Ett team lett av University of Toronto utvecklade ett system med AI-agenter som omvandlar vetenskapliga mål till planer för simulerade laboratorier, förbereder de färdigheter och arbetsflöden som krävs för att genomföra dem och styr fysiska robotar genom experiment, bland annat en demonstration där kvantprickar tillverkades.
Systemet kallas Self-Building Labs, eller SBL. Det syftar till att åtgärda en svaghet hos många automatiserade laboratorier. Dessa laboratorier kan bara utföra procedurer och använda utrustning som de uttryckligen har konfigurerats för.
Agenterna identifierar vad en ny uppgift kräver. De skapar en digital modell av arbetsutrymmet. De tar fram metoder för hur robotar och instrument kan utföra arbetet.
Innan fysiska experiment kan systemet testa olika moment i en simulering. Under experimenten bidrar säkerhetskontroller och återkoppling från sensorer till att styra arbetet. Forskarna uppger att de har testat SBL med olika robotkonfigurationer.
Dessa varierade från en enda arbetsstation till uppställningar där flera robotar samarbetar. I demonstrationen med kvantprickar utvecklade systemet arbetsmoment för att hantera vätskor, flytta och försegla laboratoriebehållare samt göra mätningar med hjälp av ljus. Människor bestämmer fortfarande det vetenskapliga målet och godkänner planerna.
Det innebär att systemet inte är en helt självständig forskare. Resultaten beskrivs i ett förtryck på arXiv. Förtrycket är en rapport i ett tidigt skede.
Det har ännu inte fastställts hur tillförlitligt tillvägagångssättet fungerar i andra laboratorier och experiment.