Mempercepat pencarian pemangkin

Dalam bidang kimia, program bersama A*STAR dan Imperial College London bernilai S$10 juta akan membangunkan Surface Science Foundation Model serta platform awan. Sistem ini direka untuk meramalkan sifat pemangkin dan keadaan sintesisnya bagi aplikasi seperti bahan api lebih bersih, bahan suapan berasaskan karbon dioksida dan bahan kimia berasaskan bio.

Penerangan utama program itu menyasarkan pecutan 500 kali ganda dalam saringan pengiraan. Oleh itu, dakwaan bahawa proses tersebut menjadi “hampir lima kali lebih pantas dan murah” wajar dibaca dengan berhati-hati, kecuali angka itu merujuk kepada ukuran pembangunan lain yang berasingan.

AI yang boleh memeriksa kod AI lain

AI4S turut merangkumi pembangunan alat penaakulan program oleh NUS dan Imperial. Alat ini akan menganalisis, menguji, mengesahkan secara formal dan membuktikan ketepatan perisian secara automatik. Pada masa yang sama, kaedah penaakulan yang kurang formal akan digunakan untuk memahami kod yang tidak mempunyai dokumentasi lengkap.

Penyelidik akan menguji alat tersebut pada perisian berimpak tinggi, termasuk protokol rangkaian dan komponen kernel Linux. Dalam jangka panjang, ia boleh membantu ejen AI mengaudit kod yang ditulis oleh sistem AI lain—satu keperluan penting apabila penggunaan AI dalam pembangunan perisian semakin meluas.

Bioperubatan: melihat semua lapisan data bersama-sama

Dalam bidang kesihatan, NUS dan A*STAR merancang MultiOmicsFM, iaitu model asas yang menggabungkan data DNA, RNA dan aktiviti gen secara serentak. Model ini akan menggunakan set data pelbagai etnik di Singapura untuk menyokong penyelidikan risiko penyakit serta pengoptimuman terapi mRNA.

Projek BloodCounts! pula mahu memperluas nilai diagnostik ujian kiraan darah lengkap. Model DeepCBC akan dilatih menggunakan semua parameter mentah daripada ujian complete blood count (CBC), bersama-sama imej sapuan darah. Pendekatan ini bertujuan mengekstrak lebih banyak maklumat daripada ujian yang biasa dilakukan dan membantu meramalkan keadaan seperti risiko strok serta kanser.

Namun, sasaran penyelidikan ini tidak bermaksud ujian darah tersebut sudah boleh menggantikan diagnosis klinikal atau memberikan keputusan muktamad. Keberkesanan dan keselamatannya masih perlu dinilai melalui penyelidikan serta pengesahan yang sewajarnya.

Pertanian dan daya tahan iklim

NUS dan University of Illinois melalui projek ARCS akan membangunkan “kembar digital” pertanian berpandukan pengetahuan. Kembar digital ialah gambaran maya kawasan ladang Asia Tenggara yang menggabungkan data pemerhatian dengan prinsip sains tanaman.

Output yang disasarkan ialah ramalan yang boleh ditafsir dan alat sokongan keputusan untuk membantu menentukan masa penanaman, penggunaan sumber dan pengurusan rantaian bekalan. Pendekatan ini cuba mengelakkan pergantungan kepada ramalan yang sukar difahami atau tidak menerangkan sebab di sebalik sesuatu cadangan.

Portfolio yang merentasi banyak bidang

Lapan projek sulung AI4S turut merangkumi reka bentuk berasaskan AI untuk antara muka yang boleh meningkatkan pengangkutan tenaga. Secara keseluruhan, portfolio itu meliputi bahan, pemangkin, pengkomputeran, genomik, perisian, pertanian dan analisis darah—menjadikan AI4S satu inisiatif merentas sektor, bukannya program untuk satu bidang sahaja.

Mengapa pendekatan “gelung tertutup” penting?

