GoogleがAIエージェントをピペット操作へ、人間による全実験の承認は継続

Google Researchは、エージェントが実験を設計し、ロボットが実行し、その結果を次の設計に反映する研究室の3つの構成要素を示した。DNAアプタマーでは3サイクル後、αトロンビンに対して最大42.1％のhit rateを報告している。

デジタルツインが物理的な事故の前にピペットを止める

VERIDはopen sourceのPyLabRobot上に構築されている。ロボットの形状、ウェル内の液量、試薬、ピペットチップの在庫を含む作業セルの3D状態を常時管理する。プロトコルを先にシミュレーションし、無効な命令を遮断し、操作を同期映像とログに結び付ける。

ある試験では、幅の足りない容器に8チャンネルピペットを入れる動作を拒否した。別の試験では、プレートリーダーの故障後も再度ピペット操作をせずに作業を継続できた。Googleは、内容を伏せた色素混合物の再構成で精度が5倍以上向上したとも報告する。

実験データがエージェントの誤った最適化目標を修正した

アプタマーでは、設計、合成、試験、シーケンシングの1サイクルに7日から10日かかった。αトロンビンのhit rateは、1回目の0％から2回目の26.0％、3回目の42.1％へ上昇し、最終的な特異度は98.5％だった。

ミオグロビンでは、さらに示唆的な失敗が起きた。2回目のエージェントは粗い結合指標で良く見えるモチーフを優先したが、他の対象にも非特異的に付着した。特異度は75.0％から19.1％へ低下した。ルール変更後、3回目には72.4％まで回復し、ビーズ結合を補正したhit rateは33.5％に達した。研究室は計画を実行しただけでなく、誤った目的関数を修正した。

3つの有力な実証はまだ自律研究室として統合されていない

VERID、アプタマーのループ、タンパク質binderの設計は別々のプロジェクトだ。Googleは、追跡可能な自動化とタンパク質探索のclosed loopを今後統合するとしている。タンパク質研究では、構造予測を8.6倍高速化し、同じ計算量でin silico hit rateをほぼ2倍にし、FAPに対する1桁ナノモルの親和性を持つbinderを得たと報告する。

人間は引き続き配列を承認し、プロトコルを確認し、ロボットの実行を監督する。試験対象は非感染性で、設計された全配列がbiosecurity screeningを受けた。妥当な安全策であると同時に、現在の自律性の境界も示している。

3つのループの統合でシステムが自らの失敗に耐えられるか分かる

決定的な試験は、エージェントがタンパク質を設計し、VERIDが複数工程を安全に実行し、物理実験のデータが次の設計を本当に変える一連の運転だ。高い親和性を再現するだけでは足りない。汚染、機器故障、魅力的に見える誤った最適化も検出する必要がある。

ひとつのロボットと研究室の外で再現できるかも重要になる。生物学における自律性は、成功したデモの数ではなく、安全に処理できた逸脱の数で測られる。

Lilithの判定

自律研究室の出発点は、間違った容器への進入を拒むピペットと、その理由を理解する人間だ。Googleは有力な部品をそろえた。つないだとき、ロボット科学者が自分の誤りまで処理できるかが分かる。