Сучасна лабораторна автоматизація переходить від рутинного виконання однотипних операцій до інтелектуальних систем, здатних самостійно аналізувати експериментальний процес, реагувати на зміни досліджуваних зразків та коригувати подальші кроки. Саме в цьому напрямку активно розвивається компанія Opentrons, яка нещодавно залучила 40 мільйонів доларів у межах раунду фінансування серії E, спрямувавши кошти на масштабування своєї робототехнічної платформи Flex.
Однією з ключових ініціатив у рамках нового фінансування стане створення спеціалізованої хмарної бібліотеки протоколів. Задуманий як своєрідний аналог GitHub, цей сервіс дозволить науковцям публікувати власні експериментальні сценарії, шукати готові напрацювання колег та запускати їх на сумісному обладнанні. Окрім цього, розробники планують інтегрувати підтримку великих мовних моделей (LLM). Це дасть змогу дослідникам керувати роботами за допомогою звичайного текстового чи голосового зв’язку, звільняючи їх від необхідності налаштовувати кожен параметр вручну через профільне програмне забезпечення. Такий підхід відкриває нові можливості для фахівців, які мають глибокі знання в хімії чи біології, але не володіють навичками глибокого програмування.
Устаткування компанії вже використовується у 80 державах світу. За офіційними даними, загальна кількість діючих робототехнічних комплексів перевищує 11 000 одиниць. Нагадаємо, що попередній масштабний етап розширення бізнесу відбувся у 2021 році, коли японський концерн SoftBank інвестував у проєкт 200 мільйонів доларів, після чого ринкова вартість підприємства досягла 1,8 мільярда доларів. Отримані зараз 40 мільйонів стануть додатковим ресурсом для вдосконалення апаратної бази Flex і підвищення її здатності адаптуватися до непередбачуваних умов під час досліджень.
Якщо раніше автоматизовані комплекси суворо дотримувалися заздалегідь заданого алгоритму і потребували втручання персоналу в разі будь-яких відхилень, то новітні технології Opentrons покликані мінімізувати людський чинник. Платформа Flex використовує візуальний контроль і методи машинного навчання для постійного моніторингу стану матеріалів. Поява осаду чи зміна кольорової гами розчину слугують для системи сигналом до автоматичної зміни дозування реактивів або послідовності кроків. Це значно спрощує проведення масштабних досліджень у таких галузях, як протеоміка та геноміка, дозволяючи виконувати сотні паралельних експериментальних ітерацій без постійного ручного контролю кожної процедури.