ארכיון

Archive for ינואר, 2013

היש נביא בעירו? על חוק מוּר ומה שהוא באמת חוזה

ב-19 באפריל 1965 פרסם במגזין 'electronics' דוקטור לכימיה-פיזיקלית בשם גורדון אי. מוּר (Moore) מאמר מעניין. המאמר דן בכמות הרכיבים החשמליים שניתן לשים על מעגל משולב אחד ומציע תחזית לעלייה בכמות הזאת בעשר השנים הבאות (קישור למאמר המקורי בגרסת פד"ף): הכפלה של כמות הרכיבים בכל שנה. כיום, 46 שנים לאחר מכן, התחזית עדיין תקפה. מספר הטרנזיסטורים המרכיבים את המעבד במחשב גדל פי 2 כל 18 חודשים לערך (ראו איור 1). תחזית זאת קיבלה בסביבות 1970 את השם 'חוק מור' והיא אחד הרעיונות המצוטטים ביותר בתוך הקהילה הטכנולוגית. אך מה באמת חוזה חוק מור? האם הוא באמת חוזה את העתיד? האם התגלה חוק בסיסי בהתקדמות טכנולוגית-כלכלית?

חוק מור

איור 1: חוק מור. מספר הטרנזיסטורים על מעבד משנות ה-70 ועד שנת 2008. ניתן למתוח קו ישר דרך התוצאות כאשר מציגים אותם בסקלה לוגריתמית. המקור לתמונה: ויקיפדיה לשם הועלתה ע"י המשתמש Wgsimon.

לא זוכרים מה זה טרנזיסטור? אפשר לעיין כאן (עברית, באמצע) או כאן (אנגלית).

מדוע יש עניין במספר רב של טרנזיסטורים על גבי המעגל המשולב? ככל שנוכל להדפיס טרנזיסטורים בצפיפות גדולה יותר כך נוכל לבנות את אותם המעגלים בשימוש בשטח קטן יותר על פרוסת הסיליקון, שטח ששווה כסף. כמו כן, ככל שהטרנזיסטורים קטנים יותר כך מהירות המיתוג של השערים הלוגיים גבוהה יותר והמעבד מהיר יותר (זה לא לגמרי נכון בטרנזיסטורים החדישים ביותר, אבל זה לא חשוב לדיון). באופן מסורתי, גודלו של טרנזיסטור נמדד לפי רוחב השער שלו (gate). השער הוא האלקטרודה שעליה מופעל מתח חשמלי שקובע האם הטרנזיסטור יהיה פתוח או סגור. רוחב השער במעבדים של אינטל בשנת 2009 היה 32 ננומטר! (ננומטר הוא מיליונית המילימטר – כלומר השער קטן פי 2000 בערך מקוטר שערה).

כעת נחזור לחוק מור. התחזית שלו הסתמכה על אקסטרפולציה של המגמה שנחזתה בשלוש שנים שקדמו לכתיבת המאמר. בנוסף, דן המאמר בהשלכות הכלכליות החיובית של מגמה זאת – מחשב בזול לכל דורש. בעת כתיבת המאמר היה מור ראש מעבדות פיירצ'יילד לפיתוח ומחקר בתחום המוליכים למחצה שיצרה את המעגל המודפס המסחרי הראשון, בשיתוף עם חברת טקסס-אינסטרומנטס, ארבע שנים קודם לכן. שלוש שנים לאחר פרסום המאמר היה שותף מוּר בהקמת חברת הענק (דהיום) אינטל.

אינטל קריית-גת
תמונה 2: המפעל של אינטל בקריית גת כפי שצולם ב-2008 על ידי ארכיון קריית גת והועלה לויקיפדיה.

יש לשים לב שחוק זה אינו חוק מדעי שמנסה להסביר את התנהגות הטבע (כחוקי ניוטון למשל), אלא תצפית על התקדמות הטכנולוגיה באווירה הכלכלית השלטת בתחום שנים מסוים. בזמן ניסוח הטענה לא היה כל הגיון שעמד מאחוריה. כמו כן, הניסוח של החוק עבר כמה שינויים במשך השנים כדי להתאים למציאות. במאמר המקורי דובר על הכפלה כל שנה אך 10 שנים לאחר מכן עודכן המספר ע"י מור לשנתיים ולבסוף נקבע על 18 חודשים.

