Automatisierte wissenschaftliche Entdeckung (RAISE-Pilot) (RIA)

Erwartetes Ergebnis:

• Entwicklung von geschlossenen wissenschaftlichen Experimentiersystemen, die Automatisierung mit KI-gesteuerten, vertrauenswürdigen Entscheidungsprozessen in bestehenden Laborumgebungen integrieren;
• Beschleunigte wissenschaftliche Entdeckung mit erhöhter Effizienz und Reproduzierbarkeit;
• Verbesserte wissenschaftliche Produktivität;
• Fortschritt in der Laborautomatisierung, einschließlich der Entwicklung von Best Practices, Herausforderungen und Möglichkeiten zur Beschleunigung von Forschung und Entwicklung; und
• Prototypische funktionale Demonstratoren, die die Integration von Automatisierung mit KI-gesteuerter Entscheidungsfindung demonstrieren und die Entwicklung von geschlossenen wissenschaftlichen Experimentiersystemen ermöglichen.

Umfang:

Dieses Thema befasst sich mit der Entwicklung sicherer und vertrauenswürdiger geschlossener wissenschaftlicher Experimentiersysteme durch die Integration von Laborautomatisierung mit KI-gesteuerten Entscheidungsprozessen und robusten Dateninfrastrukturen. Geförderte Projekte werden wissenschaftliche Labore mit einem bereits fortgeschrittenen Automatisierungs- und Digitalisierungsgrad dabei unterstützen, die Intelligenzschicht zu entwerfen, zu entwickeln und zu testen, die es wissenschaftlichen Instrumenten ermöglicht, Experimente semi- oder vollautonom zu planen, durchzuführen und zu analysieren, idealerweise in Koordination/Vernetzung mit anderen Laboren und ohne eine vollständige Neugestaltung der bestehenden Laborausstattung zu erfordern.

Vorschläge müssen umfassende Datenmanagementsysteme umfassen, die in der Lage sind, die Sammlung, Speicherung, Verarbeitung und den Austausch experimenteller Daten zu handhaben. Dies beinhaltet die Entwicklung skalierbarer und sicherer Datenspeicherlösungen, effizienter Datenverarbeitungs- und Analysetools sowie Mechanismen zur Erleichterung des Datenaustauschs und der Zusammenarbeit zwischen Laboren, während gleichzeitig Datensicherheit und Datenschutz gewährleistet werden.

Systeme könnten KI-gesteuerte Ressourcenoptimierungsmodule integrieren, die den Energie-, Reagenzien- und Materialverbrauch während automatisierter Experimentierzyklen aktiv minimieren. Systeme sollten ein angemessenes Maß an Sicherheit und Robustheit von Grund auf integrieren.

Vorschläge sollten demonstrieren, wie ein bestehendes Labor mit KI-gesteuerten Systemen nachgerüstet werden kann, um Experimente in einem geschlossenen Kreislauf zu planen, auszuführen und zu analysieren, wobei menschliche Aufsicht und Interaktion integriert werden, um Genauigkeit, Sicherheit und ethische Compliance zu gewährleisten.

Mögliche Forschungsziele umfassen (nicht erschöpfend):

• Autonome/semi-autonome und adaptive KI-Systeme (einschließlich agentischer KI), die sich mit Laborinstrumenten und Robotik verbinden und innerhalb einer wissenschaftlichen Umgebung, innerhalb einer validierten sicheren Pipeline, autonom planen, handeln, lernen und sich anpassen können,
• Assistierende und interaktive sichere KI-gesteuerte Robotersysteme, die diverse Experimente automatisieren und auf eine vielfältige Hardware-Konfiguration angewendet werden können.
• Skalierbare Automatisierungslösungen und vernetzte KI-Systeme, die kollaborative Experimente über mehrere Labore und Netzwerke von Laboren (einschließlich verschiedener geografischer Standorte) ermöglichen und die gleichzeitige Durchführung großer Mengen von Experimenten unterstützen,
• Systeme, die Echtzeit-Datenverarbeitung und -analyse bereitstellen und sofortiges Feedback und dynamische Anpassungen während der Experimente ermöglichen,
• Standards und Protokolle zur Gewährleistung der Interoperabilität zwischen verschiedenen Laborinstrumenten, Robotik und KI-Systemen,
• Intuitive Benutzeroberflächen für verbesserte Mensch-Maschine-Interaktion,
• KI-gesteuerte vorausschauende Wartungssysteme zur Optimierung der Betriebszeit von Geräten und der Ressourcennutzung.
• Erforschung, wie wissenschaftliche Automatisierungstechnologien für den Einsatz in verschiedenen wissenschaftlichen Disziplinen über den Geltungsbereich dieses Aufrufs hinaus angepasst werden können.

Vorschläge sollten eine enge interdisziplinäre Zusammenarbeit von Computer-/KI-Wissenschaftlern und Domänenwissenschaftlern demonstrieren.

Obwohl der Schwerpunkt dieses Aufrufs auf Softwareentwicklung liegt, schließt er den gerechtfertigten Kauf komplementärer Ausrüstung, die zur Umsetzung der Forschungsziele des Projekts erforderlich ist, nicht aus.

Ein initia…