Era: 从《自然》发表到催化计算发现

# 实证研究辅助（ERA）：从《自然》论文到推动计算发现 来源：https://research.google/blog/empirical-research-assistance-era-from-nature-publication-to-catalyzing-computational-discovery/ 人工智能为人类带来的最大潜在益处之一，是提升科学发现的速度和广度。实证研究辅助（ERA）是一款由谷歌开发的研究工具，利用 Gemini 编写并优化科学代码，它解决了科学研究中最耗时的环节之一：迭代测试和完善计算实验。该工具的相关论文《AI system designed to help scientists write expert-level empirical software》今日发表于*Nature*期刊。 作为今日 I/O 大会上更广泛的科学公告的一部分，我们也将这项技术作为一款工具开放，让全球科学家得以使用。ERA 是构建 Computational Discovery 所用的系统之一，这是一款新的实验性工具，今日通过 Gemini for Science 开始更广泛地推出。 ## 介绍 ERA：一款多功能的科学编码工具 我们于去年秋季在[预印本](https://research.google/blog/accelerating-scientific-discovery-with-ai-powered-empirical-software/)发布时首次分享了 ERA 的设计与性能。给定一个科学问题与成功度量标准，ERA 能够搜索科学文献、编写代码、探索解决方案、组合技术并评估结果。ERA 会考虑数千种选项，采用树搜索方法针对给定目标优化其输出的代码。 我们在*Nature*论文中描述了在跨越多个学科的基准问题上对 ERA 的测试：基因组学、公共卫生、卫星图像分析、神经科学预测、通用时间序列预测基准以及数学。结果表明，ERA 在所有基准测试中均达到了专家级性能，这有望在未来让更多人获得专家级计算建模的能力，并拓展现有专家的能力范围。 ## 将 ERA 应用于开放科学问题 在过去的六个月中，谷歌研究科学家及我们的合作者一直在积极尝试使用 ERA。四月底，我们分享了已完成的[四个项目](https://research.google/blog/four-ways-google-research-scientists-have-been-using-empirical-research-assistance/)的示例，展示了如何利用 ERA 研究当前科学中的开放问题。 目前我们共有[八篇手稿](https://github.com/google-research/era/tree/main/era_applications)将 ERA 应用于具体的科学问题，包括下面描述的五篇新发布论文。总体而言，这些结果展示了 ERA 如何推动多个领域的进展，产生即时的科学影响和公共效益。 - 谷歌科学家与合作者发表了对他们工作的分析，利用 [ERA 进行流行病学预测](https://arxiv.org/abs/2605.16238)，提前四周在州级别预测美国因流感、COVID-19 和 RSV 导致的住院人数。ERA 的预测在所有三种呼吸道病毒的[疾病控制与预防中心（CDC）](https://www.cdc.gov/index.html)公开排行榜上始终排名靠前或接近第一，其采用的技术可轻松复制到其他国家与疾病。 - 我们使用 ERA 创建了一个[季节性径流预测模型](https://arxiv.org/abs/2605.16178)，覆盖加利福尼亚州依赖积雪供水的流域——这是该州人口和农业部门的重要资源。与州官方季节性供水展望 [Bulletin 120（B120）](https://cdec.water.ca.gov/snow/bulletin120/)相比，该模型生成的春季径流早期预测显著更为准确，有望改善这一稀缺资源的管理。 - 我们分享了新的成果，利用静止气象卫星数据，以空前的空间和时间分辨率[绘制大气二氧化碳（CO2）浓度图](https://github.com/asonabend/DeepXCO2/blob/main/Quantification%20of%20atmospheric%20carbon%20dioxide%20from%20the%20Geostationary%20Operational%20Environmental%20Satellite%20(GOES%20East).pdf)。ERA 开发的模型捕捉到了人类活动（包括明显的城市增强效应）导致的 CO2 浓度变化。模型得出的估计还显示了农作物及其他植物在生长过程中吸收 CO2，导致白天 CO2 浓度下降，以及其它自然与人类循环在大气中的表现。这些 AI 估计将有助于建模、监测和理解 CO2（一种关键温室气体）在空间和时间上的变化。 - 我们利用 ERA 和 [Google Antigravity](https://www.antigravity.google/) 探索了 [3D 太阳能最大化](https://arxiv.org/abs/2605.16191)，以优化不同面板地形的太阳能捕获能力，作为如何结合这两个系统的案例研究。ERA 发现，一个由 500 个三角形构成的立体扇形结构能够捕获散射太阳辐射，且无反向阴影，在未来太阳能设备的设计中实现了能量捕获最大化。 - 我们还应用 ERA 处理零售预测任务——这是经济学的一个分支，旨在确保顾客获得所需商品、企业高效运营、浪费最小化以及政府优化经济政策。利用美国经济指标、谷歌趋势数据、历史模式和消费者情绪等广泛可获得的输入，ERA 设计的模型能够达到或超越商业上可用的[共识估计](https://www.actioneconomics.com/info.php)和[芝加哥联储提前零售贸易摘要（CARTS）](https://www.chicagofed.org/publications/blogs/chicago-fed-insights/2021/introducing-carts)的月度零售预测。 ## 介绍基于 ERA 和 AlphaEvolve 构建的 Computational Discovery 今天，谷歌将开始逐步开放基于 AlphaEvolve 和 ERA 构建的 [Computational Discovery](http://labs.google/science) 的访问权限。我们对这个由基于 AI 的计算工具开启的科学研究新纪元感到兴奋，并期待与更广泛的社区共同进一步发展这些工具。 新推出的 Gemini for Science 实验中另一个是 [Hypothesis Generation](http://labs.google/science)，基于 AI Co-Scientist 构建，该实验亦在今日发表于*Nature*的一篇[论文](https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research)中描述。Hypothesis Generation、Computational Discovery 以及新的实验性工具 [Literature Insights](http://labs.google/science)，在研究方法的各个阶段互为补充，提供支持。请访问 [labs.google/science](http://labs.google/science) 以登记兴趣。 ## 致谢 *我们感谢我们的合作者（列于作者列表中），他们协助创建了**ERA**，以及所有早期采用的科学家。ERA 的算法开发由 Eser Aygun、Gheorghe Comanici 和 Shibl Mourad 领导。流行病学预测工作由 Zahra Shamsi、Sarah Martinson、Nicholas Reich、Martyna Plomecka 和 Brian Williams 领导。二氧化碳监测研究由 Aarón Sonabend-W、Sean Campbell、Renee Johnston、Vishal Batchu、Carl Elkin、Christopher Van Arsdale、John Platt 和 Anna Michalak 领导。关于径流预测的论文由 Ignacio Lopez-Gomez、Michael Brenner 和 Tapio Schneider 撰写。太阳能工程手稿由 Michael Brenner、Lizzie Dorfman 和 John Platt 撰写。宏观经济零售销售预测研究由 Michael Brenner、Qian-Ze Zhu、Zahra Shamsi、Mette Nielsen 和 Paul Raccuglia 领导。我们感谢 John Platt、Michael Brenner、Shibl Mourad、Lizzie Dorfman、Vip Gupta、Zoubin Ghahramani、Alison Lentz、Erica Brand、Katherine Chou、Ronit Levavi Morad、Yossi Matias 和 James Manyika 的领导支持。*