L'anàlisi d'imatges científiques d'alta resolució, com les que produeixen els sincrotrons de raigs X, ha estat tradicionalment un procés lent que depèn de l'etiquetatge manual d'estructures microscòpiques per part d'investigadors especialitzats, cosa que limita quants experiments es poden processar en un temps raonable.
Meta ha explicat el 21 de juliol com dos dels seus models oberts de visió, Segment Anything Model 3 (SAM 3) i DINOv3, alimenten SYNAPS-I, un projecte de la missió Genesis del Departament d'Energia dels Estats Units que uneix els laboratoris nacionals de Lawrence Berkeley, Argonne, Brookhaven, Oak Ridge i l'accelerador SLAC. Un equip d'una seixantena d'investigadors ha aplicat aquest pipeline a un repte agrícola concret: entendre com responen els ceps de vinya a la sequera a escala cel·lular, mitjançant escanejos de micro-CT que permeten reconstruir en 3D els xilemes, els microscòpics vasos que transporten l'aigua per la planta. Desplegat sobre 300 GPU A100 repartides entre els quatre laboratoris, el sistema ha reduït aquesta anàlisi d'un mes de feina a uns 15 minuts per conjunt de dades.
La notícia és rellevant perquè mostra un ús concret i mesurable de models d'IA de codi obert en recerca científica bàsica finançada amb fons públics, en un àmbit —l'estudi de cultius resistents a la sequera— amb implicacions directes per a l'adaptació agrícola al canvi climàtic, i perquè exemplifica com la missió Genesis busca convertir la ciència de dades a gran escala en un procés gairebé en temps real en lloc d'un coll d'ampolla de mesos.
Meta no detalla en el seu article quin cost ha suposat desplegar les 300 GPU ni quin calendari segueix el projecte SYNAPS-I més enllà d'aquesta primera demostració amb la vinya, ni s'hi especifica si els resultats concrets sobre resistència a la sequera ja s'han traduït en cap varietat de conreu millorada.