Google Research опубликовала материал о подключении AI-агентов к лабораторному оборудованию для замкнутых циклов молекулярного дизайна. По данным компании, в кампании самообучения агент восстанавливал зашифрованные смеси красителей по изображениям с камеры, повысив точность более чем в пять раз; по заявлению Google, агенты также обнаружили белковые связывающие молекулы с аффинностью в единицы наномоляр для онкологических целей.
Центральный элемент публикации — фреймворк VERID, описанный как семантический цифровой двойник лабораторной рабочей ячейки: живое 3D-дерево, отслеживающее объёмы лунок, реагенты и запас наконечников. VERID построен на открытом фреймворке PyLabRobot и включает четыре возможности: отслеживание 3D-состояния, виртуальные прогоны, проверки безопасности оборудования и синхронизированные видеозаписи с логами действий. Согласно материалу, агент планирует, симулирует и выполняет протоколы на роботе-дозаторе жидкости.
Среди описанных кейсов — обнаружение расслоения красителя из-за дозирования слишком близко ко дну лунки, восстановление после сбоя ридера без повторного пипетирования и перепланирование при отклонении симулятором аспирации 8-канальным дозатором. Отдельно упоминается цикл дизайн-тест-анализ для аптамеров: он занимает 7–10 дней, поскольку ДНК химически синтезируется в пулах и считывается секвенированием; описано три цикла итераций.
Материал ссылается на три статьи — VERID, aptamer sandbox и epitope excision. Детали и результаты третьего проекта в предоставленном тексте не раскрыты; доступность кода и данных, полные условия тестов и независимая проверка заявленной аффинности не подтверждены.
Что остаётся неизвестным
Указанные результаты описаны со ссылкой на Google и не подтверждены независимой проверкой. Не раскрыты исходные и итоговые значения, стоящие за заявленным более чем пятикратным повышением точности, полные метрики производительности VERID за пределами перечисленных кейсов и воспроизводимость проектов.
Источник события: research.google. Дата источника (UTC): 2026-10-16 18:11:34.