了解 Gemini Co-Scientist 如何与材料科学、生物学和计算机科学领域的研究人员合作，设计实验、预测生物行为、培育新材料并改进 AI 生成的研究成果。成果展示：

• Gemini 提出的实验室配方首次尝试即成功制备出 3 种原子级厚度的半导体
• 成功预测 4 项工程化大肠杆菌生长指标中的 3 项测量结果
• 独立设计出能提供更安全医疗建议的 AI 系统，并将 AI 撰写论文中严重编造结果的比例从 90% 降至 4% 推荐阅读：https://arxiv.org/html/2608.26701v1… 同时感谢 @SRSchmidgall 及其团队！

通过 Gemini 在现实世界中加速科学研究

来源：https://arxiv.org/html/2608.26701v1
\uselogo 小凯·朱 | 杜克大学 | 共同第一作者
玛丽安·肖 | 哥伦比亚大学
林杨 | Google DeepMind
瓦伦丁·列文 | Google DeepMind
景云·杨 | 杜克大学
余晨·庄 | Google DeepMind
蒂姆·斯特罗瑟 | Google DeepMind
阿列克斯·比加莫夫 | Google DeepMind
孙敏浩 | Google DeepMind
阿尼尔·帕莱普 | Google Research
贾斯汀·陈 | Google DeepMind
大卫·斯坦纳 | Google DeepMind
杰奎琳·施雷巴蒂 | Google DeepMind
韦洪·翁 | Google DeepMind
赵逸麟 | 杜克大学
胡兴建 | 杜克大学
尼古拉斯·赞恩 | 杜克大学
萨迪亚·加格 | 哥伦比亚大学
朱莉娅·柯比 | 哥伦比亚大学
甘宇翔 | 德克萨斯农工大学
李佳丽 | 德克萨斯农工大学
迪夫·塔卡尔 | Google DeepMind
谢鲁菲·阿齐兹 | Google DeepMind
大卫·拉奇 | Google DeepMind
尤拉伊·戈特维斯 | Google DeepMind
维韦克·纳塔拉詹 | Google DeepMind
吴成林 | 德克萨斯农工大学
塔尔·达尼诺 | 哥伦比亚大学
容可然 | Google DeepMind
王浩哲 | 杜克大学
贝诺瓦·希林斯 | Google DeepMind
程勇 | Google DeepMind
黎科 | Google DeepMind
涂涛（通讯作者）: [email protected], [email protected], [email protected]
隶属：Google DeepMind

摘要

我们展示了 Co-Scientist 的扩展版本及其在现实世界中的全面验证。这是一个基于 Gemini 的多智能体系统，旨在加速从假设生成、实验设计到论文撰写的端到端科学研究。虽然该系统之前的版本主要聚焦于计算机模拟（in silico）假设生成，但这一新的专用配置将 Co-Scientist 转变为一个以执行为基础的研究伙伴，能够推进闭环科学工作流程。我们在材料科学、生物学和计算机科学领域验证了这些扩展能力，涵盖了从不同程度的自动化到产生具有现实意义的新型科学成果的完整谱系。

在材料科学领域，Co-Scientist 与半自动化化学气相沉积（CVD）反应器交互，为 MXenes 设计了一条新型无害前驱体路线；显微和衍射分析表明，合成出的层状二维（2D）材料与 Ti₃C₂Tₓ MXene 晶格具有关键的结构相似性，尽管仍需进一步实验确认其原子结构。此外，对于二维过渡金属硫化物（TMDs），Co-Scientist 通过利用 Gemini 3 Deep Think 进行快速的、实验室在环的执行，在几分钟内根据实验室约束条件调整合成配方，成功实现了单晶单层 MoS₂、MoSe₂ 和 WS₂ 半导体的单次尝试生长。

在生物学领域，Co-Scientist 构建了一个系统，可以从稀疏的成像数据中预测工程化大肠杆菌在诱导剂（IPTG）浓度梯度下产生的群体表型，预测结果与未发表的湿实验室形态学测量数据在很大程度上吻合，表明其有潜力减少实验筛选周期。

在计算机科学领域，扩展后的 Co-Scientist 完全自主地设计了一个推理时扩展架构，该架构在 HealthBench（难题和专业版）上优于六个前沿模型，同时在医生盲评中显著降低了潜在的临床伤害风险。

最后，针对计算科学中端到端生成的论文，我们与 30 位领域专家进行了双盲研究，涵盖 450 项独立评审，提供了经验证据，表明 Co-Scientist 的可靠性模块减少了幻觉和抄袭行为，同时提升了研究安全性。总之，这些结果表明，我们正朝着能够通过迭代自我改进来加速现实世界科学发现的闭环多智能体科学 AI 系统迈出了进一步的步伐。

1 引言

人工智能（AI）辅助的科学发现正日益从计算机模拟（in silico）实验转向物理现实。近期，代理式 AI 系统已自主解决了开放的数学猜想、提出了经过湿实验验证的生物医学假设、发现了具有临床可操作性的生物标志物，并端到端地生成了完整的研究论文。

作为首批用于科学发现的多智能体系统之一，Co-Scientist 基于 Gemini 构建，已在先前的研究中作为协作研究伙伴，展示了其协助人类专家制定假设和解读复杂生物学数据的能力。这些进展指向一个新兴范式：代理式 AI 系统不仅作为被动工具，而且作为积极的研究伙伴，能够制定假设、设计实验、解读研究结果并通过实验反馈进行自我优化。

然而，已产生经验证发现的系统通常需要大量人类监督，研究人员需要分解问题、验证中间步骤并执行物理实验。

为弥合计算构思与物理验证之间的差距，我们将 Co-Scientist 扩展为整合迭代推理、自主代码执行和经验验证，并适应每个领域的约束条件来调整人类-AI 协作模式。

