In dem Maße, wie sich die Datenwissenschaft und die Robotik weiterentwickeln, wird auch die Automatisierung komplexer Aufgaben ausgeweitet. Diese Ausweitung betrifft vor allem die wissenschaftlichen Bereiche und beschleunigt die Forschung und Projekte in zahlreichen Geschäftsbereichen. Doch wie weit lassen sich diese Bereiche optimieren? Um diese Frage zu beantworten, hat das Lawrence Berkeley National Laboratory beschlossen, A-Lab einzurichten, ein vollautomatisches Labor.
A-Lab - Ein vollautomatisches Labor?
Diese Idee aus einem Science-Fiction-Buch ist jedoch sehr real. Das A-Lab in Berkeley, Kalifornien, ist ein Labor für Materialforschung, in dem künstliche Intelligenzen die Entscheidungen treffen und Roboter die Aufgaben ausführen. Unter der Leitung von Yan Zeng, einem Wissenschaftler am Lawrence Berkeley National Laboratory (Berkeley Lab) des Energieministeriums, beaufsichtigte sein Team das Experiment, das etwas mehr als ein Jahr dauerte. Das Ziel von A-Lab war es, die Leistungsfähigkeit eines Labors ohne menschliche Einwirkung zu demonstrieren.
Nach zahlreichen Experimenten stellte das Beobachtungsteam fest, dass die kreativen Prozesse ohne Menschen 100-mal schneller ablaufen.
Wer ist das Team hinter diesem Projekt?
Während des Versuchsjahres hielten viele Ingenieure der Materialchemie die Architektur des Projekts in Schuss. Zu ihnen gehörten Yan Zeng, der das Programm leitete, sowie Bernadus Rendy und Yuxing Fei. Jeder von ihnen hat einen Doktortitel in Chemie und Materialtechnik, aber auch verschiedene Ausbildungen und Zertifizierungen in Datenwissenschaft, die es diesen Wissenschaftlern ermöglichen, sich auf ihrem Gebiet auszuzeichnen.
Rendy hat zahlreiche Google Cloud-Zertifizierungen, die ihm Wissen über Big Data und Machine Learning vermittelt haben. Fei hingegen hat an zahlreichen Projekten rund um Machine Learning und Textmining teilgenommen, bevor er zum Berkeley Lab kam.
Mit diesem kompetenten Team von Ingenieuren möchte das Berkeley Lab das A-Lab optimieren, um es noch leistungsfähiger zu machen. Sobald es vollständig autonom in der Produktionskette ist, möchte das Institut diese Lösung vermarkten, um die Forschung in allen Bereichen zu beschleunigen. Wenn dir dieser Artikel gefallen hat und du eine Karriere in der Data Science in Betracht ziehst, zögere nicht, unsere Artikel oder unsere Ausbildungsangebote auf DataScientest zu entdecken.
Quelle: newscenter.lbl.gov
