美国能源部 Genesis 计划旗舰项目 SYNAPS-I 采用 Meta 的 SAM 3 与 DINOv3 模型,将同步辐射光源成像的分割分析从数周压缩到 15 分钟,已在葡萄藤抗旱研究中落地。
美国能源部旗下劳伦斯伯克利国家实验室运营着全球最先进的科研设施之一——先进光源(ALS)。这台足球场大小的装置能产生极亮的 X 射线束,让研究者从原子、分子尺度一路观察到整株植物。随着设施升级,其光束线仪器的分辨率和速度大幅提升,数据量随之爆炸式增长。
数字相当惊人:能源部的光源与中子源设施如今每年产生数十 PB 数据,相当于数百万 GB,约等于连续播放 200 万小时高清视频。十年前,探测器每六秒才拍一张图;如今每秒可拍 10 万张,数据量增长了几个数量级,传统人工分析根本跟不上。
问题不只是「多」。领域专家稀缺且不堪重负,而现代原位实验——科学家实时观察化学反应或材料失效等动态过程——要求即时解读,任何人类团队都难以手工完成。
分析难题的核心是一个任务:分割,即在图像中识别并勾画出不同结构的精确边界。在计算机视觉中,分割支撑着从区分肿瘤与健康组织的医学影像,到识别行人与路面的自动驾驶。在科研中,分割把一张原始 X 射线图从满屏灰度像素,变成可量化、可跨实验对比的结构地图——细胞壁、矿物颗粒、半导体层。
2025 年底,白宫启动 Genesis 计划,这项由能源部牵头的国家级倡议旨在用先进人工智能加速科学发现与技术领先。SYNAPS-I(协同中子与光子科学智能)是其旗舰项目之一:由伯克利实验室牵头,联合阿贡、布鲁克海文、橡树岭和 SLAC 国家实验室共同推进,目标是把 X 射线与中子科学的数据分析从长达数月的瓶颈,变成实时的发现引擎,科学成像则是重点方向。瓶颈最尖锐之处正是图像分割——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时间。
SYNAPS-I 分割流程的核心,是 Meta 发布的两个开源基础模型:Segment Anything Model 3(SAM 3)与 DINOv3。
DINOv3 是自监督视觉模型,无需人工先打标签,即可从原始图像中学习视觉模式。它擅长判断图像中不同结构代表什么、位于何处。SAM 更进一步,能在图像中为单个对象勾画出精确边界——就像科学家手工仔细描摹结构,但只需几秒而非几小时。
两者形成互补流程:SAM 给出像素级的精确边界,DINO 提供全局语境,识别每个结构及其在样本中的位置。SYNAPS-I 团队用能源部光束线采集的科学成像数据对两个模型做了微调,随后部署到 NERSC 等国家超级计算设施中的 300 块 A100 GPU 上。结果是:一个完整重建、带语义标注的三维体数据,在实验仍在进行时便送回站在光束线仪器旁的科学家手中。全流程耗时约 15 分钟。
团队用一项紧迫的农业难题做了演示——理解葡萄藤在细胞层面对干旱的响应。利用先进光源采集的微型 CT 扫描,流程重建出藤蔓茎的三维体数据,并自动识别木质部导管,即植物体内负责输水的微观管道。追踪这些导管随干旱推进的变化,可帮助培育抗旱作物,为未来农业韧性提供方案。

过去每个时间点需要专家标注一个月,现在只需 15 分钟,科学家得以用数据采集本身的速度研究动态生物过程。
国家实验室的未发表研究数据与 AI 模型保存在政府基础设施上,而非外部云服务。研究进行中的工作必须在安全平台上管理,Meta 的开源路线让这成为可能。SYNAPS-I 团队可以在自有安全计算环境中下载、微调和部署 SAM 与 DINO,把原本针对自然图像训练的模型,适配到它们从未设计过的科学领域。
SYNAPS-I 汇集五个国家实验室的 60 名研究者,正朝着一个未来推进:用户设施成为智能发现平台——AI 不仅更快处理数据,还能帮科学家生成假设、推荐下一步实验,并在设施之间迁移知识,让某条光束线上的突破惠及所有研究者。随着 Genesis 从种子项目扩展为完整计划,这一开源基础有望在越来越多的国家优先事项上加速发现。
在近期的万亿参数联盟上,能源部副部长 Dario Gil 谈到了这项工作的前景。
「通过将 AI、先进计算与实验系统无缝结合,SYNAPS-I 在数据产生时即完成分析,并实时引导实验,用自适应、自动化的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瞬间,建立起持续自我改进的科学模型,对释放 Genesis 计划的全部潜力至关重要。」
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断