אם כן, מדוע הוא עובד כל השנים הללו? לאחר קריאה בנושא ושיחות שניהלתי עם אנשים העובדים בתחום, דעתי היא שחוק מור מתפקד כנבואה שמגשימה את עצמה. החוק מנוסח בצורה כה פשוטה וזכה לפופולאריות כה גדולה מתחילתה של תעשיית המיקרואלקטרוניקה, עד כי הוא שימש למהנדסים (או למנהלים האוחזים בשוט) כיעד לכוון אליו. החוק אולי גם שימש כסוג של מנגנון בקרה הדואג להנציח את עצמו. אם אנחנו עומדים ביעד, הלחץ לפיתוחים חדשים נמוך ואם אנחנו רחוקים מהיעד, הלחץ לפיתוחים חדשים גבוה. עלי לסייג דברים אלה מכיוון שאיני מביא סימוכין היסטוריים התומכים ברעיון, אך אוסיף שאיני היחיד שחושב כך.

האם החוק יחזיק לנצח? ובכן, הדעות חלוקות. מצד אחד החוק כבר הוספד פעמים רבות בעבר והבדיחה היא שהתחזית שהחוק ישבר תוך 10 שנים רצה חזק כבר 30 שנים. יש להבין שבמשך השנים נתקלו המדענים והמהנדסים באינספור בעיות שנראו בזמנו כבלתי פתירות, אך תמיד נמצאו פתרונות גאוניים ויצירתיים: אם בשימוש בחומרים חדשים, ארכיטקטורות שונות של הטרנזיסטורים והמעגלים או המצאת שיטות ייצור פורצות דרך. קצרה היריעה מלהכיל את הסיפור כולו. אך עם זאת, יש גם לשים לב שהטרנזיסטורים כבר מגיעים לגדלים בלתי נתפסים (קטנים מ-32 ננומטר). גדלים שיגיעו בקרוב לגבול הקוונטי שבו התנהגות החומר שונה. לדוגמא, בעתיד יתעורר הצורך להתמודד עם תופעות של מנהור קוונטי של אלקטרונים שיפגמו בפעולת הטרנזיסטורים. לדעת רבים (כולל מור עצמו) זהו גבול שלא ניתן לעבור אותו והחוק יישבר.

בין אם חוק מור יישבר או בין אם יישאר אתנו עוד שנים רבות אני רואה בו דבר מבורך. בדומה לסופרי המדע הבדיוני שרעיונותיהם שימשו השראה להמצאות טכנולוגיות, כך במשך השנים שימש חוק מור כמגדלור שסימן למהנדסים יעד ומשך אותם להישגים אדירים. ובדומה לנאומו המפורסם של הנשיא האמריקאי ג'ון פ. קנדי שבו הכריז על תאריך יעד שבו תנחית ארה"ב אדם על הירח והיה בין הגורמים לכך שזה באמת קרה, כך גם תעשיית המיקרואלקטרוניקה מתעקשת שלא לאכזב את נביאה מור.

לקריאה נוספת:

The Mythology of Moore's Law – Tom R. Halfhill

עובדות משעשעות על גודלם הזעיר של טרנזיסטורים מהאתר של אינטל (גרסת פד"ף).

Fun facts: exactly how small (and cool) is 22 nanometers?

————————————————————————

הרשימה פורסמה במקור באתר שפינוזה זצ"ל לפני כשנתיים-שלוש. העלתי אותה לכאן לאחר עריכה קלה.

מודעות פרסומת

על כוסות תה מהבילות ואינסוףים קצרים, רשימה חורפית

ימים קרים עוברים עלינו, ימים של חורף.

שאלה: כמה זמן לוקח לכוס התה החמה שלכם להתקרר, כלומר להגיע לטמפרטורת החדר, במידה ולא שתיתם אותה?

כמובן שנוכל פשוט לבדוק כמה זמן זה לוקח. אבל החוכמה היא למצוא תשובה כללית עבור כל כוסות התה בכל התנאים ובכל הימים. כיצד עושים זאת?