图 1：扩展的 Co-Scientist 架构及科学贡献概述。 为弥合计算构思与物理验证之间的差距，我们将 Co-Scientist 扩展为整合迭代推理、自主代码执行和经验验证，并适应每个领域的约束条件来调整人类-AI 协作模式。a–c，Co-Scientist 多智能体架构。a，构思：给定研究指导和约束，Co-Scientist 基于安全性、新颖性、合理性、可测试性，并在贝叶斯探索引导下探索并优化一组假设。b，实验：排名靠前的假设被转换为实验计划，系统据此生成研究代码，最初基于少量数据构建框架，然后扩展到全面执行。c，论文撰写：代码和执行日志被综合成一篇手稿，并进行抄袭检查和主张的交叉验证。d，二维材料合成：Co-Scientist 设计安全的 CVD 方案，由人类专家执行和优化，产生了具有与 Ti₃C₂Tₓ MXene 类似特征的二维层状结构（原子结构确认待定），并实现了单次尝试的单层过渡金属硫化物（TMDs）生长。e，表型预测：视觉流水线预测了大肠杆菌在 IPTG 梯度（0–10 mM）下的群体形态，预测结果与湿实验室测量数据在定量上一致，并正确捕获了对照菌株中缺乏剂量反应的情况。f，智能体架构发现：在没有人为干预的情况下，Co-Scientist 发现了 Agent_H，该架构在长度调整后的 HealthBench Hard 和 Professional 上优于前沿模型，并在医生盲评中减少了临床伤害。g，研究涵盖了一个连续体，从人类执行的合成（d）到专家-AI 协作（e），再到完全自主的发现（f），以及端到端的论文生成，其中一项双盲研究（30 位专家，450 份评审）表明，Co-Scientist 的可靠性模块减少了严重的幻觉和抄袭行为。

弥合自主系统在计算上能够构思的内容与其在物理上能够验证的内容之间的差距，仍然是现实中可扩展的、AI 加速科学发现的核心障碍。一方面，纯粹的计算机模拟（in silico）研究智能体将构思、编码和论文撰写整合到统一的流水线中。然而，由于这些系统优化的是代理目标（如自动评审分数）而没有事实验证，它们容易受到奖励黑客攻击的影响，从而生成看似真实但实际编造的结果、虚幻的方法论或未注明的引用。

另一方面，协作平台和“自动驾驶”实验室通过机器人硬件和多模态传感实现了物理基础，但仍然局限于狭窄、高度专业化的工作流程，如定向化学合成、蛋白质工程、脂质发现和纳米抗体设计。

所缺失的是一个可推广的研究框架，能够在多样化的实验平台上编排发现过程，从材料合成和湿实验检测到纯计算代码环境，同时在整个科学工作流程中保持实验可验证性。为弥合这一差距，我们展示了 Co-Scientist 用于专家参与的科学发现的扩展和全面现实世界验证。这一新的专用配置将 Co-Scientist 从纯粹的计算机模拟（in silico）假设生成转变为一个以执行为基础的研究伙伴。Co-Scientist 涵盖了构思、实验和论文撰写，动态调整人类-AI 协作水平以适应每个科学领域的物理约束和验证要求。我们在材料科学、生物学和计算机科学领域展示了该系统，产出了具有现实意义的实验验证发现：

• •材料科学：Co-Scientist 与半自动化 CVD 仪器交互，为 Ti₃C₂Tₓ MXene 生长设计了一条无害的前驱体路线（C₂Cl₆）。由人类专家优化并执行排名靠前的配方后，产出了具有与 Ti₃C₂Tₓ MXene 类似特征的二维层状结构，尽管仍需进一步实验确认其原子结构。此外，通过利用 Gemini 3 Deep Think 进行快速推理和直接硬件控制，该系统成功地单次尝试生长出了单层 MoS₂、MoSe₂ 和 WS₂ 半导体，并在几分钟内根据实验室约束条件进行了调整。

• •生物学：在领域专家迭代优化任务框架并进行湿实验检测的情况下，Co-Scientist 构建了一个系统，可以从稀疏的成像数据中预测工程化大肠杆菌在诱导剂（IPTG）浓度梯度下产生的群体表型。这些预测结果与未发表的湿实验室形态学测量数据进行了定量验证，表明了人工智能在减少实验组合筛选周期方面的潜力。

• •计算机科学：仅给定一个研究指导，Co-Scientist 完全自主地运行，发现了一个推理时扩展架构，该架构在 HealthBench Hard 和 Professional 上优于六个前沿模型，同时在医生盲评中实现了潜在临床伤害的显著（尽管适度的）减少。

最后，为了衡量自主研究系统的科学诚信，我们对计算科学中的端到端论文生成进行了对照研究。一项与 30 位领域专家进行的双盲评估，涵盖 450 项独立评审，提供了经验证据，表明与不受限制的基线系统相比，Co-Scientist 基于日志的验证和安全机制持续减少了幻觉和抄袭行为。

总之，我们的结果表明，紧密的人类-AI 协作为扩展实验科学提供了一条实用路径。通过将迭代的科学和计算推理与实验室反馈相结合，这些发现阐释了以执行为基础的代理式 AI 系统如何弥合计算机模拟（in silico）探索与物理现实之间的差距，朝着对现实世界科学发现有益的代理式 AI 系统又迈进了一步。

2 方法

Co-Scientist 首先接受一个研究指导，并执行三阶段流水线：(1) 构思，其中进化式多智能体系统使用基于贝叶斯评级的配对锦标赛和上置信界（UCB）选择来生成、评估和优化假设，随后进行自动化文献综述并制定研究计划；(2) 实验，其中进化式代码生成框架生成、执行和迭代…