AI ska ta Singapores forskning från hypotes till fungerande teknik

Den huvudsakliga projektbeskrivningen anger som mål att påskynda den datorbaserade gallringen av kandidater 500 gånger. Uppgifter om att processen skulle bli ”nästan fem gånger snabbare och billigare” bör därför tolkas försiktigt, om de inte gäller ett separat mått längre fram i utvecklingen.

AI ska också kunna granska annan AI:s kod

National University of Singapore och Imperial College London utvecklar verktyg för programresonemang. De ska automatiskt analysera, testa och formellt verifiera programvara – och i vissa fall bevisa att den är korrekt. Samtidigt ska mindre formella metoder användas för att tolka kod där dokumentationen saknas.

Verktygen ska prövas på programvara med stora konsekvenser, exempelvis nätverksprotokoll och delar av Linux-kärnan. En uttalad ambition är att AI-agenter ska kunna granska kod som har skrivits av andra AI-system.

Biomedicin: fler signaler ur samma blodprov

Inom biomedicinen utvecklar National University of Singapore och A*STAR modellen MultiOmicsFM. Den är planerad som en grundmodell som gemensamt tolkar DNA-, RNA- och genaktivitetsdata från Singapores multietniska dataset. Tanken är att stödja forskning om sjukdomsrisker och utvecklingen av mRNA-behandlingar.

Projektet BloodCounts! angriper en annan fråga: hur mycket mer information kan ett vanligt blodstatusprov ge? Modellen DeepCBC ska tränas på samtliga råparametrar från blodstatusmätningar, tillsammans med bilder av blodutstryk. På så sätt hoppas forskarna kunna utvinna mer diagnostisk information ur ett vanligt test och bidra till riskbedömningar för bland annat stroke och cancer.

Digitala tvillingar för ett mer motståndskraftigt jordbruk

National University of Singapore och University of Illinois ska utveckla kunskapsstyrda digitala tvillingar för jordbruket. Det handlar om virtuella representationer av jordbruksmark i Sydostasien som kombinerar observerade data med principer från växt- och jordbruksvetenskap.

Målet är begripliga prognoser och beslutsstöd för exempelvis sådd, resursanvändning och försörjningskedjor – inte enbart ogenomskinliga AI-förutsägelser.

Ett bredare program än en enda AI-tillämpning

Portföljen omfattar även AI-designade gränssnitt som ska förbättra energitransport. Sammantaget täcker projekten material, datorteknik, livsvetenskaper, energi och jordbruk. AI4S är därmed utformat som ett tvärvetenskapligt program snarare än som en satsning på en enda bransch.

Varför Singapore satsar på AI för vetenskap

Den strategiska logiken bygger framför allt på tre delar:

• Översättning till praktisk användning: AI kan föreslå lovande material, molekyler, experiment eller kod. Automatiserade laboratorier, storskalig screening, mätningar och formell verifiering behövs sedan för att avgöra vad som går att tillverka, är säkert och faktiskt fungerar. Materials Data Foundry är det tydligaste exemplet på denna slutna återkopplingsloop.
• Kompetens: AI4S vill utbilda ”tvåspråkiga” forskare – personer som behärskar både AI och områden som materialvetenskap, livsvetenskaper och kvantvetenskap. Det ska göra det möjligt att ta hänsyn till forskningsfrågor, datakvalitet och experimentella begränsningar redan när modellerna byggs.
• Internationell positionering: Genom finansiering från National Research Foundation, internationella samarbeten inom CREATE, gemensam digital och experimentell infrastruktur, öppna verktyg och industripartner försöker Singapore etablera sig som en mötesplats för AI-driven forskning och teknikutveckling. Imperial Colleges två program bedrivs exempelvis genom Imperial Global Singapore vid CREATE och är utformade för att vara tillgängliga för forskare internationellt.

Den avgörande prövningen blir om projekten leder till validerade och skalbara resultat: fungerande tillverkningsprotokoll, bättre katalysatorer, kliniskt underlag för beslutsstöd och tillförlitlig programvara. Det är först då som AI4S har visat mer än att modeller kan ge snabbare förutsägelser.