Du skriver experimentet, roboten kör det
Tänk dig att du vill testa hundra kemiska reaktioner. I ett vanligt labb står du själv vid bänken i veckor. I ett så kallat cloud lab gör du något annat. Du skriver experimentet som kod, trycker på en knapp och skickar iväg det. Någonstans, ofta i en annan världsdel, tar robotar över. De doserar, blandar, värmer och mäter, exakt som din instruktion säger. Några dagar senare ligger resultaten i din databas.
Det största företaget i branschen heter Emerald Cloud Lab. Deras anläggning i Austin i Texas har över 200 olika typer av instrument uppkopplade. Där finns vätskekromatografi, masspektrometri och NMR, verktyg som mäter exakt vad ett prov innehåller. Du når dem alla genom ett gränssnitt i webbläsaren.
Ett labb du hyr per experiment
Poängen är att du aldrig äger utrustningen. Du hyr den, experiment för experiment. Det liknar hur du inte längre köper en egen server för att driva en hemsida, utan hyr datorkraft i molnet. Därav namnet cloud lab.
För att det ska fungera måste varje experiment beskrivas exakt. Emerald löste det med ett eget språk, Symbolic Lab Language. I det blir en laborationsmetod en rad funktioner som du kedjar ihop, precis som i vanlig programmering. En robot läser inte mellan raderna. Den gör exakt det du skrev, varje gång. Det är själva vitsen.
Varför någon byggde detta
Idén föddes ur frustration. D.J. Kleinbaum och Brian Frezza startade 2010 ett bolag som skulle ta fram antivirala läkemedel. De tröttnade på att utrustning från olika tillverkare gav data i olika format, och att experiment var svåra att upprepa. Så de byggde en gemensam mjukvara som styrde alla instrument och sparade varje detalj. Läkemedlet kom i skymundan. Plattformen blev själva produkten.
Det handlar alltså inte bara om bekvämlighet. Det handlar om reproducerbarhet, att ett experiment ska gå att göra om och ge samma svar. I forskning är det förvånansvärt svårt. När en maskin sparar varje temperatur, volym och tidsstämpel automatiskt, blir experimentet dokumenterat på ett sätt som en människa sällan orkar med.
Vad du vinner, och vad du inte ser
Det mest omvälvande är vem som får tillgång. En liten startup kan driva avancerad kemi utan att bygga ett eget labb för miljoner. En student kan köra riktiga experiment på distans. Carnegie Mellon University byggde tillsammans med Emerald världens första cloud lab på ett universitet, som del av en satsning på 250 miljoner dollar. Under pandemin fick studenterna labberfarenhet trots att campus var stängt.
Men något går också förlorat. När du inte står vid bänken ser du inte fällningen i botten av kolven, lukten som avslöjar en sidoreaktion, den lilla avvikelsen som en van kemist reagerar på. Du får data, inte känsla. Och du måste lita på att maskinen tolkade utfallet rätt, vilket inte alltid är självklart. Just därför blir frågan om hur vi granskar och litar på forskningsresultat ännu viktigare när ingen människa längre var i rummet.
Från fjärrstyrt till självkörande
Nästa steg är redan här. I ett vanligt cloud lab är det du som bestämmer vilket experiment som ska köras härnäst. I ett självkörande labb tar en AI över även det beslutet. Den analyserar resultatet, gissar vilket experiment som är mest lärorikt att prova sedan, och skickar iväg det, dygnet runt. Forskare vid Berkeley och North Carolina State University har visat att sådana system kan samla in mångdubbelt mer data än förr, och leta efter nya material långt snabbare än en människa hinner. Då närmar vi oss det läge där forskaren inte längre är människa.
Kemin har alltid krävt händer, tålamod och en fysisk plats. Nu blir den något du kan skriva, skicka och skala upp, som vilken kod som helst. Vad du väljer att fråga börjar väga tyngre än var du råkar befinna dig.
Källor
- Emerald Cloud Lab, "How Cloud Laboratories Work" samt "Scientific Instrumentation" (emeraldcloudlab.com) - Carnegie Mellon University, "CMU and Emerald Cloud Lab to Build World's First University Cloud Lab" (2021) - Szymanski, N. J., Ceder, G. m.fl., "An autonomous laboratory for the accelerated synthesis of inorganic materials", Nature 624 (2023) - Delgado-Licona, F., Abolhasani, M. m.fl., "Flow-driven data intensification to accelerate autonomous materials discovery", Nature Chemical Engineering (2025) - Arias m.fl., "Scientific Discovery at the Press of a Button: Navigating Emerging Cloud Laboratory Technology", Advanced Materials Technologies (2024)
Vad tyckte du om artikeln?
