È un programma guidato dal Dipartimento dell'Energia degli Stati Uniti (DOE) e dai suoi 17 Laboratori Nazionali, con l'obiettivo principale di costruire una piattaforma integrata di IA che sfrutti:

I più grandi set di dati scientifici federali del mondo (accumulati nel corso di decenni di investimento pubblico).

Supercomputer ad alte prestazioni (exascale).

Sistemi di IA avanzati.

Tecnologie emergenti come la computazione quantistica.

Strutture sperimentali e dati unici del governo.

L'obiettivo ambizioso è raddoppiare la produttività e l'impatto della ricerca e dello sviluppo statunitensi nell'arco di 10 anni, accelerando i progressi in aree critiche.

Obiettivi principali

Creare modelli fondazionali scientifici (scientific foundation models) addestrati con dati federali.

Sviluppare agenti di IA che automatizzino flussi di lavoro scientifici, testino ipotesi, progettino esperimenti e analizzino risultati in modo autonomo.

Stabilire una piattaforma di sperimentazione in ciclo chiuso (closed-loop) dove l'IA possa simulare, sperimentare e migliorare iterativamente.

Affrontare sfide nazionali prioritarie in campi come:

Biotecnologia

Manifattura avanzata

Materiali critici

Energia nucleare (fissione e fusione)

Calcolo quantistico

Semiconduttori

Sicurezza energetica e nazionale

Aspetti chiave del progetto

Si integra attraverso la American Science and Security Platform, un sistema unificato e sicuro che connette risorse di calcolo, dati e laboratori.

Include collaborazioni pubblico-private: aziende come NVIDIA (fornitore di GPU massicce), Oracle (infrastruttura nel cloud) e università.

A febbraio 2026 è stato lanciato il Genesis Mission Consortium, un'associazione che unisce laboratori nazionali, industria e accademia per far progredire modelli di IA, validazione e altro.

Progetti di punta includono supercomputer come Solstice (con 100.000 GPU NVIDIA) presso il Laboratorio Nazionale di Argonne, e altri sistemi a Oak Ridge (Discovery e Lux).

Stato attuale (febbraio 2026)

Il progetto è in fase iniziale di implementazione: definizione di sfide specifiche, mappatura delle risorse esistenti e dimostrazioni con infrastruttura attuale. Non cerca di sostituire gli scienziati, ma di potenziarli enormemente con strumenti di IA che accelerano il processo di scoperta da anni a mesi. $RENDER $TAO $FET