अग्रणी एआई प्रणालियाँ विशाल खोज क्षेत्रों में मार्ग खोजकर जीव विज्ञान अनुसंधान और दवा खोज को बदल सकती हैं। उदाहरण के लिए, 100 अमीनो एसिड वाले एक प्रोटीन के लिए कम से कम 20100 संभावित अनुक्रम होते हैं, जिसके लिए गतिशील, बहु-उम्मीदवार अन्वेषण आवश्यक है। गूगल का दीर्घकालिक दृष्टिकोण है कि एआई एजेंट न केवल विचार और विश्लेषण करें, बल्कि प्रयोगशाला प्रयोग भी चलाएँ, परिणामों से सीखें और स्वयं में सुधार करें, यह सब मानवीय वैज्ञानिक एजेंसी के मार्गदर्शन में।
इस दृष्टि को साकार करने के लिए दो जुड़ी चुनौतियों का समाधान करना होगा। पहली, अग्रणी मॉडल अभी भी त्रि-आयामी ज्यामिति और भौतिक स्थिति पर विश्वसनीय तर्क नहीं कर पाते, जिससे उन तरल-संभाल रोबोटों का स्वचालन जटिल हो जाता है जो अभिकर्मक स्थानांतरित करते, आयतन ट्रैक करते और आणविक जीव विज्ञान प्रोटोकॉल चलाते हैं। दूसरी, जहाँ इन-सिलिको परिकल्पना निर्माण तेज़ी से आगे बढ़ रहा है, वास्तविक दुनिया के वेट-लैब प्रयोग उसकी बराबरी नहीं कर पाए हैं, जिससे प्रायोगिक परिणाम पहले से कहीं अधिक बाधा बन गए हैं।
पहली चुनौती के समाधान के लिए टीम VERified Infrastructure for Discovery Laboratories (VERID) ढाँचा प्रस्तुत करती है। VERID प्रयोगशाला कार्यस्थल का एक शब्दार्थिक डिजिटल ट्विन है: एक जीवंत, स्थितियुक्त 3D मॉडल जो रोबोटिक भुजा की ज्यामिति से लेकर हर वेल का आयतन, अभिकर्मक पहचान और पिपेट टिप सूची तक सब कुछ ट्रैक करता है। यह ओपन-सोर्स PyLabRobot ढाँचे पर बना है और लाइव 3D स्थिति ट्रैकिंग, तेज़ वर्चुअल ड्राई रन, हार्डवेयर सुरक्षा जाँच तथा समकालिक वीडियो व क्रिया लॉग प्रदान करता है।
केस स्टडी में, समकालिक वीडियो ने वेल के फर्श के बहुत करीब डिस्पेंस करने से होने वाले असमान डाई स्तरीकरण को पकड़ा, और एजेंट ने अपनी मिश्रण रणनीति सुधारी। जब सिम्युलेटर ने एक संकरी ट्रफ़ में न समाने वाले 8-चैनल एस्पिरेशन को अस्वीकार किया, तो एजेंट ने योजना बदली और एक लक्षित फैक्टोरियल निदान डिज़ाइन किया। एक क्लोज़्ड-लूप सेल्फ-प्ले अभियान में, एजेंट ने अपने ही ऑप्टिकल और तरल संबंधी कलाकृतियों की पहचान करके अपनी सटीकता पाँच गुना से अधिक बढ़ा ली।
स्रोत: Google AI Blog · HeadlinesBriefing द्वारा सारांशित