MetaのAIモデルが、Genesisミッションの第一波プロジェクトを支える

ローレンス・バークレー国立研究所 — 物理学、化学、材料科学におけるノーベル賞受賞歴で知られる、米国エネルギー省（DOE）の主要な研究機関の一つ — は、世界で最も先進的な科学施設の一部を運営しています。その中には、サッカー場ほどの広さを持つ施設で、非常に明るいX線ビームを生成し、研究者が原子・分子スケールから植物まで物質を研究できるようにする先進光円形加速器（ALS）があります。 ALSの計測器、ビームラインとして知られるものは、膨大な量のデータを生成します。最近の施設アップグレードにより解像度と速度が劇的に向上したため、データの量は科学者が追いつくのが困難なほど爆発的に増加しました。その数は驚異的です。DOEの光・中性子源施設は現在、年間数十ペタバイトのデータを生成しています。これは数百万ギガバイトに相当し、約200万時間のHDビデオストリーミングに匹敵します。 このバックログは常に存在していたわけではありません。6秒に1枚の画像をキャプチャしていた検出器が、毎秒10万枚の画像をキャプチャできるようになり、これらの施設は10年前よりも桁違いに多くのデータを生成するようになりました。従来の人的分析では、もはや追いつけません。 問題は量だけではありません。ドメインエキスパートは希少で過負荷状態にあり、現代のin-situ実験（化学反応や材料の破壊などの動的プロセスを発生中に観察する）は、人間のチームが手動で提供できないリアルタイムの解釈を要求します。 分析の課題の多くは、1つのタスクに集約されます。それはセグメンテーションです。画像内の個別の構造を特定し、正確な境界を描画するプロセスです。コンピュータビジョンでは、セグメンテーションは、腫瘍と健康な組織を区別する医療スキャンから、歩行者と舗装を分離する自動運転車まで、あらゆるものを可能にします。科学研究では、セグメンテーションは、生のX線画像を、研究者が定量化し実験間で比較できる、細胞壁、鉱物粒、半導体層などの意味のある構造のラベル付きマップに変換します。 SYNAPS-IとGenesisミッション 2025年末、ホワイトハウスは、先進人工知能を使用して科学的発見と技術的リーダーシップを加速するための包括的な国家イニシアチブであるGenesisミッションを開始しました。これはDOEが主導しています。 SYNAPS-I（SYnergistic Neutron And Photon Science – Intelligence）は、アルゴンヌ、ブルックヘブン、オークリッジなどの研究所と提携し、X線および中性子科学におけるデータ分析を、数ヶ月かかるボトルネックからリアルタイムの発見エンジンへと変革することを目指しており、科学画像処理が主要なターゲットとなっています。このボトルネックが最も深刻なのは画像セグメンテーションであり、実験データから意味のある構造を抽出するのに、データセットあたり数週間もの専門家の労力を要することがあります。 SYNAPS-Iのセグメンテーションパイプラインの中核には、Metaがリリースした2つのオープンソース基盤モデルがあります。Segment Anything Model 3 (SAM 3)とDINOv3です。 SAMとDINOが科学画像処理をどのように変革するか DINOv3は自己教師あり学習のビジョンモデルであり、人間がラベル付けする必要なしに、生の画像から視覚パターンを学習します。画像内の異なる構造が何を表し、どこにあるかを理解することに優れています。SAMは、その理解をさらに進め、画像内の個々のオブジェクトの正確な境界を描画します。これは、科学者が手で構造を注意深く輪郭を描くのと似ていますが、数時間ではなく数秒で行われます。 2つのモデルは連携して補完的なパイプラインを形成します。SAMはピクセルレベルの正確な境界を提供し、DINOは各構造とそのサンプル内での位置を特定するためのグローバルコンテキストを提供します。 SYNAPS-Iチームは、DOEビームラインで収集された科学画像データで両方のモデルをファインチューニングし、その後、NERSCなどの国家スーパーコンピューティング施設で、今日の最も先進的なAIシステムを支える高性能コンピューティングチップである300個のA100 GPUで展開しました。 