Um modelo perfeito não pode impedir seu laboratório autônomo de executar uma síntese inviável. Eu criei a barreira que impede.
Pesquisadores que veem o que construímos vivem me fazendo a mesma pergunta, e por muito tempo eu a respondi da forma como eles queriam. "Qual é o seu múltiplo de eficiência amostral?" Quantos experimentos a menos o seu loop precisa em comparação com a triagem por força bruta? É uma pergunta justa. É também, como passei a acreditar, a pergunta errada para se começar, e eu não entendia o motivo até sentar e observar um robô simulado executar alegremente uma receita que teria oxidado no ar antes mesmo de terminar de misturar.
Eu sou Ashutosh e dirijo a Veriprajna. Construímos o cérebro, a barreira de segurança e a camada de proveniência para laboratórios autônomos, sobre o hardware que o laboratório já possui. Não uma instalação robótica hospedada. Não um substituto para os instrumentos que um grupo de materiais passou uma década adquirindo. A camada fina e estrutural de software que decide o que executar a seguir, recusa os experimentos fadados ao fracasso e mantém o tipo de registro que um órgão regulador exige. Esta demonstração, que você pode abrir e testar por conta própria em veriprajna.com/pt-BR/demos/autonomous-lab-ai-portao-de-seguranca-e-trilha-de-auditoria-para-um-laboratorio-autonomo, é onde comprovei para mim mesmo que a camada, e não o modelo, é o produto.
O número sobre o qual todos me perguntam é o número errado
Passei o primeiro mês deste desenvolvimento buscando o múltiplo, porque é isso o que o setor recompensa. A discussão atual sobre laboratórios autônomos é uma corrida por um modelo substituto melhor e por uma razão maior de otimização bayesiana versus triagem. Eu entendo. É um número limpo e fácil de citar. Em nosso próprio objetivo oculto, o loop fechado atinge um material que atende às especificações em 75 experimentos, onde a triagem aleatória precisaria de cerca de 1.491, o que o painel relata como 19,9 vezes menos. Esse é um resultado real em uma linha de base real e reproduzível, e fico feliz que ele esteja lá.
Mas aqui está o ponto que me fez parar. Um modelo substituto perfeito, que prevê todas as propriedades sem falhas, ainda assim não consegue impedir a execução de uma síntese com desbalanceamento de carga. Ele não consegue recusar uma composição que vai oxidar em contato com o ar úmido. Não consegue produzir um registro que um regulador de medicamentos aceitaria. E não consegue, por si só, fechar o circuito. O modelo é a parte em que todos competem, e é a parte que retém o menor valor duradouro, porque no momento em que o seu modelo é bom, o seu problema deixa de ser a previsão. Ele passa a ser controle, segurança e comprovação.
Um modelo melhor não torna um laboratório autônomo confiável. Ele apenas o torna mais rápido em executar experimentos que você ainda não consegue provar que deveriam ter sido executados.
O A-Lab de Berkeley, uma das iniciativas de síntese autônoma mais citadas que temos, relatou uma taxa de sucesso de 71%, o que significa que cerca de 29% de suas tentativas não geraram o alvo pretendido (A-Lab, Nature, 2023). Leia esse número da maneira como um diretor de laboratório o lê. Quase um terço do tempo de robô e dos reagentes foi gasto em experimentos que não produziram nada. Uma função de aquisição melhor não resolve isso. Outra coisa precisa resolver.
Quanto custa de fato um experimento fadado ao fracasso?
Construí a barreira de segurança em segundo lugar, e ela acabou se revelando aquilo que eu deveria ter construído primeiro. Ela fica fora dos agentes, em código determinístico, e cada candidato proposto pelo otimizador precisa passar por ela antes que um único reagente seja tocado. Ela executa cinco verificações, e cada uma delas é química publicada, não uma heurística que inventei: fator de tolerância de Goldschmidt fora da janela de formabilidade de perovskita, fator octaédrico fora da janela de octaedros estáveis, neutralidade de carga violada por uma substituição não compensada no sítio B, um perigo de oxidação de Sn(II) na umidade do processo, e recozimento acima da temperatura na qual os precursores orgânicos se decompõem. Se um candidato violar qualquer uma delas, a barreira retorna BLOQUEADO, nomeia a regra e informa o dinheiro e as horas de robô que acabou de economizar.
