Argonne National Laboratory Departamentu Energii USA zademonstrowało nową możliwość agentowej sztucznej inteligencji. System pozwala naukowcom sterować złożonymi eksperymentami za pomocą zwykłego języka potocznego.
Demonstracja odbyła się w ramach projektu SYNAPS-I — Synergistic Neutron and Photon Science – Intelligence. Projekt łączy dane z eksperymentów neutronowych, rentgenowskich i mikroskopowych z kilku laboratoriów narodowych i wchodzi w skład inicjatywy Genesis Mission, którą kieruje Lawrence Berkeley National Laboratory.
W pierwszej fazie SYNAPS-I badacze stworzyli model PtychoFM do szybkiej rekonstrukcji obrazów ptychograficznych w czasie rzeczywistym. Teraz dodano agentową warstwę sztucznej inteligencji, która przechodzi od przetwarzania danych do sterowania samym eksperymentem.
Naukowcy mogą po prostu powiedzieć: „zmierz ten obszar” lub „sporządź mapę o wysokiej rozdzielczości”. System sam zbiera dane, analizuje obrazy, podejmuje decyzje i w razie potrzeby prosi człowieka o potwierdzenie ryzykownych działań.
W demonstracji agentowa sztuczna inteligencja z powodzeniem odnalazła właściwy fragment na próbce mikroelektroniki na linii wiązki 26-ID Hard X-ray Nanoprobe, zarządzanej wspólnie przez APS i CNM. Po wykryciu regionu system automatycznie przełączał się na wysoką rozdzielczość.
Dodatkowo agent jest podłączony do modelu Meta Segment Anything Model 3 (SAM3) do segmentacji i oznaczania obiektów na obrazach. Czyni to analizę jeszcze dokładniejszą i szybszą niż metody tradycyjne.
„Zamiast pisania kodu lub wprowadzania technicznych poleceń badacze mogą po prostu porozmawiać ze sztuczną inteligencją, która automatycznie wykonuje zbieranie, przetwarzanie i analizę danych” — zauważył naukowiec obliczeniowy Argonne Min Du.
Projekt łączy wysiłki Argonne, LBNL, Brookhaven, SLAC i Oak Ridge. Demonstracja odbyła się 5 października 2026 roku i stała się ważnym krokiem ku w pełni autonomicznym laboratoriom.
Jak daleko może posunąć się taka autonomia w najbliższych latach?
Według kierownika zespołu SYNAPS-I w Argonne, Matthew Cherukara, połączenie szybkiej rekonstrukcji, agentowego sterowania i segmentacji kładzie podwaliny pod samodzielnie zarządzane mikroskopy i zamknięte cykle eksperymentów w najróżniejszych dziedzinach — od półprzewodników po urządzenia kwantowe.
