Toronto : labos auto-construits par IA et jumeaux numériques

Des chercheurs de l’Université de Toronto, du Vector Institute, de l’Acceleration Consortium, de CIFAR et de NVIDIA ont publié sur arXiv une étude présentant un système capable de faire évoluer un laboratoire vers de nouvelles tâches scientifiques. L’approche vise à dépasser l’automatisation classique, où les robots exécutent seulement des protocoles déjà installés. Les premiers auteurs sont Jiaru Bai et Yuchi Zhao ; Yang Cao, Varinia Bernales et Alán Aspuru-Guzik sont co-auteurs correspondants. Le principe est de partir d’un objectif de recherche et de demander au système d’évaluer les capacités du laboratoire, d’identifier les outils ou gestes manquants, puis de préparer virtuellement les interfaces, les déplacements et les enchaînements nécessaires. Cette adaptation repose sur un jumeau numérique, c’est-à-dire un modèle virtuel de la salle, des instruments, de leurs positions, de leurs pièces mobiles et des commandes robotisées. À partir de photos, de références matérielles et d’images caméra-profondeur, l’IA peut recréer des modèles d’équipements, corriger leur placement et simuler les opérations avant d’agir dans le monde réel. Trois modules collaborent. Un agent scientifique traduit l’objectif de recherche en protocole. Un agent de jumeau numérique convertit ce protocole en instructions exploitables par les machines présentes. Un agent de sécurité teste des scénarios risqués, comme des collisions, des déversements ou des mauvais déplacements, puis génère des contraintes. Les résultats des simulations et des expérimentations réelles sont ensuite réutilisés pour améliorer le système. L’équipe a testé cette méthode avec la synthèse de points quantiques de sulfure de cadmium. Après avoir généré un programme Python de 236 instructions pour un robot de manipulation liquide, le système a orchestré la préparation des réactifs, le transfert d’une plaque de 96 puits, l’apposition d’un film et la lecture optique. La tâche a exigé des ajustements précis: changer de prise pour déposer la plaque dans un lecteur, contrôler le niveau d’insertion et recourir à des capteurs visuels et de force pour compenser les écarts entre simulation et réalité. Au total, dix-neuf étapes coordonnées ont été réalisées. Les travaux explorent ensuite une extension horizontale, avec des démonstrations de photochimie en flux et de chromatographie liquide haute performance, et une extension verticale, qui imagine des robots partageant des équipements, des échantillons ou des tâches entre plusieurs laboratoires. À plus long terme, les chercheurs envisagent de concevoir des instruments sur mesure, notamment grâce à la fabrication additive. Le message central est que les scientifiques restent essentiels pour fixer les limites, valider les risques et fournir des retours sensibles que les capteurs ne captent pas encore. Pour autant, l’ambition change la relation à l’automatisation: plutôt que d’adapter une idée à des machines déjà configurées, l’objectif devient de laisser le laboratoire développer, sous supervision, de nouveaux moyens d’exécution.