Argonne מתקדמת לעבר מיקרוסקופים שנוהגים לבד

בכל פעם שמדען רוצה להשתמש במיקרוסקופ מתקדם — נגיד, זה שעובד עם קרני רנטגן בעוצמה גבוהה ב-Advanced Photon Source של Argonne National Laboratory — הוא ממתין חודשים בתור. וברגע שהוא מקבל את הזמן, כל דקה נחשבת. שעות beamtime הן משאב נדיר גם במעבדות המחקר הטובות בעולם, וחלק גדול מהן הולך על כיוון המכשיר, חיפוש הדגימה הנכונה וקביעת המדידה הבאה.

פרויקט חדש בשם SYNAPS-I מנסה לשנות את המשוואה הזאת. אם עד היום החוקרים היו צריכים לכתוב קוד, לנווט בלוחות בקרה מסובכים ולבדוק כל תמונה ידנית — עכשיו הם יכולים פשוט לדבר עם המערכת. להגיד משהו כמו "מפה את האזור הזה ברזולוציה גבוהה" או "מצא את הגבול בין שני החומרים האלה" — וה-AI עושה את השאר.

מה זה SYNAPS-I?

SYNAPS-I, ראשי תיבות של Synergistic Neutron and Photon Science – Intelligence, הוא פלטפורמת AI אג׳נטית (agentic) שפותחה כחלק מ-Genesis Mission של משרד האנרגיה האמריקאי (DOE). הפרויקט הוא מאמץ משותף של חמש מעבדות לאומיות: Argonne, Lawrence Berkeley, Brookhaven, SLAC ו-Oak Ridge.

השלב הראשון, שנבחן מוקדם יותר השנה, התמקד במהירות. ניסויי רנטגן מייצרים מיליוני תמונות תוך שעות ספורות — והצוות בנה מנוע AI שממיר את השיטפון הזה לתמונות ptychographic בזמן אמת. ptychography היא טכניקה שמחברת הרבה דפוסי עיטוף (overlapping diffraction patterns) לתמונה אחת חדה וברזולוציה גבוהה. תהליך שבדרך כלל לוקח שעות או ימים של חישובים — כאן לקח שניות.

"שחזור בזמן אמת משנה את הדרך שבה ניסויים מתבצעים", אומרת Aileen Luo, מדענית מחשוב ב-Argonne ומפתחת מובילה של מודל ה-ptychography ב-SYNAPS-I. "חוקרים יכולים לתקן מדידות תוך כדי תנועה, במקום לגלות בדיעבד שהם פספסו תכונות קריטיות."

השלב השני: ה-AI מקבלת שליטה

השלב החדש מוסיף שכבת AI אג׳נטית שמעבירה את הדגש מעיבוד נתונים לשליטה בניסוי עצמו. המערכת לא רק מנתחת תמונות — היא גם מחליטה מה לעשות הלאה. מודל שפה מולטי-מודאלי מפרש את התמונות שמתקבלות בזמן אמת ומקבל את ההחלטה הבאה: לאסוף תמונה, לנתח אותה, להחליט לאן להזיז את הסריקה, למקד את החיפוש — וחוזר חלילה. כשהיא מוצאת את המטרה, היא עוברת אוטומטית לסריקה ברזולוציה גבוהה.

המשימה הקשה ביותר במעבדה היא חיפוש אזור עניין (region-of-interest) — למצוא תכונה קטנה בתוך דגימה גדולה. זה כמעט בלתי אפשרי לתכנת מראש, כי כל דגימה נראית אחרת. כאן ה-AI האג׳נטית באמת באה לידי ביטוי: היא מפרשת תמונות, מתאימה את עצמה ומבצעת את החיפוש בעצמה.

לא שוכחים את האדם

אבל זה לא אומר שה-AI רצה לבד לגמרי. המערכת מטפלת בפעולות בסיכון נמוך באופן אוטונומי, אבל עוצרת ומבקשת אישור אנושי כשמדובר בפעולות מסוכנות יותר או בפעולות שכרוכות ברמת אי-ודאות גבוהה. כשמכשור מדעי עולה מיליוני דולרים, זה קו הגנה הגיוני.

Ming Du, מדען מחשוב ב-Argonne, מסביר את הגישה: "במקום לכתוב קוד או להזין פקודות טכניות, חוקרים יכולים לדבר עם ה-AI, שמטפלת באיסוף נתונים, עיבוד וניתוח באופן אוטומטי. זה נותן לחוקרים יותר זמן להתמקד במדע ובתפעול הקרן עצמה."

שיתוף פעולה עם Meta

הצוות גם חיבר את הפלטפורמה ל-Segment Anything Model 3 של Meta, שמאפשר למערכת לסמן ולתייג תכונות בכל תמונה. את המודל הזה שילב צוות המחשוב של Argonne בשירות ההסקה (inference) שלו, ויתרון צדדי הוא שצוותים אחרים במערכת ה-DOE יכולים להשתמש בו גם כן.

הדגמה מעשית

את המערכת בדקו בקו קרן ננופרוב של קרני רנטגן קשות (hard X-ray nanoprobe beamline), המשותף ל-Center for Nanoscale Materials ול-Advanced Photon Source. החוקרים ביקשו מה-AI, בשפה טבעית, למצוא את הגבול בין שני אזורים במעגל משולב (integrated circuit). המערכת סרקה את הדגימה, ניתחה תמונות והתאימה את המיקום עד שמצאה את הנקודה הנכונה.

Tao Zhou, מדען ב-Center for Nanoscale Materials, אומר שהשילוב של שחזור מהיר, בקרת AI וסגמנטציה מספק מהירות ועקביות שמערכות מסורתיות יתקשו להתאים.

לאן זה הולך?

החזון הגדול הוא מיקרוסקופים אוטונומיים — ניסויים שמסתגלים תוך כדי תנועה, זיהוי פגמים אוטומטי ומדע שמנהל את עצמו. הצ׳יפים היו רק דמו. Mathew Cherukara, מוביל צוות SYNAPS-I ב-Argonne, אומר שהגישה הזאת צריכה לעבוד גם על זרזים (catalysts), מתכות, מכשירים קוונטיים ויישומים אחרים.

נכון לעכשיו, הפלטפורמה מציעה מידה מסוימת של שליטה עצמית במיקרוסקופ — אבל היא עדיין לא "מיקרוסקופ נוהג לבד" במלוא מובן המילה. אם היא תגיע לשם, זה יהיה שינוי משמעותי במחקר מדעי מבוסס AI.

חמש מעבדות לאומיות, מיליוני תמונות בשניות, ומדען אחד שאומר "מפה את האזור הזה" — ככה נראית המעבדה של העתיד.