Apoha emerge dall'ombra con 36 milioni di dollari per insegnare alle macchine come si comporta la materia

      La scienza può già dirti cos'è una molecola e come appare. Ciò che non è mai riuscita a dirti, in modo economico e su larga scala, è come si comporta una cosa una volta che incontra le condizioni disordinate del mondo reale. Quel divario è dove i farmaci falliscono silenziosamente nei trial, dove i prodotti alimentari mancano il palato per cui sono stati creati, e dove, sempre di più, l'intelligenza artificiale si trova a corto di strada. Apoha, un'azienda londinese nata da 15 anni di fisica interfaciale, afferma di aver costruito la misura mancante. Il 3 giugno è emersa dall'ombra con 36 milioni di dollari di finanziamenti, annunciati al Frontier Technologies Stage di SXSW Londra. Il round è guidato da Singular, con la partecipazione di Draper Associates di Tim Draper e il continuo sostegno degli investitori seed Redalpine, Seedcamp, Wilbe e Nucleus, insieme a finanziamenti a fondo perduto da Innovate UK. L'azienda chiama il suo strato di dati Liquid State Intelligence, una nuova categoria che colloca accanto a sequenza e struttura. Dove la genomica ha digitalizzato il linguaggio della biologia e la biologia strutturale ha digitalizzato il design, Apoha vuole digitalizzare il comportamento: ciò che la materia fa realmente sotto stress. I finanziamenti, afferma, andranno a rendere quella una classe di dati fondamentale per biologici, alimenti, materiali e intelligenza artificiale del mondo fisico. La scienza risale al 2008, quando il fondatore e amministratore delegato Shamit Shrivastava iniziò a lavorare su un problema che il modello di segnalazione nervosa vincitore del Nobel di Hodgkin-Huxley aveva lasciato aperto: la fisica del confine dove la materia incontra il liquido. Ha poi pubblicato prove di onde sonore solitarie bidimensionali a un'interfaccia lipidica nel 2014, un lavoro che l'azienda afferma sia stato successivamente nominato tra le scoperte di Scientific American che potrebbero cambiare tutto. Nel 2021 ha co-fondato Apoha con Anshika Srivastava, il suo direttore operativo e un ex direttore esecutivo di Goldman Sachs. L'azienda detiene ora più di 60 brevetti in hardware, software, dati e modelli di intelligenza artificiale. Il suo primo prodotto è VIBE, una lettura empirica di come un campione si comporta sotto stress controllato. La piattaforma prende una quantità di materiale abbastanza piccola da stare su una testa di spillo, la sospende in un liquido, applica una sequenza di perturbazioni e registra i modelli d'onda che la molecola emette in risposta. Quei modelli si risolvono in più di 1.000 descrittori misurati del comportamento in una singola lettura, dove i saggi convenzionali catturano una proprietà alla volta. Nel giro di pochi minuti, afferma l'azienda, una lettura VIBE può segnalare se un farmaco sperimentale fallirà prima di raggiungere un trial. La piattaforma è già in uso commerciale, e la prova più solida si trova in un preprint. In una ricerca congiunta con Boehringer Ingelheim, un partner commerciale pluriennale, Apoha ha identificato candidati anticorpali ad alto rischio con una precisione superiore al 90% partendo da appena 8 microgrammi di materiale. Una seconda versione del lavoro di benchmarking riporta che la piattaforma supera 12 test di sviluppabilità standard del settore su 236 anticorpi clinici, e porta alla luce informazioni che le misure convenzionali mancano piuttosto che duplicarle. Altri clienti sottolineano la varietà. Apoha sta lavorando con la biotech tedesca Ethris per prevedere come si comportano le nanoparticelle lipidiche contenenti mRNA negli animali, e con l'azienda alimentare a base vegetale THIS su un sostituto proteico destinato agli scaffali dei supermercati. Elenca anche Somru BioSciences e diverse aziende Fortune 500 nei settori farmaceutico, alimentare e dei materiali. La scommessa più ampia è che l'intelligenza artificiale del mondo fisico avrà infine bisogno di questo. I modelli hanno imparato a vedere e leggere, e una generazione di sistemi di intelligenza artificiale fisica è ora in fase di costruzione per agire sulla materia. Nessuno di essi può ancora percepire come un farmaco si dissolve o come un sapore si mantiene, perché quei dati non sono mai stati raccolti su larga scala. "Non può essere estratto da Internet, sintetizzato o adattato da saggi esistenti," ha detto Shrivastava. "Deve essere misurato." Se abbastanza acquirenti concordano nel creare una classe di dati da esso è la domanda a cui il prossimo round dovrà rispondere.