訪客試做模式:可閱讀文章及作答,但結果不會記錄,亦不會計入任何學習紀錄。
想像一個實驗室:要加微升級的液體、要把移液位置對準到微米級,還要按時序完成一連串步驟。人手做,慢又易出錯;但市面上的自動化儀器型號各異,指令互不相通。於是問題來了:AI 能否不只在電腦裏「想」,還真的動手做實驗?
上海交通大學的團隊構建了 AI 原生科學實驗室 AutoDNA(思源一號)。他們把複雜實驗拆成文獻檢索、試劑選擇、方案設計、代碼生成、硬件執行、結果分析和迭代優化等環節,交由多個專業智能體協同處理。團隊又把各種儀器的能力提煉成「原子服務」,用自然語言說明和統一接口供模型調用,令模型能組合設備、生成並修正跨設備的控制代碼。
關鍵不只是一台機械臂,而是模型貫通「設計—實驗—優化」全過程,並依據實驗結果持續迭代。硬件提供微米級定位和微升級液體處理能力,平台還集成基於 OpenHarmony 操作系統的控制終端。換句話說,AI 的「想法」可以經統一接口落到真實儀器上,再把結果帶回模型,形成閉環。
研究展示了在核酸檢測、酶促 DNA 合成、癌症檢測等場景中的應用驗證,AutoDNA 亦自主完成端到端 DNA 存儲的編碼、寫入、保存、讀取與解碼流程。這說明自主實驗可覆蓋需要微米級定位和微升級液體處理的複雜生物分子實驗場景。要注意:材料只說「應用驗證」,不等於已在臨床或實際檢測中投入使用。
材料沒有說明上述場景的具體實驗結果或準確率,也沒有與傳統人工實驗或既有 AI 自主實驗室對比的量化數據。因此,它能自主完成流程,並不等於可完全取代人類科學家——目前只描述了它在特定實驗環節與場景中的能力。
「AI 原生」是指系統從一開始就按模型的需要來設計,而不是先造好儀器再外加一層 AI。另一個概念是「原子服務」:把每部儀器的能力包裝成一個標準小單元,模型只要呼叫它,就不必理會儀器型號的差異。兩者合起來,模型才可能自行組合設備、完成多步實驗。
「應用驗證」只表示在這些場景做過示範,不等於已在臨床或實際檢測中投入使用。
這項成果發表於《自然》雜誌,並獲該刊官網首頁頭條重點報道。
AutoDNA 由上海交通大學計算機學院與化學化工學院、變革性分子前沿科學中心團隊合作完成,依託張江高等研究院 DNA 存儲研究中心開展,平台集成基於 OpenHarmony 操作系統的控制終端,成果發表於《自然》並獲該刊官網首頁頭條報道。
本文根據以下資料整理及編寫:
本內容由 AI 自白名單科學新聞來源自動摘要及出題,僅供學習參考;如發現內容有誤,請使用下方「回報問題」告知老師。