Steaming posh tea cup

תמונה 1: כוס תה מהודרת שאינה דומה כלל לזאת שאני שותה ממנה ואפילו אינה מהבילה במקור, אבל זה מה שמצאתי בויקיפדיה. את 'האדים' הוספתי בעצמי…

מהמכניקה של ניוטון ועד לתורת הקוונטים: הכל משוואות דיפרנציאליות

משוואה דיפרנציאלית היא משוואה שבה הנעלמות הן פונקציות ולא מספרים, ומופיעות בה נגזרות מסדרים שונים של אותן פונקציות (למי שלא בטוח מהי נגזרת, כדאי לקרא רשימה קודמת). לא אגזים אם אומר שמשוואות אלה הן אחד מהבסיסים החשובים לכל המדע, מהמכניקה של ניוטון ועד לתורת הקוונטים של היום, ממשוואות שמתארות התפשטות של חום ועד משוואות המתארות זרימה של נוזלים. הסיבה לכך היא שכאשר אנחנו כותבים מדע באופן פורמלי-מתמטי אנחנו בעצם מתארים את ההשתנות של גודל מסוים (כלומר הנגזרת שלו) כמו מיקום, מהירות או טמפרטורה ביחס למרחב או לזמן.

המשוואה הדיפרנציאלית הפשוטה ביותר שניתן לחשוב עליה נובעת מהשאלה הבאה: מהי הפונקציה ששווה עד כדי קבוע לנגזרת של עצמה? מסתבר שהפונקציה שמקיימת את המשוואה הזאת היא האקספוננט, כלומר המספר e, שערכו הוא בערך 2.71, בחזקת המשתנה x (ראו תמונה 2). זאת גם הסיבה שהפונקציה הזאת כה חשובה ותופיע בתחומים רבים כל כך של מדע.

Exponential function

תמונה 2: פונקצית האקספוננט. המקור לתמונה: ויקיפדיה, לשם הועלתה על ידי המשתמש Peter John Acklam.

סליחה, התה שלי שלי שוב קר

הצעד הבא הוא למצוא חוק פיזיקלי כללי שנכון לכל כוסות התה. אין בו כרגע צורך במספרים, אלא רק בתובנה איך זה עובד. את הרעיונות אפשר לקבל בכמה דרכים. גישה אחת היא הגישה הניסיונית, שבה נמדוד את הטמפרטורה כתלות בזמן של מספר רב של כוסות מתקררות וננסה לנסח מודל מתמטי מתאים. גישה שניה היא הגישה התיאורטית, שבה ננסה להגיע לתובנות אפריורי, ננסח אותן בעזרת מתמטיקה ורק לאחר מכן נבדוק אם המודל מתאים לתוצאות ניסויים. הגישה השלישית היא פשוט שילוב כלשהו של השתיים האחרות.

עבור כוס התה שלנו מדובר בחוק הקירור של ניוטון. החוק קובע שקצב ירידת הטמפרטורה של הכוס עומד ביחס ישר להפרש הטמפרטורות בינה לסביבה. כלומר, אם הכוס רותחת והסביבה קרה, אז היא מתקררת מהר, ואם הטמפרטורה שלה קרובה לזאת של הסביבה, אז היא מתקררת לאט.

אותנו מעניינת הטמפרטורה כפונקציה של הזמן, ולכן אנחנו מחפשים פונקציה שאם נגזור אותה (קצב) נקבל אותה שוב, עד כדי קבוע, ובסימן שלילי. הפתרון, כאמור, הוא פונקציה אקספוננציאלית דועכת שבה המעריך תלוי בזמן ובקבוע שקשור לתכונות הכימיות והגיאומטריות של הכוס (ראו תמונה 3). ניתן לראות שהפתרון הזה אכן מקיים דעיכה מהירה בהתחלה שהולכת ומאיטה.

Decaying exponential function

תמונה 3: אקספוננט דועך. עבור x-ים קטנים דועך מהר ועבור גדולים דועך לאט. ערכו של האקספוננט הדועך שווה בדיוק לאפס רק באינסוף אבל הרבה לפני זה כבר לא נוכל להבחין בהבדל בעין בלתי מזויינת. הפקתי את הגרף באתר הזה.

כמה ארוך הוא האינסוף?

הטמפרטורה במערכת אמנם תלויה בזמן, אבל ההנחה היא שלאחר זמן ארוך מספיק המערכת תפסיק להשתנות ותגיע למצב יציב. אך מהו אותו מצב יציב? קל למצוא אותו על ידי חזרה למשוואה ואיפוס הנגזרת, כלומר אילוץ מצב סטטי. התוצאה היא כמובן שהפרש הטמפרטורות במצב יציב בין הכוס לסביבה הוא אפס. אבל כמה זמן ייקח לה להגיע לטמפרטורה הזאת? מהו הערך עבורו מתאפסת פונקצית האקספוננט עם המעריך השלילי?

