Google 研究科學家使用經驗研究輔助工具（ERA）的四種方式

Google Research 科學家使用實證研究輔助（ERA）的四種方式

2026 年 4 月 29 日

Google Research 科學團隊

自從去年秋天推出實證研究輔助（Empirical Research Assistance，簡稱 ERA）以來，Google Research 的科學家們一直利用它來解決流行病學、宇宙學、大氣監測和神經科學領域的現實應用問題，展現了人工智慧在加速科學發現方面的轉型潛力。

快速連結

人工智慧推動科學發現的能力每週都在增長，其成果不僅有望實現突破性發現，還將改變科學研究的方式。去年 9 月，我們發布了一篇預印本論文，介紹了實證研究輔助（ERA），旨在幫助科學家生成專家級的實證軟體。這包括針對從細胞生物學到神經科學等領域的六個多樣且具挑戰性的基準問題所提出的創新解決方案。

從那時起，Google 的科學家和我們的學術合作夥伴一直在開發和使用 ERA，以測試其能力並探索潛在應用。這些努力已超越了概念驗證測試，進入了流行病學、地理空間分析等現實場景，揭示了人工智慧如何使計算建模的力量普及化、尋找未解問題的答案、從現有數據集中挖掘更深層的見解，並超越黑箱建模，發現具備可解釋性且機制準確的解決方案。

看到 Google 研究科學家、客座教職研究員和學術合作夥伴在實驗 ERA 時展現出的熱情，令人深受啟發。隨著這些功能的不斷擴展，並即將更廣泛地應用於支持造福全球的 AI 輔助科學發現，我們感到非常興奮。

公共衛生：流感、COVID-19 和 RSV 的住院預測

在預印本論文中，作者使用 ERA 預測了美國 COVID-19 的住院情況，結果顯示它在回溯性測試中能夠達到或超越美國疾病管制與預防中心（CDC）及領先研究機構現有工具的表現。作為後續行動，團隊現在已將範圍擴大，不僅為 COVID 生成預測，還針對流感和呼吸道融合病毒（RSV）生成預測，並每週即時提交前瞻性預測。

當 CDC 長期運行的流感預測挑戰賽於 11 月開啟 2025-26 季度時，Google 開始為美國每個州以及所有時間跨度（最長達未來四週）提交每週預測。去年年底，Google 還加入了 CDC 全年運行的州級 COVID-19 住院即時預測，以及 CDC 最近啟動的 RSV 預測中心。由麻薩諸塞大學阿默斯特分校生物統計學教授、本項目顧問 Nicholas Reich 運行的流感和 COVID-19 公開排行榜顯示，在提交預測期間，Google 的表現一直處於兩個排行榜的頂端或接近頂端（見圖表）。雖然 RSV 尚無公開排行榜，但內部分析顯示了同樣強勁的表現。

一個能夠達到或超過領先公共衛生機構預測準確度的 AI 驅動工具，對於追蹤新疾病和更廣泛的地區具有巨大的公共衛生效益，使更多感染類型和地理區域的流行病學計算建模變得普及。

左圖：圖表顯示了 Google 從 2025 年 11 月開始對加州流感、COVID-19 和 RSV 住院情況的預測。黑線代表實際住院人數。右圖：預測根據其加權區間評分（Weighted Interval Score，一種衡量預測準確度的指標，基於對數轉換後的觀測值計算）進行排名。Google 的預測以粉紅色顯示。CDC 開發的預測以黑條顯示，其他研究小組為灰色。

宇宙學：宇宙弦與引力能量輻射

宇宙弦是時空結構中的理論缺陷，被認為形成於早期宇宙，並預計會發射引力輻射。計算這種發射能量的光譜是一個未解之謎，主要是因為控制方程包含奇點——即數值趨於無窮大且傳統模型失效的數學點。去年秋天，一篇論文使用 OpenAI 的 GPT-5 找到了宇宙弦輻射引力能量的部分解，但僅限於角度 α = π/2（即 90 度）的正方形環路這一最簡單情況。一個統一的精確解——即能完美解決該積分的單一、完整的數學公式——仍然是一個懸而未決的問題。

為了應對這一挑戰，我們將 ERA 與 Gemini Deep Think 相結合。通過系統地探索能夠處理這些奇點的數學技術，我們成功推導出了六個通解以及一個簡潔的漸近極限公式，並於 3 月份分享了這些成果。這說明了將 ERA 與先進的大型語言模型（LLM）配對，在解鎖宇宙學前沿精確、創新解決方案方面的強大潛力。

膨脹宇宙中宇宙弦的電腦模擬。右下角的數字（例如 0.3654）是哈伯半徑，即觀測宇宙的大小。白色的弦比觀測宇宙還要長。紅色和黃色的環路（如右上角所示）是可能從弦上脫離、振盪、合併並坍縮的特徵，釋放出應可被觀測到的引力能量。來源：Chris Ringeval

氣候與永續發展：利用氣象衛星監測二氧化碳

二氧化碳（CO2）的定期觀測始於 1950 年代後期的夏威夷茂納羅亞天文台，產生了記錄地球大氣中全球 CO2 濃度上升的標誌性基林曲線（Keeling Curve）。繪製人類溫室氣體排放圖並了解植物、樹木、土壤和海洋如何吸收這些排放，需要我們追蹤 CO2 隨地區和時間的變化。目前的太空 CO2 感測器，如 NASA 的軌道碳觀測站 2 號（OCO-2），旨在進行高精度觀測，但它們僅能繪製地球表面極小部分的圖，且每 16 天才回到同一個位置一次。地球同步衛星，如旨在支持天氣預報的 GOES East 衛星，在更高的軌道運行，每 10 分鐘即可掃描整個半球。然而，現有的地球同步衛星都不是為了繪製 CO2 圖而設計的。

