Google Research beschreibt drei Forschungsprojekte, die KI-gestützte Planung mit Experimenten im Labor verbinden. Die Agenten sollen nicht nur Hypothesen entwickeln und am Computer prüfen, sondern auch Versuche ausführen, deren Ergebnisse auswerten und ihre nächsten Schritte daran anpassen. Als Ziel nennt Google unter anderem Proteinbinder für Krebsziele im niedrigen einstelligen Nanomolarbereich. Die Arbeit umfasst außerdem Ansätze für Aptamer- und De-novo-Proteindesign.
Eine Grundlage dafür ist VERID, ausgeschrieben „VERified Infrastructure for Discovery Laboratories“. Das System bildet eine Laborarbeitsstation als digitales, dreidimensionales Modell ab. Es verfolgt unter anderem die Geometrie der Roboterarme, Füllstände in Wells, verwendete Reagenzien und verfügbare Pipettenspitzen. Vor der Ausführung kann ein Agent Abläufe simulieren; Sicherheitsprüfungen sollen Befehle abfangen, die etwa mit Geräten kollidieren oder aus einem leeren Well Flüssigkeit aufnehmen würden. VERID baut auf dem Open-Source-Framework PyLabRobot auf.
Zu den Funktionen gehören eine laufende Erfassung des Laborzustands, schnelle virtuelle Testläufe sowie synchronisierte Videos und Aktionsprotokolle. In einem beschriebenen Versuch halfen Video und Ausführungsdaten dabei, eine ungleichmäßige Verteilung von Farbstoff zu erkennen, die durch zu nah am Well-Boden abgegebenes Material entstanden war. Der Agent passte daraufhin seine Mischstrategie an. Bei einem Ausfall eines Plattenlesegeräts konnte er zudem den Versuch fortsetzen, ohne Flüssigkeiten erneut pipettieren zu müssen.
In einem weiteren Fall stoppte der Simulator den Einsatz einer 8-Kanal-Pipette, weil sie nicht in eine schmale Rinne passte. Der Agent plante den Ablauf um und entwickelte einen diagnostischen Versuchsplan, der einen Einfluss von Flüssigkeitsresten an der Pipettenspitze untersuchte. In einer anderen Testreihe rekonstruierte ein Agent wiederholt Farbstoffmischungen anhand von Bildern einer Kamera über dem Labor. Google zufolge erkannte er dabei optische und fluidische Abweichungen und verbesserte seine Genauigkeit um mehr als das Fünffache. Die beschriebenen Arbeiten zeigen, wie physische Messungen und Laborautomation in Entwicklungszyklen eingebunden werden; sie belegen noch keine allgemeine autonome Durchführung biologischer Forschung.