Modele AI firmy Meta napędzają pierwszą falę projektów w ramach Genesis Mission
Sztuczna inteligencja otwiera zupełnie nowy rozdział w amerykańskich badaniach naukowych. Opublikowane przez Meta otwarte modele wizyjne stanowią fundament technologiczny dla przełomowego systemu SYNAPS-I (SYnergistic Neutron And Photon Science – Intelligence). Jest to sztandarowy projekt zainicjowanej przez Biały Dom pod koniec 2025 roku państwowej inicjatywy The Genesis Mission. Ta szeroka kampania technologiczna, koordynowana przez Departament Energii (DOE), ma na celu potężne przyspieszenie krajowych odkryć naukowych. Aby jednak zrealizować misję i obsłużyć badawcze wąskie gardła, wdrożone zostały najnowsze infrastruktury oparte na otwartym kodzie – w tym kluczowe dla powodzenia Segment Anything Model 3 (SAM 3) oraz DINOv3.
Ujarzmianie dziesiątek petabajtów danych badawczych
Lawrence Berkeley National Laboratory (Berkeley Lab), renomowany obiekt znany z przełomowych i wielokrotnie nagradzanych badań fizycznych, chemicznych oraz materiałowych, odpowiada za funkcjonowanie między innymi Advanced Light Source (ALS). Ośrodki DOE operujące promieniowaniem i powiązanymi technologiami generują obecnie dziesiątki petabajtów danych rocznie, co wprost można porównać do transmisji strumieniowej dwóch milionów godzin wideo w wysokiej rozdzielczości HD.
Ten potężny przyrost informacji jest bezpośrednim następstwem gigantycznej poprawy parametrów sprzętowych. Podczas gdy dekadę temu urządzenia potrafiły zarejestrować pojedynczy obraz z detektora co sześć sekund, po modernizacji przechwytują zawrotne 100 000 obrazów na sekundę. W konsekwencji wolumen surowych zrzutów rentgenowskich wielokrotnie przekroczył zdolności analityczne człowieka. Dotychczas to manualna segmentacja obrazu, polegająca na wyodrębnianiu z szumu precyzyjnych struktur materiałowych (jak struktury komórkowe czy ułożenie minerałów), spowalniała pracę. Tradycyjna, ludzka analiza bywała do tego stopnia niedoskonała w kwestii prędkości, że zidentyfikowanie znaczących elementów mogło pochłaniać zespołom całe tygodnie na pojedynczy zbiór danych.
Segment Anything i DINO: Zgrany potok analityczny
Aby zlikwidować ten zator technologiczny, interdyscyplinarny zespół zrzeszający 60 specjalistów współpracujących dla DOE (m.in. Argonne, Brookhaven, Oak Ridge, Berkeley oraz SLAC National Laboratories) stworzył w pełni zautomatyzowany rurociąg analityczny (pipeline) bazujący na oprogramowaniu od Meta. Podstawę potoku buduje tandem zaawansowanych algorytmów. Rolę przewodnią w ustalaniu kontekstu i rozpoznawaniu poszczególnych partii obrazu bez potrzeby wstępnego etykietowania pełni samonadzorowany DINOv3 (self-supervised vision model). Wyniki z pierwszego modułu trafiają następnie do Segment Anything Model 3 (SAM 3), który dopełnia zadanie poprzez odrysowywanie niezwykle precyzyjnych granic rozpoznanych obiektów na poziomie pojedynczych pikseli w ledwie kilka sekund.
Po dokładnym fine-tuningu tych algorytmów na surowych danych pozyskanych ze sprzętu badawczego DOE, oprogramowanie SYNAPS-I zostało uruchomione na potężnej architekturze klastrowej wykorzystującej 300 A100 GPUs, umieszczonej w krajowych superkomputerach (takich jak NERSC). Rezultat integracji sprzętu z nowymi modelami wprost zmienił tryb pracy przy eksperymentach: kompleksowo zrekonstruowany i obdarzony pełnym oznakowaniem semantycznym model 3D (tzw. 3D volume) trafia bezpośrednio w ręce naukowca znajdującego się przy fizycznym instrumencie po około 15 minutach.
Od miesiąca pracy do 15 minut – na przykładzie winorośli
Praktyczny potencjał systemu uwidoczniono chociażby podczas badań uwarunkowań odporności winorośli na suszę, analizując sytuację biologiczną sprzętem z zaawansowanych urządzeń świetlnych na poziomie komórkowym. System poddał automatycznej obróbce wygenerowane w Advanced Light Source skany micro-CT łodyg winorośli. Oprogramowanie natychmiast wychwyciło odpowiedzialne za transport wody naczynia ksylemu. Automatyczna adnotacja systemu jest tak dokładna i użyteczna, że kategoryzuje naczynia ksylemu, posługując się paletą semantyczną: cyjan oznaczał tu uwodnione naczynia ksylemu, natomiast ciemny fiolet wskazywał na elementy suche (jak opisano w źródłach z eksperymentu jako: „cyan: hydrated xylem vessels; dark purple: dry”).
To, co kiedyś wymagało pełnego miesiąca manualnej adnotacji na jeden krok czasowy eksperymentu (time step) dla zespołu analityków, obecnie zamyka się we wspominanym czasie około 15 minut.
Dlaczego Open Source jest gwarantem bezpieczeństwa naukowego
Laboratoria państwowe nie mogą polegać na zewnętrznych chmurach w kwestii przetwarzania chronionych i nieopublikowanych danych. Udostępnienie narzędzi przez Meta na zasadach wolnego oprogramowania pozwoliło badaczom SYNAPS-I zaadaptować architektury pierwotnie służące komercji w hermetyczne oraz niezwykle rygorystyczne warunki informatyczne struktur państwowych USA.
Występując podczas specjalnego spotkania Trillion Parameter Consortium, Dario Gil, podsekretarz DOE, docenił nową jakość wpisującą się w program. „Bezproblemowo łącząc sztuczną inteligencję, zaawansowane obliczenia i systemy eksperymentalne, SYNAPS-I analizuje dane w miarę ich powstawania i kieruje eksperymentami w czasie rzeczywistym, zastępując powolne, ręczne kroki adaptacyjnym, zautomatyzowanym podejmowaniem decyzji” – wyjaśnił podsekretarz. Jak dodał w konkluzji, to hybrydowe podejście „kompresuje czas odkryć z dni do momentów i ustanawia ciągły, samodoskonalący się model nauki, który będzie niezbędny do zrealizowania pełnego potencjału The Genesis Mission”.