Na primeira vez em que cliquei em um desses cartões bloqueados, senti o argumento se consolidar. Veja o que o painel mostra. Uma composição com alto teor de Sn(II), na umidade do processo, que o gêmeo digital recusa porque o estanho nesse estado de oxidação oxida em ar úmido. Não se trata de uma previsão ruim que o modelo deveria ter detectado. É um fato físico que o modelo nunca foi a ferramenta adequada para impor. A barreira economizou 105 dólares e pouco mais de duas horas de robô naquele único candidato, e gerou um comprovante para a decisão. Multiplique isso ao longo de uma campanha e você não estará mais falando de algo meramente desejável. Você estará falando sobre fechar, deliberadamente, o vazamento de 29%.
Quero ser preciso sobre o que isto é, porque o enquadramento honesto importa mais para mim do que o impressionante. O "laboratório" por trás dessa barreira é um simulador com uma interface moldada no padrão SiLA-2, e o objetivo é fisicamente motivado: benchmark sintético, não DFT real e não dados reais de bancada. Não estou afirmando que sintetizamos um material. Estou afirmando que o mecanismo, a recusa determinística de química inviável, é real, auditável e independente de quão bom qualquer modelo venha a ser.
Tentei deixar o modelo se policiar sozinho. Ele mentiu para mim sem hesitar.
Não comecei acreditando que a barreira precisava ser determinística. Meu primeiro instinto, sinceramente, foi o que estava na moda: deixar os agentes de modelos de linguagem raciocinarem sobre a viabilidade. Eu tinha um agente Diretor de Laboratório narrando a estratégia e um agente Crítico sinalizando desvios, e parecia elegante simplesmente perguntar a eles, na prática: "este candidato é seguro e plausível?" Então, durante uma tarde, deixei o julgamento do modelo substituir a verificação.
Ele racionalizou uma composição com desbalanceamento de carga. Com total confiança. Ele me forneceu um parágrafo fluente explicando por que a substituição no sítio B provavelmente estava correta, e o parágrafo estava errado, e nada em seu tom indicava que estivesse errado. Foi nessa tarde que o princípio de design deixou de ser um slogan e se tornou uma regra que eu não flexibilizaria.
Agentes aconselham, o código decide. Em um laboratório autônomo, isso não é uma limitação. É a única maneira pela qual a autonomia conquista o direito de operar sem supervisão.
Então transferi a decisão de viabilidade e segurança permanentemente para fora dos agentes e para dentro de código determinístico, e também tornei o otimizador independente do modelo de linguagem. Os agentes narram e criticam, e se você executar a demonstração sem uma chave de API, eles recorrem à narração determinística e tudo continua funcionando, porque a barreira e o otimizador nunca dependem do modelo de forma alguma. O otimizador em si não é exótico, e prefiro ser honesto a impressionar a respeito dele: trata-se de um modelo substituto de processos gaussianos com aquisição ParEGO direcionada a metas, escrito em numpy e scipy. Método maduro, deliberadamente sem excessos. A substituição em produção são BoTorch e Ax. O objetivo nunca foi ter um otimizador engenhoso. O ponto é que a parte em que você confia a segurança não pode ser a parte que fala em parágrafos confiantes.
O placar com o qual eu realmente me importo
Hoje vejo esse placar de forma diferente de quando comecei. Os olhos de todos vão para o número de 19,9 vezes, e ele é genuinamente bom. Mas o número para o qual aponto quando um Chefe de P&D pergunta o que realmente mudamos é o que está logo ao lado dele: 38 candidatos inviáveis bloqueados antes da síntese, US$ 4.419 em desperdício de reagentes e 90,1 horas de robô evitados, e zero experimentos fadados ao fracasso executados. No mesmo objetivo oculto idêntico, a triagem aleatória não teria apenas demorado mais. Ela teria consumido tudo isso.
O múltiplo se torna menos impressionante à medida que os modelos de todos melhoram. O desperdício evitado pela barreira e o registro que ela mantém apenas se tornam mais valiosos.
Observe o que o loop não fez. Ele não reivindicou perfeição. Ao longo do benchmark multi-seed, o loop fechado resolveu 9 de 10 execuções dentro do orçamento, não 10 de 10, e o loop absorve uma taxa de 10% a 15% de falhas robóticas injetadas porque robôs reais falham e fingir o contrário tornaria a demonstração uma mentira. Um dos registros na trilha de auditoria é uma síntese que falhou e foi capturada como dado negativo, porque um laboratório autônomo que descarta suas falhas está jogando fora exatamente a informação que refina o limite. Mantive isso visível de propósito.
E o múltiplo tem um escopo do qual não deixarei ninguém se desvincular. O resultado de 75 contra 1.491, as 19,9 vezes, os US$ 4.419, tudo isso é otimização bayesiana contra linhas de base em um único objetivo sintético oculto. São evidências que sustentam que o motor funciona. Não é uma garantia em mundo aberto, e se o loop tivesse falhado em superar as linhas de base, eu estaria relatando isso em vez disso. O valor com o qual lidero, desperdício evitado e proveniência, se mantém em qualquer nível de qualidade do modelo. O múltiplo é a parte que depende do benchmark, portanto é a parte à qual mantenho a ressalva firmemente atrelada.
