の考え方として参考になります。

(3) 未知の系でも通用するかを別に確かめる。 学習から特定の化学系を除いて評価する方法は、材料AIでよく問題になる「見たことのある系にだけ強い」ことを避けるための確認です。ただし、その評価は社内データで、会社自身がやさしい評価と述べています。

11. この企業が抱えるリスク

リスク	内容	区分
成果の外部検証ができない	評価データ・モデルの重みが非公開で、査読論文もない。性能は会社の発表のみ	事実
材料の発見が示されていない	超伝導体・磁石の探索を掲げるが、新物質の成果は公式資料にない。目標と実績の差が大きい	事実
ラボの規模が不明	装置数、処理数、投資額、資金調達額がいずれも非公表で、進捗を外部から確かめる手段が少ない	未確定／将来
外部の土台モデルへの依存	Neonは他社が公開するモデルから出発。そのモデルの利用条件（ライセンス）は本稿では確認しておらず、公式資料にも書かれていない	推測
変化の速い比較対象	会社が比較したAIモデルは、更新や名称変更で状況が変わりやすい。評価の優位は時点限定	推測
計算資源の規模差	会社自身が、学習計算量を大手の最先端モデル並みに増やせばさらに能力が上がると書いており、それには追加の資金が要る	推測
誇大な表現への注意	「AI科学者」「自然が学習環境」などの言葉は会社の理念であり、実績の記述ではない。本稿では優劣の根拠にしない	事実

12. 用語集

マテリアルインフォマティクス（MI）: データとAIを使って、新しい材料を効率よく探す方法。データ→予測・設計→実験で確かめる、の流れで進める。

自律実験室: AIが次の実験を決め、ロボットや自動装置が材料を作って測り、結果をAIに戻す実験室。

X線回折（XRD）: X線を試料に当てて、結晶の種類と割合を見分ける測定。混合物ではピークが重なり、解析が難しい。

中間学習（midtraining）: 基本の学習のあとに、特定の分野のデータを大量に与えて知識を入れる段階。専門の追加学習の前に行う。

強化学習（RL）: AIが試行して、結果の良し悪しの採点（報酬）を受けながら上達する学習方法。

オープンウェイト: モデルの重み（学習結果）が公開されていて、利用者が自分の環境で動かせること。利用条件は個別に定められる。

ハーネス: AIモデルに道具（データベース、解析ソフト）と作業の手順を持たせる周辺の仕組み。

H200: NVIDIAのAI計算用GPUの型番。会社は費用の試算で、1基1時間あたり2.5米ドルと仮定している。

審判AI（LLM-Judge）: AIの出力を、別のAIが採点する方法。専門家の評価との一致率で信頼性を確かめる。

超伝導体: ある温度以下で電気抵抗がゼロになる材料。実用には、より高い温度で働くものが求められる。

図3　概念画像（ImageGen生成）。材料を作る装置、構造を測る装置、次の条件を決める仕組みをつなぐ概念です。実際の同社施設の写真ではありません。実在の製品・施設・測定結果ではありません。拡大模型、線・矢印・色は説明用です。

13. 出典

Periodic Labs　公式サイト（トップ）。会社の説明、創業チームと支援者の一覧、科学顧問、学術助成プログラム。2026年10月22日確認。 https://periodic.com/
Periodic Labs　Introducing Periodic Labs（2025年9月30日）。創業時の発表。目標と進め方、産業界への展開の例。 https://periodic.com/news/introducing-periodic-labs
Periodic Labs　Building Labs that Learn（2026年9月15日）。Periodic Neonの発表と、材料探索を3段階の輪として進める考え方。 https://periodic.com/news/building-labs-that-learn
Periodic Labs　Nature Is Our Learning Environment（2026年9月15日）。Periodic Neonの学習方法と、X線回折解析での評価結果。 https://periodic.com/news/nature-is-our-learning-environment
Periodic Labs　AI Infrastructure at Periodic（2026年9月15日）。学習・推論・サンドボックスの基盤と、使用したGPU数。 https://periodic.com/news/ai-infrastructure-at-periodic
GitHub　sgl-project/sglang の Pull Request #24851（会社が上流のオープンソースへ還元したと書く変更の一つ。PRの実在と題名を確認。投稿者と会社の関係は確認していない）。 https://github.com/sgl-project/sglang/pull/24851
GitHub　radixark/miles の Pull Request #1371（同上。Megatronのチェックポイント変換をRayで並列化する変更）。 https://github.com/radixark/miles/pull/1371