AI boleh mencadangkan bahan, molekul, eksperimen atau kod yang menjanjikan. Tetapi cadangan itu masih perlu diuji di dunia sebenar. Makmal automatik, saringan berkapasiti tinggi, alat pengukuran dan pengesahan formal menyediakan bukti untuk menentukan sama ada sesuatu hasil boleh dibuat, selamat dan berguna.

Materials Data Foundry paling jelas menggambarkan gelung tertutup ini: AI mencadangkan eksperimen, robot menjalankannya, sistem mengumpulkan hasil sebenar, kemudian data itu digunakan semula untuk memperbaiki cadangan seterusnya. Proses sedemikian berpotensi merapatkan jurang antara ramalan teori dan pengeluaran industri.

Membina saintis yang “dwibahasa”

Selain mengejar penemuan, AI4S mahu melatih saintis yang “dwibahasa”—penyelidik yang memahami AI dan pada masa sama menguasai bidang seperti sains bahan, sains hayat atau sains kuantum. Matlamatnya ialah memastikan persoalan saintifik, mutu data dan kekangan eksperimen mempengaruhi reka bentuk model sejak awal, bukannya AI dibangunkan secara terasing daripada keperluan makmal.

Singapura juga menggunakan pembiayaan NRF, kerjasama antarabangsa berasaskan CREATE, infrastruktur digital dan eksperimen bersama, alat terbuka serta rakan industri untuk mengukuhkan kedudukannya sebagai pusat penyelidikan dan pemindahan teknologi berasaskan AI. Dua program Imperial, misalnya, ditempatkan melalui Imperial Global Singapore di CREATE dan direka untuk akses penyelidik dari seluruh dunia.

Ujian sebenar AI4S bukanlah sekadar seberapa pantas model membuat ramalan. Kejayaannya akan diukur melalui hasil yang disahkan dan boleh diperluas—seperti protokol pembuatan, pemangkin, bukti sokongan untuk keputusan klinikal dan perisian yang benar-benar boleh dipercayai.

Mempercepat pencarian pemangkin

Dalam bidang kimia, program bersama A*STAR dan Imperial College London bernilai S$10 juta akan membangunkan Surface Science Foundation Model serta platform awan. Sistem ini direka untuk meramalkan sifat pemangkin dan keadaan sintesisnya bagi aplikasi seperti bahan api lebih bersih, bahan suapan berasaskan karbon dioksida dan bahan kimia berasaskan bio.

Penerangan utama program itu menyasarkan pecutan 500 kali ganda dalam saringan pengiraan. Oleh itu, dakwaan bahawa proses tersebut menjadi “hampir lima kali lebih pantas dan murah” wajar dibaca dengan berhati-hati, kecuali angka itu merujuk kepada ukuran pembangunan lain yang berasingan.

AI yang boleh memeriksa kod AI lain

AI4S turut merangkumi pembangunan alat penaakulan program oleh NUS dan Imperial. Alat ini akan menganalisis, menguji, mengesahkan secara formal dan membuktikan ketepatan perisian secara automatik. Pada masa yang sama, kaedah penaakulan yang kurang formal akan digunakan untuk memahami kod yang tidak mempunyai dokumentasi lengkap.

Penyelidik akan menguji alat tersebut pada perisian berimpak tinggi, termasuk protokol rangkaian dan komponen kernel Linux. Dalam jangka panjang, ia boleh membantu ejen AI mengaudit kod yang ditulis oleh sistem AI lain—satu keperluan penting apabila penggunaan AI dalam pembangunan perisian semakin meluas.

Bioperubatan: melihat semua lapisan data bersama-sama

Dalam bidang kesihatan, NUS dan A*STAR merancang MultiOmicsFM, iaitu model asas yang menggabungkan data DNA, RNA dan aktiviti gen secara serentak. Model ini akan menggunakan set data pelbagai etnik di Singapura untuk menyokong penyelidikan risiko penyakit serta pengoptimuman terapi mRNA.

