تصور کنید داده‌هایی را به دست آورید که در زمین به‌طور مطلق غیرقابل مشاهده‌اند و کلید درمان بیماری‌های تخریب‌گر مغز باشند. این دقیقاً همان هدفی است که استارتاپ انگلیسی Mass Balance برای دستیابی به آن، خلأ فضا را به عنوان محیط آزمایشگاه خود انتخاب کرده است.
در زمین، نیروی گرانش باعث پدیده جابه‌جایی گرمایی و رسوب مواد می‌شود؛ یعنی مواد سنگین ته می‌نشینند و داده‌ها را برای مدل‌های علوم زیستی «کدر» می‌کنند. این نقص داده‌ای باعث می‌شود مدل‌هایی مثل AlphaFold گوگل نتوانند پیش‌بینی کنند که پروتئین‌های بی‌ساختار در برابر داروها چه واکنشی نشان می‌دهند. برای حل این مشکل، این شرکت در ۸ جولای ۲۰۲۶ یک آزمایشگاه خودکار به اندازه یک گریپ‌فروت را با تعدادی از تجهیزات SpaceX به مدار فرستاد. این همکاری در راستای استراتژی گسترده‌تر تلفیق هوش مصنوعی و زیرساخت‌های فضایی SpaceX است که به دنبال تغییر بنیادین در مدل‌های تجاری و علمی صنعت فضا است.
همان‌طور که در تحلیل‌های پیشین خود درباره‌ی کاربردهای تخصصی داده‌های مصنوعی اشاره کردیم، کیفیت داده‌های ورودی، تعیین‌کننده نهایی دقت مدل است. در اینجا، فضا به عنوان یک محیط پاک و قابل پیش‌بینی عمل می‌کند تا هوش مصنوعی زاینده (Generative AI) — شبیه به یک نقاش ماهر که با دیدن هزاران طرح، یاد می‌گیرد دقیق‌ترین جزئیات یک سازه را بازسازی کند — بتواند ساختارهای پنهان پروتئین‌ها را بیاموزد.
به گزارش Wired، این آزمایشگاه در یک کپسول ۱۰ سانتی‌متری ساخته شده توسط شرکت اتریشی Tumbleweed قرار دارد. اجزای کلیدی این سامانه عبارتند از:
- حسگرها و کنترل‌کننده‌ها: برای حفظ عملکردهای شیمیایی در مدار.
- پایش خودکار: استفاده از نور برای تایید انجام واکنش‌های شیمیایی طبق برنامه.
- پخش داده‌ها: انتقال لحظه‌ای اطلاعات مربوط به رشد و عملکرد سلول‌های زنده در گرانش ضعیف.
طبق اعلام توبی کال (Toby Call)، هم‌بناور و مدیرعامل Mass Balance، در ماموریت اولیه، سیستم‌عامل پلتفرم با استفاده از یک زیست‌کاتالیزور صنعتی برای تجزیه یک ترکیب شیمیایی آزمایش می‌شود. پس از تایید پایداری سیستم‌عامل، آزمایش‌ها روی پروتئین‌های بی‌ساختار آغاز خواهد شد. داده‌های حاصل از این محیط ریزگرانشی برای آموزش یک آداپتور (Adapter) — شبیه به یک قطعه تبدیل که اجازه می‌دهد یک دستگاه قدیمی به یک استاندارد جدید متصل شود — به کار می‌رود تا شکاف‌های دانشی موجود در مدل‌های فعلی پر شود.
این استراتژی، Mass Balance را از رقبایی مثل BioOrbit که روی بلورهای خالص برای داروهای سرطان تمرکز دارد یا Varda Space Industries که محصولات دارویی را برای بازگشت به زمین پردازش می‌کند، متمایز می‌کند. Mass Balance تصمیم گرفته سامانه خود را به زمین بازنگرداند؛ این یعنی حذف استرس‌های مهندسی و گرمای شدید هنگام ورود به جو.
برای صنعت داروسازی، این یک چرخش به سمت مدل «فضا به عنوان سرویس» برای تولید داده است. اگر آداپتور هوش مصنوعی این شرکت موفق شود، درآمد اصلی آن‌ها نه از فروش محصول فیزیکی، بلکه از لایسنس داده‌ها و دسترسی به مدل‌های پیش‌بینی‌کننده خواهد بود.
این رویکرد، مدار زمین را به یک مجموعه داده آموزشی تخصصی تبدیل می‌کند. شرکت امیدوار است با تبدیل فضا به یک آزمایشگاه خسته‌کننده اما پیش‌بینی‌پذیر، رازهای ساختاری پروتئین‌های مسئول پارکینسون و برخی سرطان‌ها را بگشاید.
گام بعدی شما
- نتایج readout داده‌های این ماموریت را در دو ماه آینده دنبال کنید تا پایداری سیستم‌عامل خودکار در مدار تایید شود.
- بررسی کنید که آیا مدل‌های پیش‌بینی پروتئین مانند AlphaFold نسخه‌های جدیدی برای ادغام داده‌های ریزگرانشی معرفی می‌کنند یا خیر.
- روندهای سرمایه‌گذاری در حوزه Space-as-a-Service را برای شناسایی فرصت‌های جدید در بیوتکنولوژی دنبال کنید.
اما داستان سخت‌افزاری این تحول در پردازش داده‌های فضایی حتی پیچیده‌تر است — به تحلیل ما درباره‌ی تراشه‌های پردازشی لبه در محیط‌های سخت مراجعه کنید.
گفتگو