ใช้คอมพิวเตอร์ค้นหาตัวเร่งปฏิกิริยา

โครงการร่วมระหว่าง A*STAR กับ Imperial College London มูลค่า S$10 ล้าน จะสร้าง Surface Science Foundation Model และแพลตฟอร์มบนคลาวด์ เพื่อทำนายคุณสมบัติของตัวเร่งปฏิกิริยาและเงื่อนไขที่เหมาะสมต่อการสังเคราะห์

ระบบดังกล่าวจะช่วยค้นหาพื้นที่การออกแบบขนาดใหญ่ด้วยคอมพิวเตอร์ ก่อนคัดเลือกตัวเลือกที่มีแนวโน้มไปทดสอบจริง โดยมุ่งสนับสนุนการผลิตเชื้อเพลิงที่สะอาดขึ้น วัตถุดิบจากคาร์บอนไดออกไซด์ และสารเคมีชีวภาพ คำอธิบายหลักของโครงการระบุเป้าหมายให้การคัดกรองด้วยคอมพิวเตอร์เร็วขึ้น 500 เท่า ดังนั้นตัวเลขที่ระบุว่า “เร็วขึ้นและถูกลงเกือบ 5 เท่า” ควรพิจารณาอย่างระมัดระวัง เว้นแต่จะหมายถึงตัวชี้วัดอีกขั้นตอนหนึ่งของการพัฒนา

ให้ AI ตรวจสอบโค้ดของ AI

อีกโครงการหนึ่งโดย NUS และ Imperial College London มุ่งพัฒนาเครื่องมือที่ใช้การให้เหตุผลเกี่ยวกับโปรแกรม เพื่อวิเคราะห์ ทดสอบ ตรวจสอบอย่างเป็นทางการ และพิสูจน์ความถูกต้องของซอฟต์แวร์โดยอัตโนมัติ

เครื่องมือจะใช้การให้เหตุผลที่ไม่เป็นทางการมากนักเพื่อทำความเข้าใจโค้ดที่ไม่มีเอกสารกำกับ และจะนำไปทดสอบกับซอฟต์แวร์ที่มีความสำคัญสูง เช่น โพรโทคอลเครือข่ายและส่วนประกอบของ Linux kernel เป้าหมายระยะหนึ่งคือการทำให้เอเจนต์ AI สามารถตรวจสอบโค้ดที่เขียนโดยระบบ AI อื่นได้

ชีวการแพทย์: รวมข้อมูลหลายชั้นจากร่างกาย

ด้านชีวการแพทย์ NUS และ A*STAR กำลังพัฒนา MultiOmicsFM ซึ่งเป็นโมเดลพื้นฐานที่ออกแบบมาเพื่อวิเคราะห์ข้อมูล DNA, RNA และกิจกรรมของยีนร่วมกัน แทนที่จะแยกพิจารณาข้อมูลแต่ละชั้น โครงการนี้จะใช้ชุดข้อมูลจากประชากรหลายเชื้อชาติของสิงคโปร์ เพื่อสนับสนุนการวิจัยความเสี่ยงโรคและการปรับปรุงการรักษาด้วย mRNA

ขณะเดียวกัน โครงการ BloodCounts! จะฝึกโมเดล DeepCBC จากค่าพารามิเตอร์ดิบทั้งหมดของการตรวจความสมบูรณ์ของเม็ดเลือด (CBC) พร้อมภาพสเมียร์เลือด เพื่อดึงข้อมูลด้านการวินิจฉัยออกจากการตรวจพื้นฐานที่ใช้กันทั่วไปให้ได้มากขึ้น และสนับสนุนการคาดการณ์ภาวะต่าง ๆ เช่น ความเสี่ยงโรคหลอดเลือดสมองและมะเร็ง

เกษตรกรรมและความมั่นคงทางอาหาร

NUS และโครงการ ARCS ของมหาวิทยาลัยอิลลินอยส์จะสร้าง “แฝดดิจิทัล” ทางการเกษตรที่มีองค์ความรู้กำกับ หรือแบบจำลองเสมือนของพื้นที่เกษตรในเอเชียตะวันออกเฉียงใต้ ซึ่งรวมข้อมูลจากการสังเกตเข้ากับหลักวิทยาศาสตร์ด้านพืช

