谷歌研究科學家使用實證研究輔助的四種方式

自2025年秋季，谷歌研究團隊釋出了實證研究輔助（ERA）的預印本，旨在幫助科學家生成專家級的實證軟體。此後，谷歌科學家和學術合作者將ERA應用於多個現實世界問題，展示了AI加速科學發現的變革潛力。以下四個領域的具體應用充分體現了其能力。

在公共衛生領域，ERA被用於預測美國流感、COVID-19和RSV的住院人數。研究團隊最初在預印本中使用ERA回顧性預測COVID-19住院人數，結果顯示其準確性達到或超過了美國疾病控制與預防中心（CDC）及其他頂級研究機構的工具。隨後，團隊將預測範圍擴充套件至流感和RSV，並每週提交即時預測。在CDC的2025-26流感預測挑戰中，谷歌從11月起每週提交各州未來四周的住院預測。同時，谷歌也加入了CDC的COVID-19年度即時預測和RSV預測中心。由馬薩諸塞大學阿默斯特分校生物統計學教授Nicholas Reich管理的公共排行榜顯示，谷歌在流感和COVID-19預測中均名列前茅。儘管RSV沒有公開排行榜，但內部分析顯示同樣出色的表現。AI工具在預測準確性上與領先公共衛生機構相當甚至更優，可民主化流行病學計算模型的應用，惠及更廣泛的地區和疾病。

在宇宙學方面，ERA與Gemini Deep Think結合，解決了宇宙弦引力輻射的未解問題。宇宙弦是時空結構中的理論性缺陷，被認為形成於早期宇宙，且會發射引力輻射。計算其能譜是一個難題，因為方程包含奇點（數學上值趨於無窮的點）。此前有研究利用OpenAI的GPT-5找到了方形環（α=π/2）的部分解，但通用解仍是開放問題。透過ERA系統性地探索處理奇點的數學技巧，團隊成功推匯出六個通用解和一個漸近極限的簡潔公式。這體現了ERA與先進大語言模型結合在理論前沿解鎖精確新解的潛力。

在氣候與可持續性領域，谷歌研究人員利用ERA開發了一個基於物理引導的神經網路，從GOES東氣象衛星資料中提取二氧化碳濃度訊號。當前星載CO2感測器如NASA的OCO-2精度高，但僅覆蓋地表一小部分，每16天重訪一次。而地球靜止衛星如GOES東每10分鐘掃描整個半球，但並非為CO2監測設計。ERA開發的模型結合GOES東16個波段資料、低對流層氣象引數、太陽角度和年積日，在OCO-2/OCO-3稀疏觀測上訓練後，可每10分鐘估算全球柱平均CO2濃度。在國際溫室氣體衛星測量研討會上展示的研究表明，該模型以前所未有的時空解析度追蹤CO2。與OCO-2多年獨立資料及地面總碳柱觀測網路的對比確認了模型捕捉真實CO2變率的能力。這展示AI如何從現有觀測儀器中提取額外價值，尤其適用於資源密集型衛星任務。

在神經科學中，ERA被用於揭示斑馬魚的神經迴路機制。斑馬魚是對光照條紋變化產生本能反應的模式生物。研究人員向ERA提供了simZFish模擬器的接線圖（揭示細胞連線但省略數學規則），ERA據此提出了連線刺激、神經活動和運動反應的迴路。測試表明，這些迴路不是統計捷徑，而是可泛化的準確神經機制。該工作建立在預印本中ERA在ZAPBench基準上預測七萬多個神經元活動並超越基線方法的結果之上。ERA結合結構資訊發現了可解釋的機制性解決方案，為理解活體大腦中的科學挑戰提供了藍圖。

這些專案展示了ERA等LLM支援的系統在解決開放問題、民主化計算模型、最大化現有資料效用方面的潛力。谷歌團隊對ERA及co-scientist、PAT等工具的進展充滿期待。