ํํธ๋์ญ
Opentrons & NVIDIA, AI๋ฅผ ํ์ฉํ ์คํ์ค์ ์๋ก์ด ์๋ ๊ฐ๋ง, ๋ก๋ด์ ํ์ตํ๋ ๊ณผํ์๋ก ๋ณ์
과거 10년 동안 생명과학 분야의 인공지능은 예측에 중점을 두어왔다. 모델은 약물 표적을 제안하거나 분자 구조를 생성하거나 대규모 생물학 데이터를 분석한다. 그러나 통찰력이 빠르게 발전함에도 불구하고 실험의 실행은 여전히 병목 현상을 겪고 있다. AI가 생성한 가설을 실제로 재현 가능한 실험실 실험으로 번역하는 것은 여전히 느리고 비용이 많이 들고 기기와 워크플로우에 걸쳐 분산되어 있다.
그 간격이 지금 좁혀지고 있다. Opentrons는 이 문제를 해결하기 위해 NVIDIA와의 깊은 통합을 발표했다. 이는 물리적인 인공지능을 일상적인 실험실 운영으로 가져와서 이 문제를 해결하는 것을 목표로 한다.
실제 실험실 로봇의 글로벌 네트워크
Opentrons를 고유하게 위치시키는 것은 규모이다. 이 회사는 10,000개 이상의 표준화된 실험실 로봇을 운영하며, 이는 주요 연구 대학과 생물제약 조직에 걸쳐 배포되어 있다. 이러한 시스템은 이미 유전학, 단백질학, 항체 발견, 진단과 같은 중요한 워크플로우를 자동화하고 있다.
NVIDIA의 물리적 인공지능 플랫폼인 NVIDIA Isaac와 NVIDIA Cosmos를 통합함으로써 Opentrons는 이 설치된 기지를 실제 실험 실행에서 직접 학습할 수 있는 살아있는 훈련 환경으로 변형하고 있다. 시뮬레이션 데이터에만 의존하는 것이 아니라 물리적 인공지능 모델은 이제 전 세계의 湿 실험실에서 실제 실험 실행에서 직접 학습할 수 있다.
시뮬레이션과 현실의 간극을 메우다
시뮬레이션은 로봇공학과 인공지능 개발에 필수적이지만, 실험실은 고유한 복잡성을 도입한다. 생물학적 변이, 기기 차이, 시약 행동, 환경 조건 등이 결과에 영향을 미친다. 시뮬레이션과 표준화된 실제 실행을 결합함으로써 Opentrons와 NVIDIA는 디지털 계획과 물리적 결과 사이의 루프를 닫고 있다.
실제로, 인공지능 시스템은 실험 설계를 제안하고, 결과를 시뮬레이션하고, Opentrons 로봇에서 실험을 실행하고, 결과를 모델 훈련에 피드백할 수 있다. 시간이 지남에 따라 이것은 단지 무엇이 작동해야 하는지 예측하는 것이 아니라 실제 실험실 환경에서 무엇이 작동하는지 이해하는 인공지능 에이전트를 생성한다.
자율 과학의 루프를 닫다
이 노력의 핵심은 생물학적 발견을 위한 인공지능 모델의 훈련과 배포를 제공하는 NVIDIA의 생물학적 인공지능 스택인 BioNeMo이다. Opentrons는 표준화된, 재현 가능한, 프로그래밍 가능한 물리적 실험을 제공한다.
이gether, 이것은 지속적인 학습 사이클을 가능하게 한다. 인공지능 모델은 가설과 실험 계획을 생성한다. 로봇은 수천 개의 실험실에서 일관되게 실험을 수행한다. 결과는 높은 품질의 훈련 데이터로 캡처되고 인공지능 시스템에 피드백되어 다음 반복을 개선한다. 이 피드백 루프가 확대되면 발견 타임라인을 몇 년에서 몇 주로 압축할 수 있다.
표준화의 중요성
실험실은 역사적으로 이질적인 환경이었다. 사용자 지정 자동화 설정, 독점 기기, 수동 프로세스는 결과를 비교하거나 대규모로 데이터를 재사용하는 것을 어렵게 만들었다. Opentrons의 접근 방식은 동적을 뒤집어 실행을 표준화하면서도 열린 상태와 API 주도적이다.
이 표준화는 물리적 인공지능 모델이 실험실 전체에서 일반화할 수 있도록 한다. 뉴욕, 보스턴, 바젤에서 실험이 동일한 방식으로 수행되면 인공지능 시스템은 환경 전체에 걸쳐 적용되는 패턴을 학습할 수 있다.
약물 발견 및 그 이상의 영향
즉각적인 영향은 약물 발견에서 느껴질 가능성이 있다. 여기서 실험의 처리량과 재현성이 속도와 비용에 직접적인 영향을 미친다. 그러나 영향은 더 넓다. 자율 실험 실행은 진단이 개발되는 방식, 생물학적 연구가 검증되는 방식, 새로운 치료법이 개념에서 임상에 얼마나 빠르게 이동하는지 다시塑造할 수 있다.
보다 넓게 보면, 이 파트너십은 과학에 인공지능을 적용하는 방식의 변화를 시사한다. 추천을 중단하는 것이 아니라 인공지능 시스템은 실험을 실행하고, 결과에서 학습하며, 자율적으로 개선하기 시작한다. 이것은 자율 실험실의 초기이지만 의미 있는 단계를标示한다. 여기서 인간 과학자는 전략과 해석에 집중하고, 인공지능과 로봇은 대규모로 실행을 처리한다.
미래의 한 단면
Opentrons와 NVIDIA는 곧 있을 SLAS 국제 컨퍼런스 및 전시회에서 이 비전을 공개적으로展示할 것이다. 여기서 mereka는 인공지능 기반 계획과 로봇 실행이 어떻게 수렴하는지에 대해 논의할 것이다. 참석자들은 또한 다음 세대의 물리적 인공지능 모델을 훈련하기 위해 실제 실험 실행 데이터를 기여할 수 있는 기회를 갖게 될 것이다.
물리적 인공지능이 이론에서 실제로 이동함에 따라, 이러한 파트너십은 더 큰 트렌드를 강조한다. 과학에서 인공지능의 미래는 더 나은 예측만으로 정의되지 않을 것이며, 실험을 설계하고, 실행하고, 학습할 수 있는 시스템으로 정의될 것이다. 이것은 지속적이고, 자율적으로, 글로벌 규모로 진행될 것이다.