เครื่องมือนี้มุ่งสร้างการคาดการณ์ที่อธิบายได้และช่วยตัดสินใจเรื่องช่วงเวลาปลูก การใช้ทรัพยากร และห่วงโซ่อุปทาน ไม่ใช่การให้คำตอบจากโมเดลแบบทึบที่ผู้ใช้งานตรวจสอบเหตุผลไม่ได้

พอร์ตโฟลิโอที่ครอบคลุมหลายสาขา

โครงการทั้ง 8 ยังรวมถึงการออกแบบอินเทอร์เฟซด้วย AI เพื่อช่วยเพิ่มประสิทธิภาพการถ่ายโอนพลังงาน นอกเหนือจากงานด้านวัสดุ ตัวเร่งปฏิกิริยา จีโนมิกส์ ซอฟต์แวร์ เกษตรกรรม และการวิเคราะห์เลือด จึงเห็นได้ว่า AI4S ไม่ได้มุ่งไปที่อุตสาหกรรมใดอุตสาหกรรมหนึ่ง แต่ครอบคลุมวัสดุศาสตร์ คอมพิวเตอร์ วิทยาศาสตร์ชีวภาพ พลังงาน และเกษตรกรรม

เหตุผลเชิงยุทธศาสตร์ของสิงคโปร์

หนึ่ง การผลักดันงานวิจัยไปสู่การใช้งานจริง

AI อาจเสนอวัสดุ โมเลกุล การทดลอง หรือโค้ดที่มีศักยภาพ แต่ห้องแล็บอัตโนมัติ การคัดกรองปริมาณมาก การวัดผล และการตรวจสอบอย่างเป็นทางการ จะเป็นผู้ให้หลักฐานว่าแนวคิดนั้นผลิตได้ ปลอดภัย และมีประโยชน์จริงหรือไม่ Materials Data Foundry คือภาพตัวอย่างที่ชัดเจนของวงจรปิดลักษณะนี้

สอง การสร้างนักวิทยาศาสตร์ที่เข้าใจทั้ง AI และศาสตร์เฉพาะทาง

AI4S ตั้งเป้าฝึกนักวิจัยแบบ “สองภาษา” คือสื่อสารได้ทั้งในโลกของ AI และสาขาอย่างวัสดุศาสตร์ วิทยาศาสตร์ชีวภาพ หรือวิทยาศาสตร์ควอนตัม บุคลากรลักษณะนี้จะช่วยให้คำถามทางวิทยาศาสตร์ คุณภาพข้อมูล และข้อจำกัดของการทดลองถูกนำมาพิจารณาตั้งแต่การออกแบบโมเดล

สาม การวางตำแหน่งสิงคโปร์บนเวทีวิจัยโลก

สิงคโปร์กำลังใช้เงินทุนจาก NRF ความร่วมมือระหว่างประเทศผ่านโครงการ CREATE โครงสร้างพื้นฐานดิจิทัลและห้องทดลองร่วม เครื่องมือแบบเปิด และพันธมิตรภาคอุตสาหกรรม เพื่อผลักดันประเทศให้เป็นศูนย์กลางการวิจัยและการต่อยอดเทคโนโลยีด้วย AI ตัวอย่างเช่น โครงการของ Imperial ทั้งสองโครงการดำเนินการผ่าน Imperial Global Singapore ที่ศูนย์ CREATE และออกแบบให้ผู้วิจัยจากทั่วโลกเข้าถึงได้

ท้ายที่สุด ความสำเร็จของ AI4S จะไม่ได้วัดจากความเร็วของการคาดการณ์เพียงอย่างเดียว แต่จะวัดจากการสร้างผลลัพธ์ที่ผ่านการตรวจสอบและขยายการใช้งานได้จริง ไม่ว่าจะเป็นกระบวนการผลิต ตัวเร่งปฏิกิริยา หลักฐานสำหรับเครื่องมือช่วยตัดสินใจทางคลินิก หรือซอฟต์แวร์ที่เชื่อถือได้

