ИИ Meta запускает первую волну проектов Genesis Mission

Модели Meta ускорили анализ научных данных в проектах «Генезис»

Национальная лаборатория Лоренса Беркли и ещё четыре национальные лаборатории США применили открытые модели Meta SAM 3 и DINOv3 для анализа научных изображений в рамках проекта SYNAPS-I. После дообучения на данных рентгеновских и нейтронных установок модели обрабатывают изображения на 300 графических процессорах A100 и возвращают учёному размеченный трёхмерный объём примерно за 15 минут вместо месяца ручной работы. Система уже помогла изучить, как виноградная лоза реагирует на засуху на клеточном уровне, а в будущем должна поддерживать эксперименты в реальном времени.

Данные научных установок

Национальная лаборатория Лоренса Беркли — одна из ведущих исследовательских организаций Министерства энергетики США. В ней работает установка «Источник яркого света» (ALS) — объект размером с футбольное поле, который создаёт чрезвычайно яркие рентгеновские пучки. С их помощью учёные изучают объекты от атомного и молекулярного уровня до растений.

Инструменты ALS, называемые пучковыми линиями, генерируют огромные объёмы данных. После модернизации установок изображения стали получать с гораздо более высоким разрешением и скоростью, поэтому объём информации вырос настолько, что исследователи перестали успевать обрабатывать её вручную.

Установки Министерства энергетики США, работающие с источниками света и нейтронов, теперь создают десятки петабайт данных в год. Это миллионы гигабайт — примерно столько, сколько нужно для потоковой передачи 2 млн часов видео в высоком разрешении. Раньше такого отставания не было: новые детекторы перешли от одного изображения за шесть секунд к 100 000 изображений в секунду, и за десять лет объём данных вырос на порядки.

Проблема связана не только с объёмом информации. Специалистов по отдельным научным областям мало, а современные эксперименты «на месте» требуют наблюдать динамические процессы — например, химические реакции или разрушение материалов — и интерпретировать их в реальном времени. Вручную это не может делать даже большая команда.

Зачем нужна сегментация

Значительная часть анализа сводится к сегментации — выделению отдельных структур на изображении и проведению точных границ вокруг них. В компьютерном зрении этот подход используют, например, чтобы отличать опухоль от здоровой ткани на медицинском снимке или отделять пешеходов от дороги в системах автономного управления.

В научных экспериментах сегментация превращает исходный рентгеновский снимок, состоящий из оттенков серого, в размеченную карту структур. На ней можно выделить клеточные стенки, минеральные зёрна или слои полупроводника, а затем измерять их и сравнивать результаты разных экспериментов.

В конце 2025 года Белый дом запустил инициативу «Генезис» — масштабную национальную программу, призванную ускорить научные открытия и технологическое развитие с помощью передового ИИ. Инициативу возглавляет Министерство энергетики США.

Один из ключевых проектов программы — SYNAPS-I («Синергетическая нейтронная и фотонная наука — интеллект»). Это совместная работа нескольких лабораторий под руководством лаборатории Беркли, в которой участвуют национальные лаборатории Аргонна, Брукхейвена, Ок-Риджа и SLAC. Проект должен превратить анализ данных в рентгеновской и нейтронной науке из процесса, занимающего месяцы, в инструмент для открытий в реальном времени.

Особенно остро проблема проявляется в сегментации изображений: извлечение значимых структур из одного набора экспериментальных данных может занимать у специалистов недели.

Что делают SAM 3 и DINOv3

В основе конвейера SYNAPS-I лежат две открытые базовые модели Meta — Segment Anything Model 3 (SAM 3) и DINOv3.

DINOv3 — модель компьютерного зрения с самообучением. Она изучает визуальные закономерности на исходных изображениях, без предварительной разметки людьми, и определяет, какие структуры представлены на снимке и где они находятся.

SAM использует это понимание, чтобы проводить точные границы вокруг отдельных объектов. Модель выполняет такую работу за секунды, тогда как специалисту пришлось бы размечать структуры вручную часами.

Вместе модели образуют взаимодополняющий конвейер: SAM строит точные границы на уровне отдельных пикселей, а DINOv3 учитывает общий контекст и помогает определить назначение каждой структуры и её положение внутри образца. Команда SYNAPS-I дообучила обе модели на научных изображениях, полученных на пучковых линиях Министерства энергетики США.

Затем модели развернули на 300 графических процессорах A100 в национальных центрах суперкомпьютерных вычислений, включая NERSC. В результате учёный, находящийся у экспериментальной установки, получает полностью восстановленный трёхмерный объём с семантической разметкой, пока эксперимент ещё продолжается. Весь процесс занимает примерно 15 минут.

Исследование виноградной лозы

Команда SYNAPS-I проверила конвейер на сельскохозяйственной задаче: исследователи изучали, как виноградная лоза реагирует на засуху на уровне клеток.

С помощью микрокомпьютерной томографии, выполненной на установке «Источник яркого света», система восстанавливает трёхмерные объёмы стеблей лозы и автоматически находит сосуды ксилемы — микроскопические трубки, по которым внутри растения перемещается вода.

Отслеживая изменения этих сосудов по мере усиления засухи, учёные получают данные, которые могут помочь в разработке устойчивых к засухе культур и решений для сельского хозяйства.

Раньше разметка одного временного шага требовала месяца работы специалиста. Теперь тот же результат получают за 15 минут — со скоростью, соответствующей сбору данных.

Открытые модели в защищённой инфраструктуре

Национальные лаборатории хранят неопубликованные результаты исследований и ИИ-модели в государственной вычислительной инфраструктуре, а не во внешних облачных сервисах. Пока работа продолжается, её необходимо выполнять на защищённых платформах.

Открытый исходный код SAM и DINOv3 позволяет команде SYNAPS-I скачивать, дообучать и запускать модели внутри собственной защищённой среды. Изначально они обучались на обычных изображениях, но исследователи могут адаптировать их к научным областям, для которых модели не создавались.

В проекте участвуют 60 исследователей из пяти национальных лабораторий. SYNAPS-I стремится превратить научные установки в интеллектуальные платформы для открытий: ИИ должен не только быстрее обрабатывать данные, но и помогать формулировать гипотезы, предлагать следующие эксперименты и переносить знания между лабораториями. По мере расширения инициативы «Генезис» открытая основа проекта должна применяться в большем числе национальных научных направлений.

На недавнем заседании Консорциума триллиона параметров заместитель министра энергетики США по науке Дарио Гил рассказал о потенциале этой работы. По его словам, SYNAPS-I объединяет ИИ, высокопроизводительные вычисления и экспериментальные системы, анализирует данные по мере их появления и в реальном времени направляет ход экспериментов. Такой подход заменяет медленные ручные операции адаптивными автоматизированными решениями, сокращает время от эксперимента до открытия с дней до мгновений и создаёт постоянно улучшающуюся научную систему, необходимую для реализации возможностей инициативы «Генезис».