Encontrar uma única molécula viável geralmente leva uma década. Custo: bilhões. Resultado? A maioria dos candidatos morre no laboratório de qualquer maneira. A indústria chama isso de fracasso. Chamamos isso de terça-feira. Uma onda de startups de IA prometeu resolver o gargalo, mas a maioria apenas entregou facas um pouco mais afiadas para pessoas que já sabem como segurá-las. Eles não resolveram o problema real. Eles apenas tornaram a dor um pouco menos incômoda.
SandboxAQ tem uma visão diferente.
Eles acham que o modelo não é o problema. É a porta.
Física sobre Texto
SandboxAQ uniu forças com a Anthropic. Agora, os seus modelos científicos vivem dentro de Claude. Você fala. A máquina calcula. Nenhuma infraestrutura especializada é necessária. Não é necessário doutorado em computação.
Cinco anos atrás, isso saiu da Alphabet. Eric Schmidt faz parte do conselho como presidente. Eles arrecadaram mais de US$ 950 milhões, embora também tenham se envolvido com segurança cibernética. O trabalho pesado acontece com o que eles chamam de LQMs: grandes modelos quantitativos.
Não são modelos grandes de linguagem. Eles não adivinham a próxima palavra com base nas postagens do Twitter. Eles respeitam as regras do mundo físico. Baseado na física. Eles administram a química quântica. Eles simulam a dinâmica molecular e a microcinética – basicamente observando como as reações químicas se desenrolam, partícula por partícula, antes que alguém toque em um béquer.
“LQMs são modelos de IA projetados para a ‘economia quantitativa’ – um setor de US$ 50 trilhões que abrange a biofarmacêutica e a energia.”
Eles não estão construindo um chatbot para e-mails. Eles estão perseguindo os setores que a IA deveria realmente mudar.
Quem pode usar
Outros jogadores bem financiados, como Chai Discovery e Isommorphic Labs, apostam tudo na própria ciência. SandboxAQ aposta no usuário.
“Pela primeira vez… alguém pode acessar [isso] em linguagem natural.” – Nadia Harhen, Sandbox AQ
Anteriormente, se você quisesse os modelos SandboxAQ, era necessário trazer seus próprios servidores. Agora, a conversa faz o trabalho pesado. Isso muda totalmente o perfil do cliente. De qualquer forma, nem sempre foi aberto ao público em geral, mas agora está aberto para aqueles que não ganham a vida codificando.
Seu cliente típico trabalha em um laboratório farmacêutico ou industrial. Eles são experimentalistas. Cientistas pesquisadores. Eles estão procurando novos materiais, sim, mas o mais importante, estão procurando coisas que realmente funcionem fora da simulação.
Harhen admite que seus clientes vêm do lixo. Pessoas que experimentaram todos os outros softwares primeiro. Que viu dados promissores virarem pó quando passaram de uma tela para o mundo real. A tradução falhou. Então agora eles tentam isso.
Pode realmente funcionar desta vez.
Ou talvez ainda estejamos apenas gritando com as máquinas e esperando por um milagre. Quem sabe? Os dados nos dirão, eventualmente. Se alguma vez durar o suficiente.