ใช้คอมพิวเตอร์ค้นหาตัวเร่งปฏิกิริยา

โครงการร่วมระหว่าง A*STAR กับ Imperial College London มูลค่า S$10 ล้าน จะสร้าง Surface Science Foundation Model และแพลตฟอร์มบนคลาวด์ เพื่อทำนายคุณสมบัติของตัวเร่งปฏิกิริยาและเงื่อนไขที่เหมาะสมต่อการสังเคราะห์

ระบบดังกล่าวจะช่วยค้นหาพื้นที่การออกแบบขนาดใหญ่ด้วยคอมพิวเตอร์ ก่อนคัดเลือกตัวเลือกที่มีแนวโน้มไปทดสอบจริง โดยมุ่งสนับสนุนการผลิตเชื้อเพลิงที่สะอาดขึ้น วัตถุดิบจากคาร์บอนไดออกไซด์ และสารเคมีชีวภาพ คำอธิบายหลักของโครงการระบุเป้าหมายให้การคัดกรองด้วยคอมพิวเตอร์เร็วขึ้น 500 เท่า ดังนั้นตัวเลขที่ระบุว่า “เร็วขึ้นและถูกลงเกือบ 5 เท่า” ควรพิจารณาอย่างระมัดระวัง เว้นแต่จะหมายถึงตัวชี้วัดอีกขั้นตอนหนึ่งของการพัฒนา

ให้ AI ตรวจสอบโค้ดของ AI

อีกโครงการหนึ่งโดย NUS และ Imperial College London มุ่งพัฒนาเครื่องมือที่ใช้การให้เหตุผลเกี่ยวกับโปรแกรม เพื่อวิเคราะห์ ทดสอบ ตรวจสอบอย่างเป็นทางการ และพิสูจน์ความถูกต้องของซอฟต์แวร์โดยอัตโนมัติ

เครื่องมือจะใช้การให้เหตุผลที่ไม่เป็นทางการมากนักเพื่อทำความเข้าใจโค้ดที่ไม่มีเอกสารกำกับ และจะนำไปทดสอบกับซอฟต์แวร์ที่มีความสำคัญสูง เช่น โพรโทคอลเครือข่ายและส่วนประกอบของ Linux kernel เป้าหมายระยะหนึ่งคือการทำให้เอเจนต์ AI สามารถตรวจสอบโค้ดที่เขียนโดยระบบ AI อื่นได้

ชีวการแพทย์: รวมข้อมูลหลายชั้นจากร่างกาย

ด้านชีวการแพทย์ NUS และ A*STAR กำลังพัฒนา MultiOmicsFM ซึ่งเป็นโมเดลพื้นฐานที่ออกแบบมาเพื่อวิเคราะห์ข้อมูล DNA, RNA และกิจกรรมของยีนร่วมกัน แทนที่จะแยกพิจารณาข้อมูลแต่ละชั้น โครงการนี้จะใช้ชุดข้อมูลจากประชากรหลายเชื้อชาติของสิงคโปร์ เพื่อสนับสนุนการวิจัยความเสี่ยงโรคและการปรับปรุงการรักษาด้วย mRNA

ขณะเดียวกัน โครงการ BloodCounts! จะฝึกโมเดล DeepCBC จากค่าพารามิเตอร์ดิบทั้งหมดของการตรวจความสมบูรณ์ของเม็ดเลือด (CBC) พร้อมภาพสเมียร์เลือด เพื่อดึงข้อมูลด้านการวินิจฉัยออกจากการตรวจพื้นฐานที่ใช้กันทั่วไปให้ได้มากขึ้น และสนับสนุนการคาดการณ์ภาวะต่าง ๆ เช่น ความเสี่ยงโรคหลอดเลือดสมองและมะเร็ง

เกษตรกรรมและความมั่นคงทางอาหาร

NUS และโครงการ ARCS ของมหาวิทยาลัยอิลลินอยส์จะสร้าง “แฝดดิจิทัล” ทางการเกษตรที่มีองค์ความรู้กำกับ หรือแบบจำลองเสมือนของพื้นที่เกษตรในเอเชียตะวันออกเฉียงใต้ ซึ่งรวมข้อมูลจากการสังเกตเข้ากับหลักวิทยาศาสตร์ด้านพืช

