„Google Research“ kuria AI agentus, kurie patys atlieka laboratorinius eksperimentus
Trumpai: „Google Research“ pristatė tyrimus, kaip AI agentus „įžeminti“ fizinėje laboratorinėje aplinkoje naudojant skaitmeninio dvynio sistemą VERID, leidžiančią agentams saugiai planuoti ir vykdyti skysčių dozavimo robotų protokolus. Kartu su uždaro ciklo molekuliniu dizainu aptamerams ir baltymams, agentai mokėsi iš laboratorinių rezultatų, kelis ciklus gerindami sėkmės rodiklius ir galiausiai aptikdami vienaženklio nanomolinio afiniteto baltymų surišiklius vėžio taikiniui.
Šią santrauką automatiškai parengė dirbtinis intelektas pagal „Google Research“ publikaciją. Tai mūsų tekstas, ne originalo kopija — faktai, skaičiai ir citatos priklauso šaltiniui, kurio nuoroda pateikta viršuje ir apačioje.
Kas pasikeitė?
- 1VERID: gyva 3D laboratorijos skaitmeninio dvynio sistema, stebinti robotų rankas, šulinėlių tūrius, reagentus ir antgalius, sukurta atviro kodo „PyLabRobot“ pagrindu
- 2VERID blokuoja fiziškai ar logiškai negalimas robotų komandas prieš jų vykdymą ir atlieka greitus virtualius bandomuosius paleidimus
- 3Aptamerų atradimo ciklas: agentai atliko 3 dizaino-testavimo-iteracijos ciklus (po 7–10 dienų), pakeldami patvirtintus sėkmės rodiklius iki 33,5 % (mioglobinui) ir 42,1 % (alfa-trombinui)
- 4Agentai savarankiškai diagnozavo laboratorinio darbo nesėkmės priežastis (pvz., nespecifinius G-kvadrupleksinius surišiklius) ir pakeitė dizaino taisykles tarp ciklų
- 5Baltymų dizainas: tikslinis epitopo iškirpimas pagreitino struktūros prognozavimo lankstymą 8,6 karto, beveik padvigubino in-silico sėkmės rodiklį žmogaus ir agento bendradarbiavime ir leido aptikti vienaženklio nanomolinio afiniteto surišiklius FAP – su vėžiu susijusiam receptoriui
- 6Saugumo priemonės: sukurtų sekų biosaugos tikrinimas, simuliacija prieš vykdymą naudojant skaitmeninį dvynį, ir privaloma žmogaus autorizacija protokolams
Kodėl tai svarbu?
Tai rodo konkretų kelią, kaip LLM tipo agentai gali peržengti teksto ir kodo generavimo ribas ir pereiti prie fiziškai pagrįsto, uždaro ciklo eksperimentavimo su realiomis saugos priemonėmis – aktualu visiems, kuriantiems agentines sistemas, kurios turi sąveikauti su fiziniu pasauliu ar tikrinti hipotezes pagal realaus pasaulio grįžtamąjį ryšį, o ne tik biologijos nišai.
Šaltiniai
- Google ResearchOficialusPirminis šaltinisOriginalus straipsnis →„Grounding AI agents in biological reality: Building blocks for autonomous wet labs“2026-10-16 21:11
- Šaltinio publikavimo data
- 2026-10-16 21:11
- Mūsų sistema rado
- 2026-10-16 21:12
- Santrauka sugeneruota
- 2026-10-16 21:14
Straipsnį pagal originalų šaltinį parašė AI. Faktai, skaičiai ir kainos — iš šaltinio; trūkstamos reikšmės pažymėtos „Nėra oficialių duomenų“. Teisinė informacija, autorių teisės ir privatumas