17 октября 2026 г.
Google Research связала ИИ-агентов с лабораторными роботами для молекулярных экспериментов
Google Research представила систему VERID и эксперименты с ДНК-аптамерами, в которых ИИ-агенты планировали лабораторные процедуры, получали физические результаты и корректировали следующие циклы.
Google Research 16 октября 2026 года представила результаты проектов, которые соединяют ИИ-агентов с лабораторными роботами и физическими экспериментами. Исследователи проверяли, могут ли агенты планировать процедуры, учитывать состояние оборудования и корректировать молекулярный дизайн после реальных измерений.
Работа пока описывает исследовательские прототипы, а не универсальную автономную лабораторию. Человек сохраняет контроль над научной постановкой задач, а экспериментальные результаты остаются обязательной частью проверки гипотез.
VERID учитывает состояние оборудования и реагентов
Система VERID представляет лабораторную установку как обновляемый трехмерный цифровой двойник. Она отслеживает геометрию роботизированной руки, объем жидкости в лунках, реагенты и запас наконечников для пипеток.
Такой подход позволяет выявлять команды, которые корректны на уровне программного кода, но невыполнимы физически. Например, симулятор отклонил попытку опустить восьмиканальную пипетку в слишком узкий резервуар. В другом испытании система продолжила работу после сбоя планшетного ридера без повторного переноса уже обработанных образцов.
VERID построена поверх открытого фреймворка PyLabRobot. Камеры, журналы выполнения и данные цифрового двойника помогают агенту анализировать ошибки между циклами. В эксперименте с окрашенными смесями точность реконструкции составов выросла более чем в пять раз.
Агенты корректировали дизайн ДНК-аптамеров
В отдельном проекте Google Research использовала ДНК-аптамеры, способные связываться с белками. Один цикл проектирования, синтеза, отбора и анализа занимал от 7 до 10 дней. Всего исследователи провели три цикла для миоглобина и альфа-тромбина.
| Цель | Наблюдение в экспериментах |
|---|---|
| Альфа-тромбин | Доля подтвержденных связывающих последовательностей выросла с 0% в первом цикле до 42,1% в третьем при специфичности 98,5% |
| Миоглобин | После падения скорректированной доли успешных кандидатов с 10,2% до 3,7% агенты изменили правила дизайна и ограничили неспецифические мотивы |
Результаты показывают, почему компьютерного моделирования недостаточно. Для миоглобина рост исходного сигнала оказался связан с «липкими» последовательностями, которые взаимодействовали с посторонними белками и магнитными частицами.
Как оценивать результаты для учебной работы
При разборе исследования стоит разделять возможности цифрового двойника, лабораторного робота и молекулярного агента. Числа по аптамерам относятся к двум конкретным белковым мишеням и трем экспериментальным циклам. Их нельзя автоматически переносить на другие молекулы или считать доказательством полной автономности лаборатории.
Для курсовой или обзора полезно отдельно проверить методику отбора, определение успешного кандидата, контроль неспецифического связывания и условия расчета специфичности.