14. 主張と出典の対応表

本文の主張	区分	出典
社名 Periodic Labs、2025年9月30日の発表、非公開企業であること	事実	出典1・2 https://periodic.com/ https://periodic.com/news/introducing-periodic-labs
メンローパークに高スループットのラボを構築し、24時間稼働すると会社が記載したこと	事実	出典3 https://periodic.com/news/building-labs-that-learn
創業チーム23人の氏名と科学顧問5人が公式サイトに掲載されていること	事実	出典1 https://periodic.com/
支援者の名前（a16z、Felicis、DST、NVentures、Accel、個人投資家）が公式サイトに掲載されていること	事実	出典1・2 https://periodic.com/ https://periodic.com/news/introducing-periodic-labs
創業チームの経歴（ChatGPT、GNoME、Operator、MatterGenなど）の説明	事実	出典2 会社の自己紹介（主張） https://periodic.com/news/introducing-periodic-labs
目標（高温超伝導体など）と半導体メーカーへの展開の例	事実	出典2 会社の目標 https://periodic.com/news/introducing-periodic-labs
Periodic Neon（1兆パラメータ、ラボに配備済み）の発表	事実	出典3 https://periodic.com/news/building-labs-that-learn
FrontierXRD 134件、成功率55.3%（出発点2.7%）、平均5つの相	事実	出典4 会社の主張。社内評価で非公開 https://periodic.com/news/nature-is-our-learning-environment
審判AIの一致率（専門家間77.2%、審判AIと専門家74.6%、多数意見との一致84%）	事実	出典4 会社の主張 https://periodic.com/news/nature-is-our-learning-environment
Periodicハーネスが3.8倍高い成功率、中間学習のデータは毎月倍増	事実	出典4 会社の主張 https://periodic.com/news/nature-is-our-learning-environment
汎化の評価198件、費用は1H200時間2.5米ドルの仮定	事実	出典4 会社の記載 https://periodic.com/news/nature-is-our-learning-environment
最終学習のピークで1,300基のH200 GPU、クラスタ利用率95%超	事実	出典5・4 https://periodic.com/news/ai-infrastructure-at-periodic https://periodic.com/news/nature-is-our-learning-environment
訓練4.1倍、推論2.5倍などの基盤の数字、pboxの自作	事実	出典5 会社の主張 https://periodic.com/news/ai-infrastructure-at-periodic
オープンソースへの還元（SGLang、Miles、Megatron-LM）と、NVIDIA DevTechとの協力	事実	出典5 https://periodic.com/news/ai-infrastructure-at-periodic
SGLangのPR #24851、MilesのPR #1371が実在すること	事実	出典6・7 PRの実在と題名のみ確認。投稿者と会社の関係は未確認 https://github.com/sgl-project/sglang/pull/24851 https://github.com/radixark/miles/pull/1371
材料探索を3段階の輪として進める考え方	事実	出典3 https://periodic.com/news/building-labs-that-learn
実験の計画・合成手順・実験の選択を担うAIへ広げる計画	未確定／将来	出典3 会社の計画 https://periodic.com/news/building-labs-that-learn
資金調達額・売上・従業員数・ラボの規模	未確定／将来	出典1 公式資料に記載なし。本稿では推計しない https://periodic.com/
超伝導体・磁石の発見の有無、Neonの重みと評価データの公開	未確定／将来	出典3・4 記載なし。存在しないとも断定しない https://periodic.com/news/building-labs-that-learn https://periodic.com/news/nature-is-our-learning-environment
SECのForm D検索で会社自身の提出が見つからなかったこと	未確定／将来	本稿の確認（EDGAR全文検索）。投資用ファンドの提出は別物
4類型のうち主が自動実験・ロボット、従が基盤モデル・計算基盤という区分	本稿の計算	本稿による整理。会社の自己申告ではない
3段階の輪とNeonの位置、Neonの作り方の図解	本稿の計算	本稿による整理（図解）
科学向けAIが中心の製品になるという読み	推測	ラボのデータでAIを学習するという説明と、公開成果がAIの性能だけであることからの本稿の解釈
顧客の実験データを読むAIエージェントが当面の収益になりうるという読み	推測	創業時の発表の半導体メーカーの例からの本稿の解釈
材料の新発見はまだ公表できる段階にないという読み	推測	公表した成果の選び方からの本稿の解釈
自前の事前学習はしていないように見えるという読み	推測	Neonの出発点が外部のモデルであることからの本稿の解釈
土台モデルのライセンス依存、比較対象の変化、計算資源の規模差というリスク	推測	公式資料の記載とその欠落からの本稿の解釈

最終更新：2026年10月22日／Troy Technical
本稿の内容は、Periodic Labsの公式サイトと公式発表、GitHubの公開ページに基づきます。調査会社の推計値・報道だけの数値は使用していません。性能の数値（55.3%、3.8倍、4.1倍など）は会社の主張で、第三者による検証が確認できたものではありません。「推測」と記した箇所は、一次情報から本稿が読み取った解釈であり、会社の公表内容ではありません。