למעשה, רק אם נניח שעבר בדיוק אינסוף זמן נקבל התאפסות של האקספוננט. כלומר טמפרטורת הכוס, לפי המודל של חוק הקירור, לעולם לא תשתווה לזאת של הסביבה. אבל שימו לב לגרף בתמונה 3. ברור שלא היה טעם להמשיך ולצייר אותו עבור ערכי x גדולים יותר, מכיוון שאיננו יכולים להבחין בשינוי. ואם נחזור לכוס התה, ניתן לומר שלאחר זמן מסוים לא נוכל עוד להבחין בהבדל הטמפרטורות בין הכוס לסביבה ונוכל בעצם להניח שעבר זמן ארוך כרצוננו מבלי שזה ישפיע על התוצאה. ואם נציג זאת בצורה הפוכה, ניתן לקבל בפועל את הפתרון שמתאים לזמן אינסופי גם עבור זמנים קצרים בהרבה.

אז מהו הזמן הקצר ביותר שבו המערכת נמצאת במצב יציב? דבר זה תלוי בתכונות המערכת ובדיוק המדידה שלנו. עבור כוס תה ביום קריר, הפתרון לאחר חצי שעה שקול לפתרון לאחר שעה ושקול גם לפתרון בכל זמן אחר גדול כרצוננו.

נו, אז מה?

בחרתי את הדוגמא של הכוס המתקררת כי היא מערכת פשוטה מאוד לפתרון, אך ישנן מערכות רבות שאותן קשה מאוד לפתור. דוגמא אחת שהזכרתי ברשימות קודמות היא משוואות קצב המתארות למשל מערכת אקולוגית או אוכלוסיה של חלבונים בתא שיש ביניהם יחסי גומלין. מדובר במספר משוואות דיפרנציאליות מצומדות וקשות לפתרון אנליטי (כלומר על הנייר, ללא מחשב).

במקרים רבים לא באמת מעניינת אותנו הדינמיקה של המערכת, כלומר איך היא הגיעה למצב יציב מסוים, אלא רק מהו המצב הסופי עבור תנאי התחלה מסוימים. למשל האם אוכלוסיית זאבים מסוימת תשגשג או תיכחד. במצבים אלה ניתן לחפש ישירות את המצב היציב על ידי הנחת זמן אינסופי ואיפוס הנגזרות. בצורה זאת אנחנו ממירים סט של משוואות דיפרנציאליות לסט של משוואות אלגבריות שהן קלות יותר לחישוב.

הזמן שלוקח למערכת כזאת להגיע למצב יציב תלוי לחלוטין בפרמטרים של המערכת ויכול לנוע בין חלקי שניות לשנים.

האינסוף מעולם לא היה קצר יותר.

אז מה עושים שם באוניברסיטה? פרק 14: תנו לרובוט לעבוד, על בחינת מועמדות לתרופות עבור רפואה מותאמת אישית

נפגשתי עם דר' לאונרדו סולמסקי כדי לשאול אותו מה עושים שם באוניברסיטה.

לפני מספר חודשים ראיינתי את שרון לפלר, דוקטורנט בקבוצה של פרופ' מיגל וייל במחלקה לחקר התא ואימונולוגיה בפקולטה למדעי החיים באוניברסיטת תל-אביב, בנושא פיתוח מודל-מחקר למחלות 'יתומות'. בסוף הראיון סיפר לי שרון על מערכת רובוטית חדשה וייחודית שמותקנת במעבדתם ויכולה לבדוק במהירות וביעילות את ההשפעה של מספר רב של חומרים על תאים 'חולים' כדי למצוא תרופות חדשות.

דר' סולמסקי אחראי על תפעול המעבדה הנקראת Cell screening facility for personalized medicine. ביקרתי אותו כדי לשמוע יותר על עבודתו הייחודית. את הידע על הטכנולוגיה הוא רכש במהלך התמחות במספר מעבדות בחו"ל ובעיקר באוניברסיטת הרווארד.

