Apoha выходит из тени с $36 млн, чтобы научить машины, как ведет себя материя

      Наука уже может сказать вам, что такое молекула и как она выглядит. Но она никогда не могла сказать вам, дешево и в больших масштабах, как это вещество ведет себя, когда сталкивается с запутанными условиями реального мира. Этот разрыв — это место, где лекарства тихо терпят неудачу в испытаниях, где продукты питания не соответствуют вкусу, для которого они были созданы, и где, все чаще, искусственный интеллект теряет направление.

      Компания Apoha, основанная в Лондоне и имеющая 15-летний опыт в области интерфейсной физики, утверждает, что создала недостающее измерение. 3 июня она вышла из режима скрытности с финансированием в размере 36 миллионов долларов, объявленным на сцене Frontier Technologies на SXSW London.

      Раунд возглавляет Singular, с участием Draper Associates Тим Дрейпера и продолжением поддержки со стороны начальных инвесторов Redalpine, Seedcamp, Wilbe и Nucleus, а также грантового финансирования от Innovate UK.

      Компания называет свой слой данных Liquid State Intelligence, новой категорией, которую она ставит рядом с последовательностью и структурой. Если геномика оцифровала язык биологии, а структурная биология оцифровала дизайн, Apoha хочет оцифровать поведение: что вещество на самом деле делает под стрессом. Как утверждает компания, финансирование пойдет на создание этого класса данных в качестве основного для биопрепаратов, продуктов питания, материалов и физического мира ИИ.

      Научные исследования ведутся с 2008 года, когда основатель и генеральный директор Шамит Шривастава начал работать над проблемой, которую оставила открытой модель нервной сигнализации Ходжкина-Хаксли, получившая Нобелевскую премию: физика границы, где вещество встречается с жидкостью.

      Он опубликовал доказательства существования двумерных солитарных звуковых волн на липидном интерфейсе в 2014 году, работа, которую компания позже назвала одной из открытий Scientific American, которые могут изменить все. В 2021 году он стал соучредителем Apoha вместе с Аншикой Шриваставой, ее операционным директором и бывшим исполнительным директором Goldman Sachs.

      Компания сейчас владеет более чем 60 патентами в области аппаратного обеспечения, программного обеспечения, данных и моделей ИИ.

      Ее первый продукт — VIBE, эмпирическое измерение того, как образец ведет себя под контролируемым стрессом. Платформа берет количество материала, достаточно маленькое, чтобы поместиться на головке булавки, подвешивает его в жидкости, применяет последовательность возмущений и записывает волновые паттерны, которые молекула выбрасывает в ответ.

      Эти паттерны разрешаются в более чем 1000 измеренных дескрипторов поведения за одно считывание, в то время как традиционные анализы фиксируют одно свойство за раз. В течение нескольких минут, как утверждает компания, считывание VIBE может указать, провалится ли экспериментальное лекарство, прежде чем оно дойдет до испытания.

      Платформа уже используется в коммерческих целях, и самые убедительные доказательства находятся в препринте. В совместном исследовании с Boehringer Ingelheim, многолетним коммерческим партнером, Apoha выявила кандидатов на антитела с высоким риском с точностью более 90% из всего лишь 8 микрограммов материала.

      Вторая версия работы по бенчмаркингу сообщает, что платформа превосходит 12 стандартных тестов на развиваемость в индустрии по 236 клиническим антителам и предоставляет информацию, которую традиционные меры упускают, а не дублируют.

      Другие клиенты указывают на разнообразие. Apoha работает с немецкой биотехнологической компанией Ethris над прогнозированием того, как липидные наночастицы, несущие мРНК, ведут себя в животных, и с растительной продовольственной компанией THIS над заменой белка, предназначенной для полок супермаркетов. Она также сотрудничает с Somru BioSciences и несколькими компаниями из списка Fortune 500 в области фармацевтики, продуктов питания и материалов.

      Широкая ставка заключается в том, что физическому миру ИИ в конечном итоге это понадобится. Модели научились видеть и читать, и сейчас строится поколение физических ИИ-систем, которые будут действовать с веществом. Ни одна из них пока не может почувствовать, как растворяется лекарство или как удерживается вкус, потому что эти данные никогда не собирались в больших масштабах.

      «Эти данные нельзя собрать из интернета, синтезировать или адаптировать из существующих анализов», — сказал Шривастава. «Их нужно измерять». Вопрос в том, согласится ли достаточно покупателей создать из этого класс данных, на который следующему раунду придется ответить.