오픈트론스와 엔비디아, 새로운 AI 기반 연구실 시대 열다, 로봇을 학습하는 과학자로 변모시키다

과학계에서 인공지능은 예측에 집중해왔다. 모델은 약물 표적을 제안하고, 분자 구조를 생성하거나, 거대한 생물학적 데이터셋을 분석한다. 그러나 통찰력은 빠르게 발전했지만, 실험의 실행은 여전히 병목 현象으로 남아 있다. AI가 생성한 가설을 실제로 재현 가능한 실험실 실험으로 번역하는 것은 여전히 느리며, 비용이 많이 들고, 기기와 워크플로우에 걸쳐 분산되어 있다.

이 간격은 이제 좁혀지고 있다. 오픈트론스는 이 문제를 해결하기 위해 엔비디아와의 깊은 통합을 발표했다. 이는 물리적 인공지능을 일상적인 연구실 작업으로 가져오기 위한 것이다. (NVDA )

실제 세계 연구실 로봇의 글로벌 네트워크

오픈트론스를 고유하게 위치시키는 것은 규모이다. 이 회사는 주요 연구 대학과 생물의학 조직에 배치된 10,000개 이상의 표준화된 연구실 로봇을 운영한다. 이러한 시스템은 이미 유전학, 단백질학, 항체 발견, 진단과 같은 분야에서 중요한 워크플로우를 자동화한다.

엔비디아의 물리적 인공지능 플랫폼인 엔비디아 아이작과 엔비디아 코스모스를 통합함으로써, 오픈트론스는 이 설치된 기지를 실제 실험에서 학습할 수 있는 물리적 인공지능 모델의 훈련장으로 변모시킨다. 시뮬레이션 데이터에만 의존하는 것이 아니라, 전 세계의 실제 연구실에서 실제 실험을 통해 물리적 인공지능 모델이 직접 학습할 수 있게 된다.

시뮬레이션과 현실의 연결

시뮬레이션은 로봇과 인공지능 개발에 필수적이었지만, 연구실은 고유한 복잡성을 도입한다. 생물학적 변이성, 기기 차이, 시약 행동, 환경 조건 등이 결과에 영향을 미친다. 시뮬레이션과 표준화된 실제 실행을 결합함으로써, 오픈트론스와 엔비디아는 디지털 계획과 물리적 결과 사이의 루프를 닫는다.

실제로, 인공지능 시스템은 실험 설계를 제안하고, 결과를 시뮬레이션하고, 오픈트론스 로봇에서 실험을 실행하며, 결과를 모델 훈련으로 되돌린다. 시간이 지나면서, 실제 연구실 환경에서 무엇이 작동하는지 이해하는 인공지능 에이전트가 생성된다.

자율과학의 루프를 닫다

이 노력의 핵심은 엔비디아의 생물학적 인공지능 스택인 바이오네모이다. 이는 생물학적 발견을 위한 인공지능 모델의 훈련과 배포를 위한 기초를 제공한다. 오픈트론스는 누락된 실행 계층을 제공한다. 즉, 표준화된, 재현 가능한, 프로그래머블한 물리적 실험이다.

이gether, 이것은 지속적인 학습 사이클을 가능하게 한다. 인공지능 모델은 가설과 실험 계획을 생성한다. 로봇이 일관된 방식으로 수천 개의 연구실에서 실험을 수행한다. 결과는 높은 품질의 훈련 데이터로 캡처되고 인공지능 시스템으로 되돌려져 다음 반복을 개선한다. 이 피드백 루프는 규모에 따라 발견 타임라인을 수년에서 수주로 압축할 수 있다.

표준화의 중요성

연구실은 역사적으로 이질적인 환경이었다. 사용자 정의 자동화 설정, 제조업체 전용 기기, 수동 프로세스로 인해 결과를 비교하거나 대규모로 데이터를 재사용하기가 어려웠다. 오픈트론스의 접근 방식은 실행을 표준화하면서도 열린 상태로 유지하고, API 주도적인 방식으로 이 동적을 뒤집는다.

이 표준화는 물리적 인공지능 모델이 연구실 전체에 걸쳐 일반화할 수 있도록 한다. 뉴욕, 보스턴, 바젤 등에서 실험이 동일한 방식으로 수행되면, 인공지능 시스템은 환경 전체에 걸쳐 적용되는 패턴을 학습할 수 있다.

신약 발견 및 그 이상의 영향

즉각적인 영향은 신약 발견에서 느껴질 것이다. 여기서 실험 처리량과 재현성은 속도와 비용에 직접적인 영향을 미친다. 그러나 영향은 더 weit하게 확장된다. 자율적인 실험 실행은 진단 개발, 생물학적 연구의 검증, 새로운 치료법이 개념에서 임상에 도달하는 속도 등에 영향을 미칠 수 있다.

보다 넓은 관점에서, 이 파트너십은 과학에 인공지능을 적용하는 방식의 변화를 시사한다. 추천을 중단하는 것이 아니라, 인공지능 시스템은 실험을 실행하고, 결과에서 학습하며, 자율적으로 개선하기 시작한다. 이는 자율 주행 연구실의 초기 단계를 나타낸다. 여기서 인간 과학자는 전략과 해석에 집중하고, 인공지능과 로봇은 대규모에서 실행을 처리한다.

미래의 한 조각

오픈트론스와 엔비디아는 향후 SLAS 국제 컨퍼런스와 전시회에서 이 비전을 공개적으로展示할 것이다. 여기서 mereka는 AI 기반 계획과 로봇 실행이 어떻게 hội합하는지에 대해 논의할 것이다. 참석자들은 또한 실제 실험 실행 데이터를 기여하여 다음 세대의 물리적 인공지능 모델을 훈련하는 데 도움을 줄 수 있다.

물리적 인공지능이 이론에서 실제로 적용되면서, 이러한 파트너십은 더 큰 추세를 강조한다. 과학에서 인공지능의 미래는 더 나은 예측만으로 정의되지 않을 것이다. 대신, 자율적으로 실험을 설계하고, 실행하고, 학습할 수 있는 시스템으로 정의될 것이다. 이는 지속적이고, 자율적으로, 그리고 글로벌 규모에서 이루어진다.