Projek BloodCounts! pula mahu memperluas nilai diagnostik ujian kiraan darah lengkap. Model DeepCBC akan dilatih menggunakan semua parameter mentah daripada ujian complete blood count (CBC), bersama-sama imej sapuan darah. Pendekatan ini bertujuan mengekstrak lebih banyak maklumat daripada ujian yang biasa dilakukan dan membantu meramalkan keadaan seperti risiko strok serta kanser.

Namun, sasaran penyelidikan ini tidak bermaksud ujian darah tersebut sudah boleh menggantikan diagnosis klinikal atau memberikan keputusan muktamad. Keberkesanan dan keselamatannya masih perlu dinilai melalui penyelidikan serta pengesahan yang sewajarnya.

Pertanian dan daya tahan iklim

NUS dan University of Illinois melalui projek ARCS akan membangunkan “kembar digital” pertanian berpandukan pengetahuan. Kembar digital ialah gambaran maya kawasan ladang Asia Tenggara yang menggabungkan data pemerhatian dengan prinsip sains tanaman.

Output yang disasarkan ialah ramalan yang boleh ditafsir dan alat sokongan keputusan untuk membantu menentukan masa penanaman, penggunaan sumber dan pengurusan rantaian bekalan. Pendekatan ini cuba mengelakkan pergantungan kepada ramalan yang sukar difahami atau tidak menerangkan sebab di sebalik sesuatu cadangan.

Portfolio yang merentasi banyak bidang

Lapan projek sulung AI4S turut merangkumi reka bentuk berasaskan AI untuk antara muka yang boleh meningkatkan pengangkutan tenaga. Secara keseluruhan, portfolio itu meliputi bahan, pemangkin, pengkomputeran, genomik, perisian, pertanian dan analisis darah—menjadikan AI4S satu inisiatif merentas sektor, bukannya program untuk satu bidang sahaja.

Mengapa pendekatan “gelung tertutup” penting?

AI boleh mencadangkan bahan, molekul, eksperimen atau kod yang menjanjikan. Tetapi cadangan itu masih perlu diuji di dunia sebenar. Makmal automatik, saringan berkapasiti tinggi, alat pengukuran dan pengesahan formal menyediakan bukti untuk menentukan sama ada sesuatu hasil boleh dibuat, selamat dan berguna.

Materials Data Foundry paling jelas menggambarkan gelung tertutup ini: AI mencadangkan eksperimen, robot menjalankannya, sistem mengumpulkan hasil sebenar, kemudian data itu digunakan semula untuk memperbaiki cadangan seterusnya. Proses sedemikian berpotensi merapatkan jurang antara ramalan teori dan pengeluaran industri.

Membina saintis yang “dwibahasa”

Selain mengejar penemuan, AI4S mahu melatih saintis yang “dwibahasa”—penyelidik yang memahami AI dan pada masa sama menguasai bidang seperti sains bahan, sains hayat atau sains kuantum. Matlamatnya ialah memastikan persoalan saintifik, mutu data dan kekangan eksperimen mempengaruhi reka bentuk model sejak awal, bukannya AI dibangunkan secara terasing daripada keperluan makmal.

Singapura juga menggunakan pembiayaan NRF, kerjasama antarabangsa berasaskan CREATE, infrastruktur digital dan eksperimen bersama, alat terbuka serta rakan industri untuk mengukuhkan kedudukannya sebagai pusat penyelidikan dan pemindahan teknologi berasaskan AI. Dua program Imperial, misalnya, ditempatkan melalui Imperial Global Singapore di CREATE dan direka untuk akses penyelidik dari seluruh dunia.

Ujian sebenar AI4S bukanlah sekadar seberapa pantas model membuat ramalan. Kejayaannya akan diukur melalui hasil yang disahkan dan boleh diperluas—seperti protokol pembuatan, pemangkin, bukti sokongan untuk keputusan klinikal dan perisian yang benar-benar boleh dipercayai.