דר' סולמסקי נולד בארגנטינה ועלה לארץ בשנת 2003. הוא ביוכימאי, רוקח, וביולוג ואת עבודת הדוקטורט שלו עשה בפקולטה למדעי החיים באוניברסיטת תל-אביב. הוא נשוי + ילד, ובזמנו הפנוי אוהב לבלות עם המשפחה, לרוץ או לנגן מוזיקה.

לאונרדו, אז מה אתה עושה שם?

המטרה הכללית של המעבדה היא בדיקה ומיון של חומרים ומציאת מועמדים עבור תרופות למחלות נוירודגנרטיביות ולעיתים גם נדירות (APBD, ALS, FD, MNGIE, ועוד), ולכן אינן מהוות מטרה עבור חברות התרופות (מחלות 'יתומות'). העבודה נעשית באמצעות מערכת ממוחשבת וייחודית שמורכבת ממספר מכשירים המתואמים זה עם זה. שיטת העבודה נקראת high content screening, ובה מצלמים תאים חולים תחת מספר רב של טיפולים שונים ובעזרת התמונות מחפשים שינויים בפרמטרים שונים שיעידו על שיפור במצב. למרות שהיינו הראשונים לייבא אותה לארץ, כיום קיימות מערכות נוספות. עם זאת, אנחנו עדיין היחידים שעשינו אינטגרציה בין הרובוט למערכת איסוף התמונות ולאינקובטור. כלומר התהליך הוא אוטומטי מרגע הכנסת התאים ועד קבלת הנתונים מצילומם.

ספר לי על המערכת

המערכת כוללת רובוט שמבצע פעולות מכאניות להכנת הדגמים הנמדדים, מכשיר הנקרא 'IN Cell Analyzer 2000' המסוגל לצלם באורכי גל שונים מספר רב של תמונות בזמן קצר, אינקובטור אוטומטי המאפשר לגדל תאים בצורה מבוקרת על ידי הרובוט, ותוכנות לניתוח אוטומטי של התמונות (ראו תמונה 1). כל תהליך ההכנה מתבצע באווירה סטרילית במנדף ביולוגי.

Cell screening facility for personalized medicine
תמונה 1: מערכת הצילום, האינקובטור האוטומטי והרובוט בתוך המנדף. המקור לתמונה: דר' סולמסקי, אוניברסיטת תל אביב.

כיצד מתבצע ניסוי במערכת?

לפני תחילת הניסוי יש לאפיין את ההבדלים בין תאים בריאים לחולים מכיוון שיש בכוונתנו לחקור ולאפיין תגובה של תאים חולים לחומרים שונים. שלב הכנה זה נעשה אצלנו ביחידה מראש לפני תהליך ה-screening.

בתחילת הניסוי יש להכין את התאים שאנחנו מעוניינים לבדוק. כחלק מההכנה של התאים לניסוי אנחנו בדרך כלל משתמשים בצבענים פלואורסנטיים שונים לסמן אברונים שונים או חלבונים מעניינים בתא.

הרובוט המכאני מבצע את כל הפעולות הנדרשות להכנת הצלחות המכילות את התאים לצילום. אנחנו מספקים לרובוט צלחות מיוחדות עם מספר רב של באריות קטנות, מאגר של תאים ואת החומרים הרצויים, והרובוט עושה את כל השאר. הוא זורע את התאים בבאריות, מוסיף חומרים כשצריך ומוביל את הצלחות בין התחנות השונות במערכת. אנחנו רוצים לבדוק את ההשפעה על התאים של כ-20,000 חומרים שונים הלקוחים מספריית מולקולות קטנות. הרובוט מבצע את המשימה ביעילות, בדייקנות ובמהירות שאינן אפשריות עבור חוקר אנושי.

כיצד מתבצע הצילום?

הצלחת שמכילה מספר רב של באריות עם תאים שנחשפו לחומרים ולאחר מכן נצבעו, מוכנסת למכשיר הצילום על ידי הרובוט. כל בארית מצולמת במספר אורכי גל פלורוסנטיים בהתאם לצבענים שהשתמשנו. הצילום הוא מהיר מאוד, ברזולוציה גבוהה ובתמונה רחבה. לאחר הצילום התמונות נשלחות למחשבי האנליזה.

מהו תהליך האנליזה?

