先端科学施設の詰まりは、実験そのものだけではなく、その後の解析に移っている。Metaが紹介したBerkeley LabのGenesis Mission初期プロジェクトは、その変化を数字で示している。米Department of Energyのlight and neutron source施設は毎年tens of petabytes規模のデータを生み、upgradeされたdetectorは以前の6秒に1枚から、最大で毎秒100,000枚の画像取得へ進んだ。人が画像を見て後から解析する方法では追いつかない。

プロジェクト名はSYNAPS-I。Lawrence Berkeley National Laboratoryが主導し、5つのnational labから60人の研究者が参加する。狙いはAdvanced Light Sourceのようなbeamline施設を、単なる測定装置ではなくintelligent discovery platformに変えることだ。データを集めてから遅れて解析するのではなく、AIが実験中に画像を分割し、構造を認識し、仮説生成や次の実験条件の推薦を助け、施設間で知識を移す。Metaによれば、その初期プロジェクトにSAM 3とDINOv3のopen-source vision modelが使われる。

Advanced Light Sourceはフットボール場ほどの大きさを持ち、強いX-ray beamで物質を原子・分子スケールから生物試料まで観察する施設だ。装置のresolutionと速度が上がるほど、データ量は桁違いに増える。AIの価値は抽象的な効率化ではない。測定と判断の間にできるbacklogを減らし、beam timeが終わる前に実験条件を変えられる可能性にある。

Metaにとっては、open-source vision modelを国家的な科学課題へ適用する事例になる。研究機関にとっては、foundation modelが下流の解析だけでなく実験loopの内側へ入る流れだ。ただし、現時点で確認できるのは初期プロジェクトの方向、参加規模、データ瓶頸の数字であり、完成した自律科学基盤ではない。次に見るべきは、SAM 3とDINOv3が異なる装置や材料領域にどこまで一般化し、リアルタイム判断の誤差管理をどう行うかだ。

#sam-3

毎秒100,000枚の実験データ、Metaモデルがbeamline解析へ