結果は、実験がまだ実行中である間に、ビームライン計測器の物理的な位置にいる科学者に返される、完全に再構築された意味論的にラベル付けされた3Dボリュームでした。総所要時間：約15分。 実世界への影響：ブドウの木の干ばつ耐性の理解 SYNAPS-Iチームは、このパイプラインを、差し迫った農業課題である、ブドウの木が細胞レベルで干ばつにどのように反応するかを理解することに適用しました。先進光円形加速器で収集されたマイクロCTスキャンを使用して、パイプラインはブドウの木の幹の3Dボリュームを再構築し、植物内の水分輸送を担う微細な管である道管を自動的に識別します。 これらの管が干ばつが進むにつれてどのように変化するかを追跡することで、研究者は干ばつに強い作物の開発に役立つ洞察を得ることができ、将来の農業レジリエンスのためのソリューションを提供できます。 SYNAPS-Iによってセグメンテーションされたブドウの木の幹のマイクロCTスキャン。シアン：水和した道管；濃い紫：乾燥。 かつてタイムステップごとに1ヶ月かかっていた専門家による注釈が、今では15分で完了するため、科学者はデータ取得の速度そのもので動的な生物学的プロセスを研究できます。 オープンソースが重要な理由 国立研究所は、出版前の研究データとAIモデルを政府のインフラストラクチャ上に保持します。外部のクラウドサービスには保存しません。この作業は、進行中は安全なプラットフォームで管理する必要があります。 Metaのオープンソースアプローチにより、これが可能になります。SYNAPS-Iチームは、SAMとDINOをダウンロード、ファインチューニング、および展開して、独自の安全なコンピューティング環境内で使用できます。これは、自然画像でトレーニングされたモデルを、本来設計されていなかった科学ドメインに適応させることを意味します。 5つの国立研究所にわたる60人の研究者とともに、SYNAPS-Iは、ユーザー施設がインテリジェントな発見プラットフォームとして機能する未来を目指して構築しています。そこでは、AIは単にデータをより速く処理するだけでなく、科学者が仮説を生成し、次の実験を推奨し、施設間で知識を転送して、1つのビームラインでのブレークスルーがすべての研究者の利益になるようにします。 Genesisがシードプロジェクトからフルプログラムへとスケールアップするにつれて、そのオープンソース基盤は、拡大する国家優先事項のセット全体で発見を加速する準備ができています。 最近のTrillion Parameter Consortiumで、DOE副長官Dario Gilは、この取り組みの可能性に言及しました。「AI、先進コンピューティング、実験システムをシームレスに組み合わせることで、SYNAPS-Iは生成されたデータと同じようにデータを分析し、実験をリアルタイムでガイドし、遅い手動ステップを適応性のある自動化された意思決定に置き換えます」と彼は述べました。「これにより、発見時間が数日から数分に圧縮され、Genesisミッションの可能性を最大限に引き出すために不可欠となる、継続的で自己改善型の科学モデルが確立されます。」 DINOv3についてさらに学ぶ SAM 3についてさらに学ぶ 最新のアップデートをメールで配信 Meta AIのニュース、イベント、研究のブレークスルーなどについていくために、ニュースレターを購読してください。 AIで可能なことを追求するために、私たちに参加してください。 すべての空きポジションを見る 私たちの取り組みについてAI at Meta人々キャリア研究インフラリソースデモMeta AIアシスタントメディア生成VibesAI Studio最新ニュースブログニュースレター基盤モデルLlama私たちの取り組みについてAI at Meta人々キャリア研究研究インフラリソースデモMeta AIMeta AIアシスタントメディア生成VibesAI Studio最新ニュース最新ニュースブログニュースレター基盤モデルLlamaプライバシーポリシー利用規約Cookie Meta © 2026