Как ИИ-модели Meta запускают первую волну проектов миссии Genesis

Модели Meta ускорили анализ научных снимков до 15 минут

Данные быстрее людей

Национальная лаборатория имени Лоуренса в Беркли — одна из ключевых исследовательских лабораторий Министерства энергетики США. В ней работает усовершенствованный источник света (ALS) — установка размером с футбольное поле, создающая чрезвычайно яркие рентгеновские пучки. С их помощью учёные изучают материалы на атомном и молекулярном уровнях, а также растения.

Экспериментальные линии ALS производят огромные объёмы данных. После модернизации детекторов выросли их разрешение и скорость, поэтому поток изображений стал слишком большим для ручного анализа.

Лазерные и нейтронные источники Министерства энергетики США теперь создают десятки петабайт данных в год — это миллионы гигабайт, примерно как 2 млн часов видео в высоком разрешении. Ещё десять лет назад детекторы делали один снимок за шесть секунд, а теперь способны получать 100 000 изображений в секунду.

Проблема связана не только с объёмом данных. Специалистов по отдельным научным направлениям мало, и они перегружены. Кроме того, современные эксперименты «на месте» требуют наблюдать за динамическими процессами — например, химическими реакциями или разрушением материалов — и интерпретировать их в реальном времени. Человеческая команда не может вручную обработать такой поток.

Как ИИ размечает изображения

Большая часть задачи сводится к сегментации: нужно найти на изображении отдельные структуры и точно обозначить их границы. В компьютерном зрении этот подход используют, например, чтобы отделять опухоль от здоровой ткани на медицинском снимке или пешеходов от дороги для беспилотного автомобиля.

В научных исследованиях сегментация превращает необработанный рентгеновский снимок, состоящий из оттенков серого, в карту с понятными объектами. На ней можно выделить клеточные стенки, минеральные зёрна или слои полупроводника, а затем измерять их и сравнивать результаты разных экспериментов.

Источник: ai.meta.com

В конце 2025 года Белый дом запустил миссию Genesis — масштабную национальную инициативу, призванную ускорить научные открытия и развитие технологий с помощью передового ИИ. Её возглавляет Министерство энергетики США.

Один из ключевых проектов миссии — SYNAPS-I. Это совместная программа пяти национальных лабораторий: Беркли, Аргоннской, Брукхейвенской, Ок-Риджской и SLAC. Проект возглавляет лаборатория Беркли. Его цель — изменить анализ данных в рентгеновской и нейтронной науке: сократить задержку с нескольких месяцев до режима, в котором результаты помогают управлять экспериментом в реальном времени.

Особенно остро проблема проявляется в сегментации изображений: извлечение полезных структур из экспериментальных данных может занимать у специалистов недели на один набор данных.

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

DINOv3 — модель компьютерного зрения с самообучением. Она находит визуальные закономерности в необработанных изображениях без предварительной разметки людьми и помогает понять, какие структуры представлены на снимке и где они расположены.

SAM использует эту информацию, чтобы провести точные границы вокруг отдельных объектов. По сути, модель выполняет ту же работу, что учёный, вручную обводящий структуры на изображении, но делает это за секунды.

Вместе модели образуют связанный процесс. SAM отвечает за точные границы на уровне отдельных пикселей, а DINOv3 — за общий контекст: определяет структуру и её положение внутри образца.

Команда SYNAPS-I дообучила обе модели на научных изображениях, собранных на экспериментальных линиях Министерства энергетики США. Затем модели запустили на 300 ускорителях A100 в национальных вычислительных центрах, включая NERSC.

В результате учёный, который находится у установки, получает полностью восстановленный трёхмерный объём с семантической разметкой примерно через 15 минут — ещё до завершения эксперимента.

Исследование виноградной лозы

Команда SYNAPS-I проверила процесс на задаче, связанной с сельским хозяйством: исследователи изучали, как виноградная лоза реагирует на засуху на уровне клеток.

Для этого использовали микрокомпьютерную томографию, выполненную на усовершенствованном источнике света. Процесс восстанавливает трёхмерные объёмы стеблей и автоматически находит ксилемные сосуды — микроскопические трубки, по которым внутри растения перемещается вода.

Отслеживая изменения этих сосудов по мере усиления засухи, учёные получают данные для изучения засухоустойчивых культур и решений в области устойчивого сельского хозяйства.

Разметка, которая раньше требовала месяца работы специалиста на каждом временном шаге, теперь занимает около 15 минут. Это позволяет изучать динамические биологические процессы с той же скоростью, с какой поступают данные.

Зачем нужны открытые модели

Национальные лаборатории хранят данные исследований до публикации и ИИ-модели на государственной инфраструктуре, а не во внешних облачных сервисах. Пока работа продолжается, её необходимо выполнять на защищённых платформах.

Открытая лицензия Meta позволяет команде SYNAPS-I самостоятельно скачать, дообучить и развернуть SAM и DINO в своей защищённой вычислительной среде. Модели, изначально обученные на обычных изображениях, можно адаптировать к научным областям, для которых они не создавались.

В SYNAPS-I участвуют 60 исследователей из пяти национальных лабораторий. Команда развивает идею интеллектуальных исследовательских установок, где ИИ не только ускоряет обработку данных, но и помогает формулировать гипотезы, рекомендует следующие эксперименты и переносит знания между лабораториями. Тогда результат, полученный на одной экспериментальной линии, смогут использовать исследователи на других.

По мере расширения миссии Genesis от отдельных проектов к полноценным программам открытая основа SYNAPS-I должна применяться в большем числе приоритетных направлений национальной науки.

Оценка Министерства энергетики

На недавнем заседании Консорциума триллиона параметров заместитель министра энергетики США Дарио Джил отметил, что SYNAPS-I объединяет ИИ, высокопроизводительные вычисления и экспериментальные системы. По его словам, проект анализирует данные по мере их появления и помогает управлять экспериментами в реальном времени, заменяя медленные ручные операции адаптивными автоматизированными решениями.

Джил считает, что такой подход сокращает время научного открытия с нескольких дней до нескольких мгновений и создаёт постоянно улучшающуюся модель проведения исследований, необходимую для реализации возможностей миссии Genesis.