谷歌研究科学家使用实证研究辅助的四种方式

自2025年秋季，谷歌研究团队发布了实证研究辅助（ERA）的预印本，旨在帮助科学家生成专家级的实证软件。此后，谷歌科学家和学术合作者将ERA应用于多个现实世界问题，展示了AI加速科学发现的变革潜力。以下四个领域的具体应用充分体现了其能力。

在公共卫生领域，ERA被用于预测美国流感、COVID-19和RSV的住院人数。研究团队最初在预印本中使用ERA回顾性预测COVID-19住院人数，结果显示其准确性达到或超过了美国疾病控制与预防中心（CDC）及其他顶级研究机构的工具。随后，团队将预测范围扩展至流感和RSV，并每周提交实时预测。在CDC的2025-26流感预测挑战中，谷歌从11月起每周提交各州未来四周的住院预测。同时，谷歌也加入了CDC的COVID-19年度实时预测和RSV预测中心。由马萨诸塞大学阿默斯特分校生物统计学教授Nicholas Reich管理的公共排行榜显示，谷歌在流感和COVID-19预测中均名列前茅。尽管RSV没有公开排行榜，但内部分析显示同样出色的表现。AI工具在预测准确性上与领先公共卫生机构相当甚至更优，可民主化流行病学计算模型的应用，惠及更广泛的地区和疾病。

在宇宙学方面，ERA与Gemini Deep Think结合，解决了宇宙弦引力辐射的未解问题。宇宙弦是时空结构中的理论性缺陷，被认为形成于早期宇宙，且会发射引力辐射。计算其能谱是一个难题，因为方程包含奇点（数学上值趋于无穷的点）。此前有研究利用OpenAI的GPT-5找到了方形环（α=π/2）的部分解，但通用解仍是开放问题。通过ERA系统性地探索处理奇点的数学技巧，团队成功推导出六个通用解和一个渐近极限的简洁公式。这体现了ERA与先进大语言模型结合在理论前沿解锁精确新解的潜力。

在气候与可持续性领域，谷歌研究人员利用ERA开发了一个基于物理引导的神经网络，从GOES东气象卫星数据中提取二氧化碳浓度信号。当前星载CO2传感器如NASA的OCO-2精度高，但仅覆盖地表一小部分，每16天重访一次。而地球静止卫星如GOES东每10分钟扫描整个半球，但并非为CO2监测设计。ERA开发的模型结合GOES东16个波段数据、低对流层气象参数、太阳角度和年积日，在OCO-2/OCO-3稀疏观测上训练后，可每10分钟估算全球柱平均CO2浓度。在国际温室气体卫星测量研讨会上展示的研究表明，该模型以前所未有的时空分辨率追踪CO2。与OCO-2多年独立数据及地面总碳柱观测网络的对比确认了模型捕捉真实CO2变率的能力。这展示AI如何从现有观测仪器中提取额外价值，尤其适用于资源密集型卫星任务。

在神经科学中，ERA被用于揭示斑马鱼的神经回路机制。斑马鱼是对光照条纹变化产生本能反应的模式生物。研究人员向ERA提供了simZFish模拟器的接线图（揭示细胞连接但省略数学规则），ERA据此提出了连接刺激、神经活动和运动反应的回路。测试表明，这些回路不是统计捷径，而是可泛化的准确神经机制。该工作建立在预印本中ERA在ZAPBench基准上预测七万多个神经元活动并超越基线方法的结果之上。ERA结合结构信息发现了可解释的机制性解决方案，为理解活体大脑中的科学挑战提供了蓝图。

这些项目展示了ERA等LLM支持的系统在解决开放问题、民主化计算模型、最大化现有数据效用方面的潜力。谷歌团队对ERA及co-scientist、PAT等工具的进展充满期待。