Аргоннская национальная лаборатория Министерства энергетики США продемонстрировала новую возможность агентного искусственного интеллекта. Система позволяет ученым управлять сложными экспериментами с помощью обычного разговорного языка.
Демонстрация прошла в рамках проекта SYNAPS-I — Synergistic Neutron and Photon Science – Intelligence. Проект объединяет данные нейтронных, рентгеновских и микроскопических экспериментов из нескольких национальных лабораторий и входит в инициативу Genesis Mission, которую возглавляет Lawrence Berkeley National Laboratory.
В первой фазе SYNAPS-I исследователи создали модель PtychoFM для быстрой реконструкции пtychографических изображений в реальном времени. Теперь добавлен агентный слой ИИ, который переходит от обработки данных к управлению самим экспериментом.
Ученые могут просто сказать: «измерь эту область» или «составь карту с высоким разрешением». Система сама собирает данные, анализирует изображения, принимает решения и при необходимости запрашивает подтверждение у человека для рискованных действий.
В демонстрации агентный ИИ успешно нашел нужный участок на образце микроэлектроники на пучковой линии 26-ID Hard X-ray Nanoprobe, совместно управляемой APS и CNM. После обнаружения региона система автоматически переключалась на высокое разрешение.
Дополнительно агент подключен к модели Meta Segment Anything Model 3 (SAM3) для сегментации и маркировки объектов на изображениях. Это делает анализ еще точнее и быстрее традиционных методов.
«Вместо написания кода или ввода технических команд исследователи могут просто поговорить с ИИ, который автоматически выполняет сбор, обработку и анализ данных», — отметил вычислительный ученый Аргонна Мин Ду.
Проект объединяет усилия Аргонна, LBNL, Brookhaven, SLAC и Oak Ridge. Демонстрация состоялась 5 октября 2026 года и стала важным шагом к полностью автономным лабораториям.
Как далеко может зайти такая автономия в ближайшие годы?
По словам руководителя аргоннской команды SYNAPS-I Мэтью Черукары, комбинация быстрой реконструкции, агентного управления и сегментации закладывает основу для самоуправляемых микроскопов и закрытых циклов экспериментов в самых разных областях — от полупроводников до квантовых устройств.