เครื่องมือนี้มุ่งสร้างการคาดการณ์ที่อธิบายได้และช่วยตัดสินใจเรื่องช่วงเวลาปลูก การใช้ทรัพยากร และห่วงโซ่อุปทาน ไม่ใช่การให้คำตอบจากโมเดลแบบทึบที่ผู้ใช้งานตรวจสอบเหตุผลไม่ได้

พอร์ตโฟลิโอที่ครอบคลุมหลายสาขา

โครงการทั้ง 8 ยังรวมถึงการออกแบบอินเทอร์เฟซด้วย AI เพื่อช่วยเพิ่มประสิทธิภาพการถ่ายโอนพลังงาน นอกเหนือจากงานด้านวัสดุ ตัวเร่งปฏิกิริยา จีโนมิกส์ ซอฟต์แวร์ เกษตรกรรม และการวิเคราะห์เลือด จึงเห็นได้ว่า AI4S ไม่ได้มุ่งไปที่อุตสาหกรรมใดอุตสาหกรรมหนึ่ง แต่ครอบคลุมวัสดุศาสตร์ คอมพิวเตอร์ วิทยาศาสตร์ชีวภาพ พลังงาน และเกษตรกรรม

เหตุผลเชิงยุทธศาสตร์ของสิงคโปร์

หนึ่ง การผลักดันงานวิจัยไปสู่การใช้งานจริง

AI อาจเสนอวัสดุ โมเลกุล การทดลอง หรือโค้ดที่มีศักยภาพ แต่ห้องแล็บอัตโนมัติ การคัดกรองปริมาณมาก การวัดผล และการตรวจสอบอย่างเป็นทางการ จะเป็นผู้ให้หลักฐานว่าแนวคิดนั้นผลิตได้ ปลอดภัย และมีประโยชน์จริงหรือไม่ Materials Data Foundry คือภาพตัวอย่างที่ชัดเจนของวงจรปิดลักษณะนี้

สอง การสร้างนักวิทยาศาสตร์ที่เข้าใจทั้ง AI และศาสตร์เฉพาะทาง

AI4S ตั้งเป้าฝึกนักวิจัยแบบ “สองภาษา” คือสื่อสารได้ทั้งในโลกของ AI และสาขาอย่างวัสดุศาสตร์ วิทยาศาสตร์ชีวภาพ หรือวิทยาศาสตร์ควอนตัม บุคลากรลักษณะนี้จะช่วยให้คำถามทางวิทยาศาสตร์ คุณภาพข้อมูล และข้อจำกัดของการทดลองถูกนำมาพิจารณาตั้งแต่การออกแบบโมเดล

สาม การวางตำแหน่งสิงคโปร์บนเวทีวิจัยโลก

สิงคโปร์กำลังใช้เงินทุนจาก NRF ความร่วมมือระหว่างประเทศผ่านโครงการ CREATE โครงสร้างพื้นฐานดิจิทัลและห้องทดลองร่วม เครื่องมือแบบเปิด และพันธมิตรภาคอุตสาหกรรม เพื่อผลักดันประเทศให้เป็นศูนย์กลางการวิจัยและการต่อยอดเทคโนโลยีด้วย AI ตัวอย่างเช่น โครงการของ Imperial ทั้งสองโครงการดำเนินการผ่าน Imperial Global Singapore ที่ศูนย์ CREATE และออกแบบให้ผู้วิจัยจากทั่วโลกเข้าถึงได้

ท้ายที่สุด ความสำเร็จของ AI4S จะไม่ได้วัดจากความเร็วของการคาดการณ์เพียงอย่างเดียว แต่จะวัดจากการสร้างผลลัพธ์ที่ผ่านการตรวจสอบและขยายการใช้งานได้จริง ไม่ว่าจะเป็นกระบวนการผลิต ตัวเร่งปฏิกิริยา หลักฐานสำหรับเครื่องมือช่วยตัดสินใจทางคลินิก หรือซอฟต์แวร์ที่เชื่อถือได้