Meta的AI模型助力创世纪任务项目首批浪潮

美国能源部的同步辐射和中子源设施每年产生数十PB数据，相当于流式传输200万小时高清视频。探测器升级后，从每6秒捕获一张图像提升到每秒10万张，数据量比十年前增加了数个数量级。传统手动分析无法应对这一规模，且领域专家稀缺，现代原位实验需要实时解读，人工团队无法满足。

2025年底，白宫发起了Genesis任务，由能源部领导，旨在利用AI加速科学发现。SYNAPS-I项目作为其一部分，专注于将X射线和中子科学的数据分析从数月瓶颈转变为实时引擎。图像分割是关键任务：从原始X射线图像中识别并勾勒出细胞壁、矿物颗粒等结构。

SYNAPS-I采用了Meta的两个开源基础模型：SAM 3负责精确的像素级边界分割，DINOv3提供全局上下文以识别每个结构。团队在DOE束线收集的科学成像数据上对模型进行微调，并部署在国家超级计算设施的300块A100 GPU上。结果：在实验仍在运行时，即可将完全重建的、语义标注的3D体积返回给科学家，总耗时约15分钟。

SYNAPS-I团队在先进光源（ALS）上展示了该流程在农业挑战中的应用：通过微CT扫描葡萄藤茎，自动识别负责水分运输的木质部导管，并追踪干旱过程中导管的变化。此前每个时间步需要专家标注一个月，现在只需15分钟，使科学家能够以数据采集的速度研究动态生物过程。

国家实验室需在政府基础设施上管理预发表研究数据和AI模型，而非外部云服务。Meta的开源方法使SYNAPS-I团队能够在其安全计算环境中下载、微调和部署SAM和DINO，将原本针对自然图像训练的模型适配到科学领域。

SYNAPS-I项目由五个国家实验室的60名研究人员参与，目标是使用户设施成为智能发现平台——AI不仅加速数据处理，还能帮助生成假设、推荐下一步实验，并在设施间转移知识。能源部副部长Dario Gil在万亿参数联盟会议上表示，SYNAPS-I将发现时间从数天压缩到瞬间，建立持续自我改进的科学模型，这对实现Genesis任务的潜力至关重要。