To program prowadzony przez Departament Energii USA (DOE) i jego 17 Krajowych Laboratoriów, którego głównym celem jest zbudowanie zintegrowanej platformy AI, która wykorzystuje:
Największe federalne zbiory danych naukowych na świecie (gromadzone przez dziesięciolecia inwestycji publicznych).
Superkomputery o wysokiej wydajności (ekskalowe).
Zaawansowane systemy AI.
Technologie emergentne, takie jak obliczenia kwantowe.
Unikalne dane rządowe i obiekty eksperymentalne.
Ambitnym celem jest podwojenie produktywności i wpływu amerykańskich badań i rozwoju w ciągu 10 lat, przyspieszając postępy w krytycznych obszarach.
Główne cele
Tworzenie modeli fundacyjnych naukowych (scientific foundation models) szkolonych na danych federalnych.
Rozwój agentów AI, którzy automatyzują przepływy pracy naukowej, testują hipotezy, projektują eksperymenty i analizują wyniki w sposób autonomiczny.
Ustanowienie platformy eksperymentalnej w zamkniętej pętli (closed-loop), gdzie AI może symulować, eksperymentować i iteracyjnie poprawiać.
Zajęcie się priorytetowymi wyzwaniami krajowymi w dziedzinach takich jak:
Biotechnologia
Zaawansowana produkcja
Krytyczne materiały
Energia jądrowa (fuzja i fisja)
Kwantowa obliczenia
Półprzewodniki
Bezpieczeństwo energetyczne i krajowe
Kluczowe aspekty projektu
Integruje się poprzez American Science and Security Platform, zjednoczony i bezpieczny system łączący zasoby obliczeniowe, dane i laboratoria.
Obejmuje współprace publiczno-prywatne: firmy takie jak NVIDIA (dostawca masowych GPU), Oracle (infrastruktura w chmurze) oraz uniwersytety.
W lutym 2026 roku uruchomiono Konsorcjum Misji Genesis, partnerstwo łączące laboratoria krajowe, przemysł i akademię w celu rozwoju modeli AI, walidacji i nie tylko.
Wyróżniające się projekty obejmują superkomputery takie jak Solstice (z 100.000 GPU NVIDIA) w Argonne National Laboratory oraz inne systemy w Oak Ridge (Discovery i Lux).
Aktualny stan (luty 2026)
Projekt jest w początkowej fazie wdrożenia: definiowanie specyficznych wyzwań, mapowanie istniejących zasobów oraz demonstracje z aktualną infrastrukturą. Nie dąży do zastąpienia naukowców, lecz do ich znacznego wzmocnienia za pomocą narzędzi AI, które przyspieszają proces odkrywania z lat do miesięcy. $RENDER $TAO $FET