Đây là một chương trình do Bộ Năng lượng Hoa Kỳ (DOE) và 17 Phòng thí nghiệm Quốc gia của nó dẫn dắt, với mục tiêu chính là xây dựng một nền tảng AI tích hợp, tận dụng:
Các tập dữ liệu khoa học liên bang lớn nhất thế giới (được tích lũy trong nhiều thập kỷ đầu tư công).
Siêu máy tính hiệu suất cao (exascale).
Hệ thống AI tiên tiến.
Công nghệ mới nổi như điện toán lượng tử.
Các cơ sở thí nghiệm và dữ liệu độc nhất của chính phủ.
Mục tiêu đầy tham vọng là gấp đôi năng suất và tác động của nghiên cứu và phát triển của Mỹ trong vòng 10 năm, tăng tốc những tiến bộ trong các lĩnh vực quan trọng.
Mục tiêu chính
Tạo ra các mô hình nền tảng khoa học (scientific foundation models) được đào tạo bằng dữ liệu liên bang.
Phát triển các tác nhân AI tự động hóa quy trình làm việc khoa học, kiểm tra giả thuyết, thiết kế thí nghiệm và phân tích kết quả một cách độc lập.
Thiết lập một nền tảng thí nghiệm trong vòng kín (closed-loop) nơi AI có thể mô phỏng, thí nghiệm và cải thiện theo chu kỳ.
Giải quyết các thách thức quốc gia ưu tiên trong các lĩnh vực như:
Công nghệ sinh học
Sản xuất tiên tiến
Vật liệu quan trọng
Năng lượng hạt nhân (phân hạch và tổng hợp)
Máy tính lượng tử
Bán dẫn
An ninh năng lượng và quốc gia
Các khía cạnh chính của dự án
Được tích hợp thông qua Nền tảng Khoa học và An ninh Hoa Kỳ, một hệ thống thống nhất và an toàn kết nối các nguồn lực tính toán, dữ liệu và phòng thí nghiệm.
Bao gồm các hợp tác công-tư: các công ty như NVIDIA (nhà cung cấp GPU khổng lồ), Oracle (hạ tầng đám mây) và các trường đại học.
Vào tháng 2 năm 2026, Liên minh Nhiệm vụ Genesis đã được ra mắt, một hiệp hội kết nối các phòng thí nghiệm quốc gia, ngành công nghiệp và học viện để thúc đẩy các mô hình AI, xác thực và hơn thế nữa.
Các dự án nổi bật bao gồm siêu máy tính như Solstice (với 100.000 GPU NVIDIA) tại Phòng thí nghiệm Quốc gia Argonne, và các hệ thống khác tại Oak Ridge (Discovery và Lux).
Tình trạng hiện tại (tháng 2 năm 2026)
Dự án đang trong giai đoạn đầu triển khai: xác định các thách thức cụ thể, lập bản đồ các nguồn lực hiện có và thực hiện các buổi trình diễn với cơ sở hạ tầng hiện tại. Không nhằm thay thế các nhà khoa học, mà nhằm nâng cao họ một cách đáng kể với các công cụ AI giúp tăng tốc quy trình phát hiện từ nhiều năm xuống còn vài tháng. $RENDER $TAO $FET