Kísérleteket is képes önállóan futtatni az AI-tudós

Az AI nemcsak utasításokat hajt végre

Arun Bansil, a Northeastern University kutatója és csapata az AI-tudóst a Nature Machine Intelligence júliusi számában ismertette. A projektet az Egyesült Államok Energiaügyi Minisztériuma finanszírozta, a munkában pedig a Stanford Linear Accelerator Center, vagyis a SLAC National Accelerator Laboratory is részt vett.

A nagy nyelvi modellekhez hasonló alapokra épülő rendszer abban különbözik egy tipikus chatbot­tól, hogy fizikailag is kapcsolatba tud lépni a környezetével. Tárgyakat mozgat, adatokat gyűjt, leolvassa a detektorok eredményeit, majd ezek alapján módosítja a következő lépéseit.

Bansil szerint az „ügynök” helyett szándékosan használják a „tudós” megnevezést. Egy általános AI-ügynök előre meghatározott utasításokat hajt végre, az AI-tudós viszont a problémát is értelmezi, és a megfigyelések alapján változtat a megközelítésén. A kutatóknak csak átfogó iránymutatást kell adniuk, ezután a rendszer önállóan dolgozik.

Röntgenkísérletben bizonyított a rendszer

A kutatók egy tényleges SLAC-röntgenlétesítményben, szimulált kísérlet során tették próbára az AI-tudóst. A rendszer parancsokat küldött a diffraktométernek, elemezte a kialakuló mintázatot, és szükség esetén módosította a berendezés működését.

A feladat része volt annak meghatározása is, hogy az egyes lépésekhez mely eszközöket kell használni, valamint a vizsgált kristály térbeli orientációjának pontos rögzítése. A döntő próba során egy, a minták irányítására szolgáló eszköz motorja hibásodott meg. A rendszer észlelte a problémát, újratervezte a munkamenetet, majd a későbbi lépésekben felhasználta a tapasztalatot.

A kísérlet azért fontos, mert a röntgenszórásos vizsgálatok előkészítése jelentős időt vesz igénybe. A tudósok röntgensugarakat irányítanak egy apró egykristályra, majd a szóródásból következtetnek az anyag atomszerkezetére és az elektronok működésére. A kristály beállítása és a berendezés igazítása közben értékes mérési idő fogy.

Az önvezető laborok felé vezető első lépés

A SLAC Stanford Synchrotron Radiation Lightsource nevű létesítménye egy körülbelül 768 láb, vagyis nagyjából egy városnyi tömb kerületével összemérhető gyorsító. Az elektronok körpályán mozognak, irányváltoztatásuk során röntgensugarakat bocsátanak ki, amelyeket különálló nyalábvezetőkön keresztül juttatnak el a kísérletekhez.

Bansil szerint ezek a berendezések gyakran túlterheltek, miközben egyes helyeken egyszerre csak egy kísérlet végezhető. A hosszadalmas előkészítés ezért költséges szűk keresztmetszetet jelent. Az AI-tudós ezt a terhet csökkentheti, mert a kutatók kevesebb időt tölthetnek a beállításokkal és a hardverhibák kivárásával, és többet fordíthatnak a kísérletek megtervezésére, az eredmények értelmezésére és a tudományos gondolkodásra.

A Northeastern Quantum Materials and Sensing Institute, amelynek Bansil az alapító igazgatója, önvezető laboratóriumok fejlesztésén dolgozik. A kutatócsoport szerint az eredmény azt is mutatja, hogy ehhez nem feltétlenül kell drága, egyedi AI-modellt betanítani. Egy kész, széles körben elérhető nyelvi modell is képes lehet összetett laboratóriumi munkafolyamatok kezelésére.

Az önvezető laborok a forrás szerint a gyógyszerkutatásban és az anyagtudományban is használhatók. A Northeastern projektje ezt a megközelítést a röntgenkísérletek területén mutatta be, és a kutatók szerint az önálló kísérletezés felé vezető első lépést jelenti.