劳伦斯伯克利国家实验室是美国能源部的顶尖研究实验室之一，以在物理、化学和材料科学领域获得诺贝尔奖的成果而闻名，运营着地球上一些最先进的科学设施。其中包括先进光源（Advanced Light Source，ALS），这是一座足球场大小的设施，能产生极其明亮的 X 射线光束，让研究人员得以研究从原子、分子尺度直至植物的各类材料。ALS 的仪器被称为光束线（beamline），会产生海量数据；而随着近期设施升级大幅提高了它们的分辨率和速度，数据量已经暴增到科学家们无法跟上的程度。
这些数字令人咋舌：美国能源部的光源和中子源设施如今每年产生数十 PB 的数据，也就是数百万 GB，大致相当于流式播放 200 万小时的高清视频。这种积压并非一直存在。升级后的探测器已从每六秒捕获一张图像，提升到每秒 10 万张图像，这意味着这些设施如今产生的数据量比十年前高出几个数量级，而传统的人工分析根本跟不上。
问题不止在于数据量：领域专家稀缺且不堪重负，而现代原位实验（科学家在其中观察化学反应或材料失效等动态过程的发生）需要实时解读，这是任何人工团队都无法做到的。
分析方面的许多挑战归结为一项任务：分割（segmentation），即在图像中识别不同的结构并为其画出精确边界的过程。在计算机视觉中，从区分肿瘤与健康组织的医学扫描，到把行人与路面分开的自动驾驶汽车，都离不开分割。在科学研究中，分割把一张原始的 X 射线图像，从一片灰度像素，变成带标注的有意义结构图，比如细胞壁、矿物颗粒、半导体层，研究人员可以对这些结构进行量化，并在不同实验之间比较。
SYNAPS-I 与 Genesis Mission
2025 年末，白宫启动了 Genesis Mission，这是一项由能源部牵头的全国性大型计划，旨在利用先进人工智能加速科学发现并保持技术领先。SYNAPS-I（SYnergistic Neutron And Photon Science – Intelligence）是其旗舰项目之一：由伯克利实验室牵头的多实验室计划，合作方包括 Argonne、Brookhaven、Oak Ridge 和 SLAC 国家实验室，目标是把 X 射线和中子科学领域的数据分析，从长达数月的瓶颈转变为实时的发现引擎，科学成像是其中的主要目标。这一瓶颈在图像分割上最为突出，因为从实验数据中提取有意义的结构，每个数据集可能耗费专家数周的精力。
SYNAPS-I 分割流水线的核心是 Meta 发布的两个开源基础模型：Segment Anything Model 3（SAM 3）和 DINOv3。
SAM 与 DINO 如何变革科学成像
DINOv3 是一个自监督视觉模型，也就是说它无需人类事先标注，就能从原始图像中学习视觉模式。它擅长理解图像中不同结构代表什么、位于何处。SAM 则把这种理解更推进一步，为图像中的每个物体画出精确的边界，很像科学家手工仔细勾勒结构，只不过只需几秒而非数小时。
两个模型一起构成互补的流水线：SAM 给出精确的像素级边界，DINO 则提供全局上下文，用来识别每个结构及其在样本中的位置。SYNAPS-I 团队用在能源部光束线采集的科学成像数据对这两个模型进行了微调，然后把它们部署在国家超算设施（如 NERSC）的 300 块 A100 GPU 上，这些高性能计算芯片是当今最先进 AI 系统的动力来源。结果是：一个完整重建、带语义标注的三维体数据，被送回给亲身站在光束线仪器旁的科学家，在实验仍在进行时就可供解读。总耗时约 15 分钟。
现实影响：了解葡萄藤的抗旱能力
SYNAPS-I 团队在一个紧迫的农业难题上演示了这条流水线：在细胞层面了解葡萄藤如何应对干旱。利用在先进光源采集的显微 CT 扫描，这条流水线重建出葡萄藤茎的三维体数据，并自动识别木质部导管，也就是植物体内负责输水的微观管道。通过跟踪这些导管在干旱发展过程中的变化，研究人员获得的洞见可为培育抗旱作物提供参考，并为未来的农业韧性提供解决方案。
由 SYNAPS-I 分割的葡萄藤茎显微 CT 扫描。青色：水分充足的木质部导管；深紫色：干燥的导管。
过去每个时间步需要专家标注一个月的工作，现在只需 15 分钟，使科学家能够以数据采集本身的速度研究动态的生物过程。
为什么开源很重要
国家实验室将未发表的研究数据和 AI 模型保存在政府基础设施上，而不是外部云服务上。这项工作在进行期间必须在安全的平台上管理。Meta 的开源方式让这成为可能。SYNAPS-I 团队可以下载 SAM 和 DINO，在自己的安全计算环境中进行微调和部署，把原本在自然图像上训练的模型，适配到它们从未针对过的科学领域。
SYNAPS-I 拥有来自五个国家实验室的 60 名研究人员，正在朝着这样一个未来努力：用户设施成为智能化的发现平台，AI 不只是更快地处理数据，还能帮助科学家提出假设、推荐下一步实验，并在各设施之间传递知识，让一条光束线上的突破惠及所有光束线的研究人员。随着 Genesis 从种子项目扩展到完整计划，这一开源基础有望在日益扩大的国家优先事项范围内加速发现。
在近期的万亿参数联盟（Trillion Parameter Consortium）上，能源部副部长 Dario Gil 谈到了这项工作的前景。
“通过将 AI、先进计算和实验系统无缝结合，SYNAPS-I 在数据产生的同时就进行分析，并实时指导实验，用自适应的自动化决策取代缓慢的人工步骤，”他说。“这把发现时间从数天压缩到片刻，并建立起一种持续自我改进的科学模式，这对于充分发挥 Genesis Mission 的潜力至关重要。”
了解更多关于 DINOv3
了解更多关于 SAM 3
把我们的最新动态送到你的收件箱
订阅我们的通讯，了解 Meta AI 的新闻、活动、研究突破等。