США хотят передать ИИ и роботам заметную часть работы в крупных научных лабораториях. Алгоритмы будут разбирать результаты прямо во время эксперимента, выбирать следующий шаг, а роботы смогут менять образцы и настраивать оборудование. Министерство энергетики выбрало четыре проекта общей стоимостью до $30 млн, которые должны приблизить науку к экспериментам с минимальным участием человека.
Обычная автоматическая установка работает по заранее заданному сценарию: переместить образец, включить прибор, провести измерение, сохранить результат. Новые системы должны уметь реагировать на происходящее по ходу работы. ИИ сможет посмотреть на свежие данные и решить, стоит ли изменить настройки, повторить измерение, передвинуть образец или перейти к следующему этапу.
Проект MAESTRO сосредоточится на лабораторных роботах, которые смогут учиться на предыдущих действиях и переносить освоенные навыки на другое оборудование. Для обучения разработчики задействуют цифровые двойники реальных установок, компьютерные модели среды и библиотеки готовых действий. Робот сможет сначала отработать нужную операцию в виртуальной среде, а затем повторить её на настоящем приборе.
DART займётся надёжностью автономных экспериментов. Разработчики хотят проверить, насколько хорошо роботы справляются со сбоями и нестандартными ситуациями, а также можно ли переносить освоенные навыки между разными машинами. Оценивать будут не только точность движений: важно понять, получил ли эксперимент нужный физический результат.
TRACE должен объединить роботов, научные приборы, вычислительные мощности, хранилища данных, цифровые модели и ИИ-агентов. Для них создадут общие интерфейсы, чтобы разработанные решения можно было переносить с одной установки на другую без полной переделки программной части.
Самый масштабный сценарий предлагает проект SPIRE. Роботы смогут устанавливать и перемещать образцы, системы управления будут менять параметры рентгеновских и электронных пучков, а ИИ начнёт разбирать показания детекторов прямо во время опыта. Получив новые измерения, программа сможет сразу скорректировать следующий этап без постоянной команды оператора.
Для крупных научных установок скорость обработки данных уже становится отдельной проблемой. После выхода модернизированного рентгеновского лазера на полную мощность его детекторы смогут выдавать более терабайта данных в секунду. Просматривать такой поток вручную невозможно, поэтому ИИ планируют подключить прямо к обработке измерений. Алгоритмы будут быстро отбирать полезную информацию и использовать её для дальнейшего управления экспериментом.
Некоторые элементы будущей автономной лаборатории уже испытывают. В одном из экспериментов группа ИИ-агентов самостоятельно передала снимки аккумулятора в вычислительный центр, восстановила трёхмерную структуру образца и нашла на изображении отдельные частицы материала. Другие системы неделями следили за работающим прибором и анализировали его состояние, хотя управление пока оставалось у человека.
Похожие эксперименты уже выходят за пределы обычной обработки данных. Недавно ИИ-учёный научился выбирать гипотезы, отправлять команды лабораторному оборудованию, получать результаты биологических опытов и учитывать их при выборе следующей проверки. Роботизированные системы также учатся самостоятельно перенастраивать сложное оборудование после физических изменений установки.
Полностью самостоятельные лаборатории пока остаются целью на будущее. Четыре проекта должны прежде всего создать общие инструменты: программное обеспечение, стандартные интерфейсы, наборы данных, обученные модели, цифровые копии оборудования и правила безопасной работы. При этом $30 млн пока нельзя считать гарантированным финансированием: проекты только прошли предварительный отбор, а дальнейшие выплаты зависят от переговоров и решений Конгресса.