Google 研究人員使用 ERA 開發了一個單像素、物理引導的神經網絡，從現有的 GOES East 觀測中提取柱平均 CO2 信號。為此，該模型結合了來自 GOES-East 的 16 個波段數據與低層對流層氣象、太陽角度和一年中的日期。在對來自 OCO-2 和 OCO-3 的稀疏觀測數據進行訓練後，該模型能夠每 10 分鐘推導出各地柱平均 CO2 的估計值。

在國際太空溫室氣體測量研討會上分享的研究顯示，這款 AI 開發的模型能夠利用 GOES East 觀測的高空間和時間密度，以空前的空間和時間解析度追蹤柱平均 CO2。與來自額外年份 OCO-2 觀測數據以及地面總柱碳觀測網絡的獨立數據進行對比，證實了該模型捕捉真實 CO2 變化的能力。

這些結果展示了 AI 算法如何從現有的觀測儀器中提取額外價值，特別是對於資源密集型的衛星研究任務。該項目是 Google 研究人員使用 ERA 探索的與氣候和溫室氣體相關的多個問題之一。

2024 年 10 月 18 日洛杉磯地區的上空大氣 CO2 濃度，分別由 GOES-East（左）和軌道碳觀測站 2 號（右）觀測。左側由 AI 開發的模型獲取 GOES-East 氣象衛星數據，並結合其他信息，每 10 分鐘估計所有位置的柱平均 CO2 濃度，以揭示城市 CO2 排放的空間模式。右側面板顯示了當天可用的有限 OCO-2 觀測數據。

神經科學：發現神經迴路的機制

雖然我們現在可以繪製活體大腦中數以萬計的神經元圖譜，但理清功能迴路是下一步。Google 研究人員使用 ERA 在真實和模擬的斑馬魚中應對這一挑戰。斑馬魚是研究脊椎動物如何檢測刺激、處理信息和做出反應的常用模型生物。在自然環境中，光線穿過水面的波紋會在海床或河床形成明暗相間的條紋圖案。斑馬魚進化出本能反應來應對這些條紋的變化，以便留在淺水區並避免被沖走。

在一項新研究中，我們觀察了斑馬魚對應這種環境刺激的神經迴路。我們向 ERA 提供了 simZFish（一個簡化的斑馬魚身體和大腦模擬器）的佈線圖。在這些信息的引導下（揭示了存在哪些細胞連接，但省略了控制它們的數學規則），ERA 能夠提出將刺激連接到神經活動再到運動反應的迴路。針對新的視覺刺激測試這些 AI 假設的迴路顯示，它們不僅僅是統計捷徑，而是可以推廣到其他類似情況的準確神經機制。

a：模擬斑馬魚對條紋做出反應的實驗。b：ERA 迭代構建並測試模型，以發現底層神經迴路。c：有效連接矩陣的比較，顯示神經元如何相互影響（藍色 = 抑制性，紅色 = 興奮性）。右側面板將模擬的實際機制與在有和沒有結構信息的情況下構建的 AI 模型進行比較，證明引導式搜索成功恢復了地面真值（ground truth）。

這建立在預印本論文的結果之上，該論文顯示 AI 開發的模型在預測 Zebrafish Activity Prediction Benchmark (ZAPBench) 中捕獲的 70,000 多個神經元的活動方面，優於基準方法。ZAPBench 是一個來自模擬典型環境刺激實驗的神經活動數據集。

雖然 ZAPBench 證明了 ERA 尋找最先進預測方案的能力，但模擬環境揭示了它如何超越黑箱建模。配備了結構信息的 ERA 發現了具備可解釋性且機制準確的解決方案，為解決活體大腦中的科學重大挑戰提供了強大的藍圖。

結論：AI 輔助科學

這四個項目是越來越多結果中的一部分，展示了以 LLM 為支持的系統如何推動科學進步並加速發現步伐。這些例子代表了多個領域以及多種類型的問題，從理論數學到數據預測，再到分析來自觀測儀器和模擬輸出的數據。它們還展示了 AI 賦能的科學在解決開放性問題、普及計算建模以及最大化現有觀測數據效用方面的潛力。我們對 ERA 和其他 Google 工具（包括 co-scientist 和 PAT）所開啟的進展感到興奮，這些工具旨在加速科學發現。

致謝

我們要感謝開發 ERA 的合作夥伴，以及所有早期採用的科學家。流行病學預測工作由 Zahra Shamsi、Sarah Martinson、Nicholas Reich、Martyna Plomecka 和 Brian Williams 領導。宇宙學論文由 Michael Brenner、Vincent Cohen-Addad 和 David Woodruff 撰寫。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 領導。神經迴路論文由 Jan-Matthis Lückmann、Viren Jain 和 Michał Januszewski 撰寫。我們還要感謝來自 John Platt、Michael Brenner、Lizzie Dorfman、Vip Gupta、Alison Lentz、Erica Brand、Katherine Chou、Ronit Levavi Morad、Yossi Matias 和 James Manyika 的領導支持。

快速連結

其他感興趣的文章

2026 年 4 月 22 日

2026 年 4 月 21 日

2026 年 4 月 16 日