时代：从《自然》发表到催化计算发现

实证研究援助 (ERA)：从《自然》发表到催化计算发现 2026 年 5 月 19 日 Google Research 产品经理 Lizzie Dorfman 和研究科学家 Michael Brenner 今天在《自然》杂志上发表，实证研究援助 (ERA) 是一种用于专家级科学编码的人工智能工具，帮助构建了计算发现原型，现在可以通过 Google 实验室中的可信测试程序获得。快速链接 自然论文 Github 代码 ERA 介绍性博客文章 ERA 应用博客文章 Gemini for Science 流行病学 CO2 绘图 雪径流 太阳能设计 宇宙学 神经科学 分享 复制链接 × 人工智能对人类最大的潜在好处之一是提高科学发现的速度和范围。实证研究援助 (ERA) 是 Google 开发的一种研究工具，它使用 Gemini 编写和优化科学代码，解决科学研究中最耗时的部分之一：迭代测试和完善计算实验。今天发表在《自然》杂志上的《旨在帮助科学家编写专家级经验软件的人工智能系统》对此进行了描述。作为今天 I/O 上更广泛的科学公告的一部分，我们还将这项技术作为一种工具，开始为世界各地的科学家提供帮助。 ERA 是用于构建计算发现的系统之一，计算发现是一种新的实验工具，今天开始通过 Gemini for Science 更广泛地推出。引入 ERA 作为科学编码的多功能工具 我们在秋季发布预印本时首次分享了 ERA 的设计和性能。给定科学问题和成功衡量标准，ERA 可以搜索科学文献、编写代码、探索解决方案、组合技术并评估结果。 ERA 考虑了数千个选项，使用树搜索方法根据给定目标优化其输出代码。我们的《自然》出版物描述了针对跨多个学科的基准问题测试 ERA：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和数学。结果显示，ERA 在所有这些基准测试中都实现了专家级的性能，有可能使未来专家级计算模型的访问民主化，并扩展当前专家的能力。应用 ERA 来解决科学问题 在过去的六个月中，Google Research 的科学家和我们的合作者一直在积极尝试 ERA。 4 月下旬，我们分享了我们所从事的四个项目的示例，这些项目使用 ERA 来研究当前科学中的开放问题。我们现在共有八篇将 ERA 应用到特定科学问题的手稿，包括下面描述的五篇新发表的论文。总的来说，这些结果表明 ERA 如何帮助推动多个领域的进步，从而产生直接的科学影响和公共利益。 Google 科学家和合作者发表了一份使用 ERA 进行流行病学预测的工作分析，最多提前 4 周预测美国州级医院因流感、COVID-19 和 RSV 入院的情况。 ERA 的预测在所有三种呼吸道病毒的公共疾病控制中心 (CDC) 排行榜上始终名列前茅或接近前列，并采用了可以轻松复制到其他国家和疾病的技术。左：Google 预测加州每周因流感、COVID-19 和 RSV 入院的人数，从每次预测开始时到 5 月底。黑线显示观察到的住院情况。右图：不同模型的排名显示，谷歌的预测（蓝色）在所有三种呼吸道病毒的季节平均准确度方面表现最好。 CDC 的整体预测（条纹条）的相对加权区间得分为 1。其他研究小组的预测为实心红色条（仅显示表现最好的模型）。我们使用 ERA 创建了加州雪水河流域季节性径流的预测模型，该河流域是该州人口和农业部门的重要资源。由此产生的模型对春季径流的早期预测比 120 号公报 (B120)（该州官方季节性供水展望）要准确得多，有可能改善对这一稀缺资源的管理。我们分享了新的结果，即使用 ERA 利用地球静止气象卫星的数据以前所未有的空间和时间分辨率绘制大气二氧化碳 (CO2) 浓度图。 ERA 开发的模型捕捉了人类活动引起的二氧化碳浓度变化，包括独特的城市增强。模型得出的估计还显示了农作物和其他植物在生长过程中如何吸收二氧化碳，导致白天二氧化碳浓度下降，以及其他自然和人类循环如何在大气中发挥作用。这些人工智能估计将有助于建模、监测和了解二氧化碳（一种关键温室气体）在不同时期的变化情况