התהליך מכיל מספר שלבים. השלב הראשון נקרא סגמנטציה, ובו התוכנה מבדילה בין הפיקסלים שמכילים מידע ואלה שמהווים את הרקע. התוכנה מזהה אובייקטים בתמונה כגון תאים או גרעינים, כל אחד באורכי הגל בהם נצבעו. על מחשבי התחנה ישנן תוכנות המריצות אלגוריתמים שמתמחים בביצוע פעולות אלה, אך לשם קבלת תוצאה אופטימלית נדרשות התאמות עדינות המבוצעות על ידי המשתמש ודורשות מומחיות בתפעול וניסיון.

השלב הבא הוא חיבור התמונות של אורכי הגל השונים. לדוגמא אם התאים צבועים באדום והגרעינים בכחול, שלב הסגמנטציה יזהה את כל הפיקסלים האדומים שמרכיבים תא מסוים, ואת כל הפיקסלים הכחולים שמרכיבים גרעין מסוים. בשלב החיבור, שנקרא LINKAGE, תאחד התוכנה את כל הפיקסלים האדומים של התא עם כל הפיקסלים הכחולים של הגרעין שלו תחת אובייקט אחד שהוא אותו תא.

בשלב המדידה אנחנו מחליטים אילו פרמטרים אנחנו רוצים לנתח עבור אותם אובייקטים שזוהו על ידי התוכנה. אפשר להסתכל על הרבה פרמטרים בכל אחד מהאברונים שמרכיבים את התא כגון: מספר, גודל, עוצמת האות, היקף, צורה, מיקום, מרחק לאברונים אחרים, ועוד רבים, וגם להגדיר לבד פרמטרים חדשים.

אז מה אתם בדרך כלל מחפשים?

אנחנו עושים משהו שנקרא: Phenotypic drug discovery. אנחנו מחפשים בתמונות תחת אילו טיפולים נראים הפרמטרים של התאים החולים דומים יותר לבריאים. חומרים אלו יהיו מועמדים טובים עבור תרופות לטיפול במחלה.

אמרת שיש כ-20,000 באריות ועשרות פרמטרים, איך אתם עוקבים אחרי השינויים?

יש כמה שיטות להתמודד עם כל המידע הזה. ניתן לבצע כל מיני ניתוחים סטטיסטיים, ולהציג את המידע בצורות שונות. אני אתן לך דוגמא לאחת השיטות שנקראת Profile chart. בשיטה זאת אנחנו בוחרים לעבוד רק עם כמה פרמטרים שנראו שונים בין תאים בריאים לחולים בשלב האפיון המוקדם. את הערכים שנמדדו בתאים חולים שעברו טיפול אנחנו מנרמלים בין 0 ל- 100, כך שניתן להציג את כולם על אותו גרף. הגרף מכיל מספר פרמטרים בציר האופקי ואת ערכם המנורמל בציר האנכי, וצורתו היא המאפיין של תא, כך שכל התאים הבריאים, למשל, יראו תבנית דומה מאוד בגרף כזה, ושונה לזה שמראים תאים חולים (ראו תמונה 2). התוכנה יכולה לבצע ניתוח סטטיסטי על הגרפים שהופקו מהצילומים ולמצוא את החומרים שגרמו לדפוס הקרוב לזה של תאים בריאים. את כל זאת ניתן לעשות מבלי לנתח את השפעה של החומר על כל תכונה ותכונה באופן פרטני. זהו בעצם תהליך המיון של התרופות (drug screening), ועבור כ-20,000 חומרים הוא עלול להמשך כחודשיים (כולל ההכנה והמדידה של התאים).

Profile chart
תמונה 2: צילום מסך לדוגמא של profile chart. השוואה בין פרופיל של תאים חולים (אדום) לפרופיל של תאי ביקורת (כחול). שימו לב להבדל בין שני סוגים שונים של תאים ולדמיון בין חזרות שונות של ניסוים באותם תאים. המקור לתמונה: דר' סולמסקי, אוניברסיטת תל אביב.

אז מה החזון שלכם לעתיד?

כפי שהסברתי, כיום אנחנו יכולים באמצעות המערכת לסרוק בזמן קצר יחסית מספר עצום של חומרים המועמדים לשמש כתרופות למחלות שונות. מה שאנו שואפים להקים בעתיד הוא מערך טיפול שבו ניתן לקחת תאים מאדם בודד ולהתאים לו תרופות באופן אישי בזמן ומחיר סבירים. זה החזון, ומכאן נגזר שמה של המעבדה: Cell screening facility for personalized medicine.