Google Research 開放 ERA 科學研究工具,並逐步開放 Computational Discovery
Empirical Research Assistance (ERA): From Nature publication to catalyzing Computational Discovery
Google Research 開放 ERA 科學研究工具,並開始逐步開放由 ERA 與 AlphaEvolve 構建的 Computational Discovery。
文章把 ERA 的樹狀搜尋方法與多學科基準和實際科學問題並置,呈現其從程式碼優化延伸至預測研究的應用範圍。
AI 對人類最重要的潛在裨益之一,是加快並擴大科學發現。Google 開發的研究工具 Empirical Research Assistance(ERA)運用 Gemini 編寫及最佳化科學程式碼,針對科學研究中最耗時的環節之一:反覆測試和改良計算實驗。相關研究於今天刊登在《專為協助科學家編寫專家級實證軟件而設計的 AI 系統》期刊 Nature。
作為我們今日在 I/O 發布的多項科學相關消息之一,我們亦會把這項技術開放為工具,開始協助世界各地的科學家。ERA 是打造 Computational Discovery 的其中一個系統;這項全新的實驗工具今日起正逐步擴大推出,並透過 Gemini for Science提供。
推出 ERA:多用途科學編程工具
我們在秋季發布預印本時,首次分享了 ERA 的設計和效能。只要提供科學問題和成功指標,ERA 便可搜尋科學文獻、編寫程式碼、探索解法、組合技術並評估結果。ERA 會考慮數以千計的選項,利用樹狀搜尋方法,按指定目標最佳化輸出程式碼。
我們在 Nature 發表的論文,説明如何在涵蓋多個領域的基準問題上測試 ERA,包括基因組學、公共衞生、衞星影像分析、神經科學預測、一般時間序列預測基準和數學。結果顯示,ERA 在所有基準測試中均達到專家級表現,有望讓更多人取得專家級計算建模能力,並擴展現有專家的能力。
將 ERA 應用於開放科學問題
過去六個月,Google Research 科學家和合作夥伴一直積極試用 ERA。四月底,我們分享了四個專案範例,展示如何運用 ERA 研究當前科學領域的未解問題。
目前共有八篇論文把 ERA 應用於具體科學問題,包括下文介紹的五篇新論文。這些成果整體展示 ERA 如何在多個領域推動進展,帶來即時的科學影響和公眾裨益。
- Google 科學家和合作夥伴發表了一項研究,分析他們如何使用 ERA 預測流行病趨勢,提前最多四週預測美國各州的流感、COVID-19 和 RSV 住院人數。ERA 的預測在這三種呼吸道病毒的美國疾病控制中心(CDC)公開排行榜上,始終名列前茅或接近榜首;研究採用的技術亦很容易複製到其他國家和疾病。
- 我們使用 ERA 建立加州融雪河流流域季節性逕流預測模型,為當地居民和農業提供重要資料。與該州官方季節供水預測《Bulletin 120》(B120)相比,這個模型能更準確地提早預測春季逕流,或有助改善這項稀缺資源的管理。
- 我們分享了使用 ERA繪製大氣二氧化碳(CO2)濃度圖的新研究成果,利用地球靜止氣象衞星數據,達到前所未有的空間和時間解析度。ERA 開發的模型能捕捉人類活動造成的 CO2 濃度變化,包括明顯的城市濃度上升。模型估算結果亦顯示,農作物和其他植物在生長時如何吸收 CO2,令白天的 CO2 濃度下降,以及其他自然和人為週期如何影響大氣。這些 AI 估算有助建模、監測和理解 CO2 這種重要温室氣體在時空上的變化。
- 我們利用 ERA 探索3D 太陽能最大化,並結合 Google Antigravity,最佳化不同太陽能板地形配置的能量收集效率,藉此示範如何結合這兩個系統。ERA 發現,採用 500 個三角形構成的立體扇形設計,能在沒有向後遮蔭的情況下捕捉散射太陽輻射,令未來太陽能裝置設計的能量收集量達至最大。
- 我們亦將 ERA 應用於零售預測,即確保顧客買得到所需物品、企業高效運作、減少浪費,並讓政府改善經濟政策的經濟學分支。模型使用美國經濟指標、Google Trends 數據、歷史模式和消費者情緒等廣泛可得的資料,其表現能媲美甚至超越商業共識預測,以及芝加哥聯邦儲備銀行零售貿易預測(CARTS)的每月預測。
推出以 ERA 和 AlphaEvolve 建構的 Computational Discovery
今天,Google 將開始逐步開放使用以 AlphaEvolve 和 ERA 建構的Computational Discovery。我們很期待 AI 計算工具開創科學發現的新時代,並與更廣大的社羣攜手持續開發。
另一項新推出的 Gemini for Science 實驗是Hypothesis Generation,由 AI Co-Scientist 建構;相關研究詳見今天發表的論文,刊於 Nature。Hypothesis Generation 和 Computational Discovery,以及新推出的Literature Insights實驗工具,分別支援科學方法的不同階段,彼此互補。請到 labs.google/science登記表達興趣。
致謝
我們謹此感謝作者名單上的合作夥伴,他們協助開發 ERA,亦感謝所有早期採用者科學家。ERA 的底層演算法由 Eser Aygun、Gheorghe Comanici 和 Shibl Mourad帶領開發。流行病預測工作由 Zahra Shamsi、Sarah Martinson、Nicholas Reich、Martyna Plomecka 和 Brian Williams 帶領。二氧化碳監測研究由 Aarón Sonabend-W、Sean Campbell、Renee Johnston、Vishal Batchu、Carl Elkin、Christopher Van Arsdale、John Platt 和 Anna Michalak 帶領。逕流預測論文由 Ignacio Lopez-Gomez、Michael Brenner 和 Tapio Schneider 撰寫。太陽能工程論文由 Michael Brenner、Lizzie Dorfman 和 John Platt 撰寫。宏觀經濟零售銷售預測研究由 Michael Brenner、Qian-Ze Zhu、Zahra Shamsi、Mette Nielsen 和 Paul Raccuglia 帶領。我們感謝 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 提供領導支援。
來源:Google Research · research.google