Um órgão regulador acreditaria no seu robô?
Eu não esperava que a camada de proveniência fosse a parte que convenceria as pessoas, mas ela é a que causa maior impacto em quem trabalha sob a supervisão de um órgão regulador. Os "Princípios Orientadores para IA no desenvolvimento de medicamentos" de 2026 da FDA e da EMA exigem uma proveniência que seja atribuível e contemporânea. Em termos simples: para cada decisão automatizada, quem ou o que a tomou, com base em quê, em que momento, e você pode provar que o registro não foi alterado desde então. Um modelo substituto melhor não aproxima você nem um milímetro disso. Um registro, sim.
Um laboratório autônomo que não consegue provar o que fez na noite passada não é autônomo. Ele é irresponsável, e nenhum laboratório regulamentado o executará duas vezes.
Portanto, cada decisão tomada pelo sistema, tanto uma síntese quanto um bloqueio, torna-se um registro ALCOA+: um registro de data e hora, o algoritmo que escolheu, as propriedades previstas e sua incerteza, a justificativa, o veredito da barreira e o resultado medido. Cada registro carrega um hash SHA-256 encadeado ao anterior. Ao longo da campanha seed-411, isso totalizou 113 registros, 75 sínteses e 38 bloqueios, e você pode exportar tudo como JSON e como um relatório formatado.
É aqui que preciso ter cuidado, e onde vi outras pessoas exagerarem em suas afirmações. Esta é uma proveniência ALCOA+ mapeada, e não validada por IQ/OQ/PQ em relação ao procedimento operacional padrão de um cliente. Essa validação é o projeto em si, não uma caixa de seleção que posso marcar em uma demonstração. O que posso lhe mostrar é que a propriedade é real e auditável, não meramente decorativa. Por isso, criei um teste de violação (Tamper test) que edita um registro e executa novamente a verificação da cadeia.
Na primeira vez em que executei esse teste e o vi exibir "Cadeia interrompida no registro nº 2: adulteração detectada. A auditoria arquivada foi comprovadamente alterada," entendi o que realmente havia construído. Não um otimizador mais rápido. Uma camada que permite a um laboratório provar, após os fatos, que suas decisões autônomas são exatamente o que o registro diz que foram. Isso é algo que você não pode comprar com um modelo melhor, e é o que um regulador, um auditor ou você mesmo no futuro irão exigir.
O que acredito que esteja faltando na corrida dos laboratórios autônomos
Não pretendi argumentar contra a eficiência amostral, e quero deixar claro que não estou fazendo isso. Menos experimentos para atingir uma meta é um valor real e nosso loop entrega isso. A convicção com que saí, após construir todo o sistema e observar onde minha própria confiança realmente residia, é que a área se fixou no único número que se torna menos duradouro à medida que a tecnologia amadurece. Quando todos os grupos tiverem um bom modelo substituto, o múltiplo deixará de ser um diferencial. A barreira que recusa química inviável e o registro que comprova o que foi executado só se tornam mais valiosos, porque são os elementos de que a autonomia precisa antes que alguém permita que ela opere sem supervisão.
Portanto, a decisão contrária ao consenso, aquela na qual eu apostaria a empresa, é colocar a decisão de viabilidade e segurança em código determinístico, fora dos agentes, e tratar cada decisão automatizada como algo que você deve ser capaz de provar posteriormente. Não porque os modelos sejam ruins. Mas porque as questões que decidem se um laboratório autônomo tem permissão para operar durante a noite não são questões de previsão. São questões de segurança e de proveniência, e essas exigem código e hashes, e não parágrafos confiantes.
Você pode abrir o loop, bloquear uma síntese inviável, interromper a cadeia de auditoria por conta própria e ver se concorda, em veriprajna.com/pt-BR/demos/autonomous-lab-ai-portao-de-seguranca-e-trilha-de-auditoria-para-um-laboratorio-autonomo.
E se você prefere ver em vez de me ler descrevendo, aqui está todo o sistema funcionando de ponta a ponta.
A pergunta sobre a qual continuo refletindo, e para a qual gostaria genuinamente de uma resposta de qualquer pessoa que opere automação real: se o seu laboratório executasse mil experimentos sem supervisão esta noite, a qual dessas duas coisas você recorreria pela manhã: a um modelo melhor ou a um registro que você pudesse comprovar?
