گوگل برای پیوند دادن عامل‌های هوش مصنوعی به آزمایشگاه‌های زیستی، از چارچوب VERID می‌گوید

Google Research از سه پروژه برای نزدیک‌تر کردن جست‌وجوی محاسباتی هوش مصنوعی به آزمایش‌های واقعی زیستی خبر داده است؛ رویکردی که هدف بلندمدتش این است عامل‌ها فرضیه بسازند، آزمایش اجرا کنند، از نتیجه بیاموزند و طرح‌هایشان را اصلاح کنند—با هدایت پژوهشگران انسانی.

یکی از موانع این مسیر، دشواری مدل‌های پیشرفته در استدلال قابل‌اعتماد دربارهٔ هندسهٔ سه‌بعدی و وضعیت فیزیکی محیط است. این محدودیت در کار با ربات‌های جابه‌جاکنندهٔ مایعات اهمیت دارد؛ ربات‌هایی که باید معرف‌ها را منتقل کنند، حجم‌ها را دنبال کنند و پروتکل‌های زیست‌شناسی مولکولی را اجرا کنند. هم‌زمان، آزمایش‌های واقعی هنوز با سرعت پیشرفت طراحی‌های محاسباتی هماهنگ نشده‌اند و بازخورد آزمایشگاهی به گلوگاهی مهم تبدیل شده است.

در یکی از پروژه‌ها، پژوهشگران چارچوب VERID را معرفی می‌کنند؛ «دوقلوی دیجیتال» معنایی و زنده‌ای از فضای کاری آزمایشگاه که وضعیت سه‌بعدی و حجمی اجزای آن را دنبال می‌کند؛ از هندسهٔ بازوی رباتیک تا حجم هر چاهک، هویت معرف‌ها و موجودی سرسمپلرها. این اطلاعات برای سنجش ایمنی فرمان‌ها در بستر فیزیکی آزمایشگاه به کار می‌آید، زیرا کدی که از نظر دستوری معتبر است ممکن است در عمل ناممکن باشد.

Google Research همچنین می‌گوید با این رویکرد چرخه‌های سریع و بستهٔ طراحی مولکولی را دنبال می‌کند و در نهایت به اتصال‌دهنده‌های پروتئینی با قدرت اتصال در محدودهٔ تک‌رقمی نانومولار برای اهداف سرطانی دست یافته است. بخش موجود از منبع جزئیات دو پروژهٔ دیگر یا روش و شرایط این آزمایش‌ها را شرح نمی‌دهد.