Toronto-Team will Labore bauen lassen, die ihre Fähigkeiten selbst erweitern

Toronto-Team will Labore bauen lassen, die ihre Fähigkeiten selbst erweitern

Ein Team der University of Toronto, des Vector Institute, des Acceleration Consortium, des Canadian Institute for Advanced Research (CIFAR) und von NVIDIA hat auf arXiv das Paper „Self-Building Labs“ veröffentlicht. Das beschriebene Framework soll Labore entwerfen, konfigurieren und betreiben. Laut Fachmedienbericht sind Jiaru Bai und Yuchi Zhao Co-Erstautoren. Als Co-Korrespondenzautoren nennt das Paper Yang Cao, Varinia Bernales und Alan Aspuru-Guzik. Die Affiliationen reichen an der University of Toronto von Chemie über Informatik und Materialwissenschaft bis zum Chemieingenieurwesen und zum Institute of Medical Science. NVIDIA ist mit einem Standort in Toronto vertreten. Zum Paper gibt es eine Projektwebsite: self-building-labs.github.io.

Ausgangspunkt ist laut Abstract eine Grenze heutiger Self-Driving Labs. KI-Agenten könnten zunehmend neue Experimente vorschlagen. Bestehende Labore führten jedoch nur die Verfahren aus, für die sie gebaut wurden. Die Anpassung an ein neues Experiment erfordere weiterhin aufwendige manuelle Entwicklung. Damit werde die Flexibilität des Labors zum Engpass, sobald Entdeckungen skaliert werden sollen. Self-Building Labs verlagern die Definition und Erweiterung von Laborfähigkeiten in die Automatisierungsschleife selbst.

Digitaler Zwilling und drei Agenten teilen sich die Arbeit

Wie der Fachmedienbericht das Framework beschreibt, interpretiert das System wissenschaftliche Ziele, erfasst die verfügbare Ausrüstung und erkennt Fähigkeitslücken. Danach soll es helfen, die fehlenden Schnittstellen, Skills und Prozeduren zu erzeugen, die die Experimente benötigen.

Grundlage ist ein digitaler Zwilling des physischen Labors. Er entsteht aus Fotos, Gerätemodellen, Herstellerinformationen und robotischer Wahrnehmung. An ihm arbeiten drei Agenten. Der Scientific Agent übersetzt Forschungsfragen in Experimentprotokolle. Der Twin Agent überführt diese Protokolle in Roboterbefehle und entwickelt fehlende Geräteschnittstellen oder Bewegungsskills. Der Safety Agent erkundet Gefahrenszenarien in der Simulation und leitet daraus Sicherheitsregeln ab. Die Agenten tauschen untereinander Logs, Simulationsergebnisse und Feedback aus.

Als allgemeiner Produktkontext: NVIDIA beschreibt Robotersimulation in digitalen Zwillingen generell als Weg, Roboter vor dem Einsatz zu trainieren, zu testen und zu validieren. Dazu gehört das sichere Testen gefährlicher Szenarien. Das Material belegt jedoch nicht, dass das Paper die NVIDIA-Werkzeuge Isaac Sim oder Omniverse einsetzt.

Offen bleibt, ob das Konzept im Experiment funktioniert hat

Das vorliegende Material klärt nicht, ob das Framework experimentell demonstriert wurde. Weder die eingesetzte Laborausstattung noch konkrete Ergebnisse lassen sich daraus entnehmen. Abstract und Fachmedienbericht beschreiben Ansatz und Aufbau.

Als allgemeinen Kontext, nicht als Bewertung des Papers, nennen Übersichtsarbeiten zu Self-Driving Labs Sicherheits- und Security-Bedenken. Sie halten diese bei proaktivem Vorgehen, menschlicher Letztverantwortung und Cybersicherheit für beherrschbar. Hinzu kommen Patentfragen bei KI-Erfindungen und eine mögliche Verdrängung wissenschaftlicher Rollen. Ein Beitrag zum ICRA-Workshop 2024 beschreibt bestehende Automatisierungslösungen als oft starr und wenig anpassungsfähig an Protokolländerungen. Als Herausforderungen nennt er Reproduzierbarkeit und Standardisierung.

Das Acceleration Consortium betreibt außerdem ein Organic Chemistry Self-Driving Lab für automatisierte Syntheseabläufe. Florian Shkurti ist dort als Faculty gelistet. Eine Verbindung zum Paper ergibt sich daraus nicht.