经验研究助手（ERA）：从Nature发表到催化计算发现
谷歌把AI科学编码工具ERA发到了Nature，顺便在Google Labs推出了计算发现实验版，流行病预测和碳追踪的案例很扎实，科研圈的开发者和产品人可以关注下实际进展。
Google Research开发的经验研究助手（ERA）现已在《Nature》期刊发表论文。这是一款基于Gemini的AI工具，旨在协助科学家编写专业级经验科学代码，其核心能力包括搜索文献、生成代码、探索方案并迭代优化，以加速耗时的计算实验过程。该工具已被用于构建“计算发现”原型，并已通过Google Labs的“可信赖测试者计划”向更广泛的科学家群体开放初步试用。
经验研究助手（ERA）：从《自然》发表到催化计算发现
跳转到主要内容
探索我们的众多重点领域
查看所有研究领域
应用AI与科学
地球AI 健康AI 科学AI 可持续性与危机韧性
基础机器学习与算法
算法与理论 信息检索 机器智能 机器感知 自然语言处理
人员、系统与量子AI
人机交互与可视化 网络 量子AI 负责任AI 反滥用 软件工程 软件系统
了解更多
出版物 项目
构建协作生态系统
数据集 获取高质量数据集，加速你的研究。 工具与服务 探索我们最新的AI模型与产品。
开源 发现开源代码，与社区协作。
共同塑造未来
查看所有项目
教师项目 通过与大学教师的有意义互动，参与学术研究社区。 学生项目 通过广泛的编程支持下一代研究者。
工作地点 在我们的全球办公室和实验室中找到你的位置。
将发现转化为实际影响
人员 我们的研究者通过基础与应用研究推动计算机科学的进步。
团队 协作小组共同应对世界上最具挑战性的AI问题。
研究
探索我们的众多重点领域
查看所有研究领域
应用AI与科学
地球AI 健康AI 科学AI 可持续性与危机韧性
基础机器学习与算法
算法与理论 信息检索 机器智能 机器感知 自然语言处理
人员、系统与量子AI
人机交互与可视化 网络 量子AI 负责任AI 反滥用 软件工程 软件系统
了解更多
出版物 项目
资源
构建协作生态系统
数据集 获取高质量数据集，加速你的研究。 工具与服务 探索我们最新的AI模型与产品。 开源 发现开源代码，与社区协作。
会议与活动
职业机会
共同塑造未来
查看所有项目
教师项目：通过与大学教师进行有意义的互动，参与学术研究社区。 学生项目：通过广泛的计划安排支持下一代研究人员。 工作地点：在遍布全球的办公室和研究实验室中找到你的位置。
博客
关于 将发现转化为现实世界的影响
人员：我们的研究人员通过基础研究和应用研究推动计算机科学的进步。 团队：致力于解决世界上最富挑战性AI问题的协作团队。
Google Research
Google AI 了解我们所有的AIGoogle DeepMind 探索AI前沿Google Labs 尝试我们的AI实验
研究
资源
会议与活动
职业生涯
博客
关于
搜索
1. 首页 2. 博客
经验研究辅助 (ERA)：从《自然》杂志发表到催化计算发现
2026年5月19日
Lizzie Dorfman，产品经理，以及 Michael Brenner，研究科学家，Google Research
今天发表于《自然》杂志的"经验研究辅助"（ERA）是一个用于专家级科学编程的AI工具，它帮助构建了"计算发现"（Computational Discovery）原型，现已通过Google Labs的受信测试者计划开放使用。
快速链接 《自然》论文 GitHub代码 ERA介绍博文 ERA应用博文 Gemini for Science 流行病学 CO2映射%20(1).pdf) 积雪径流 太阳能电池设计 宇宙学 神经科学
分享 [](https://twitter.com/intent/tweet?text=https%3A//research.google/blog/empirical-research-assistance-era-from-nature-publication-to-catalyzing-computational-discovery/ "在 Twitter 上分享") [](https://www.facebook.com/sharer/sharer.php?u=https%3A//research.google/blog/empirical-research-assistance-era-from-nature-publication-to-catalyzing-computational-discovery/ "在 Facebook 上分享") [](https://www.linkedin.com/shareArticle?url=https%3A//research.google/blog/empirical-research-assistance-era-from-nature-publication-to-catalyzing-computational-discovery/&mini=true "在 LinkedIn 上分享") [](mailto:name@example.com?subject=Check%20out%20this%20site&body=Check%20out%20https%3A//research.google/blog/empirical-research-assistance-era-from-nature-publication-to-catalyzing-computational-discovery/ "通过邮件发送") 复制链接 ×
人工智能对人类最巨大的潜在益处之一，就是加速并拓展科学发现的速度与范围。实证研究助手（ERA）是谷歌开发的一款研究工具，它利用 Gemini 来编写和优化科学代码，旨在解决科学研究中最耗时的环节之一：对计算实验进行迭代测试与优化。该工具在今日发表于《自然》期刊的一篇论文《旨在帮助科学家编写专家级实证软件的人工智能系统》中进行了详细描述。
作为我们在今日 I/O 大会上发布的更广泛科学公告的一部分，我们还将这项技术作为一款能够开始帮助世界各地科学家的工具进行开放。ERA 是用于构建“计算发现”（Computational Discovery）的系统之一，后者是一款新的实验性工具，今日起将通过“面向科学的 Gemini”（Gemini for Science）开始更广泛地推出。
**将 ERA 作为一款用于科学编程的多功能工具进行介绍**
我们早在去年秋季预印本发布时，就首次分享了 ERA 的设计与性能。给定一个科学问题和一个成功衡量标准，ERA 能够搜索科学文献、编写代码、探索解决方案、组合多种技术并评估结果。ERA 会考虑数千种选项，采用树搜索方法，根据给定的目标对其输出的代码进行优化。
我们在《自然》期刊上发表的论文描述了 ERA 在跨越多个学科的基准问题上的测试情况：基因组学、公共卫生、卫星图像分析、神经科学预测、一个通用时间序列预测基准，以及数学。结果显示，ERA 在所有基准测试中都达到了专家级性能，这有可能使未来的专家级计算建模变得更普及，并拓展当前专家们的能力边界。
**将 ERA 应用于开放的科学问题**
在过去六个月中，谷歌研究科学家及我们的合作者一直在积极尝试 ERA。今年四月底，我们分享了四个已完成项目的示例，这些项目利用 ERA 来研究当前科学领域中的开放性问题。
我们现在总共有八篇论文将ERA应用于具体的科学问题，包括下面描述的五篇新发表的论文。总体而言，这些结果展示了ERA如何能够在一些具有直接科学影响和公共利益的领域推动进展。
Google的科学家与合作者发表了一项分析，利用ERA进行流行病学预测，提前最多四周预测美国州一级的流感、COVID-19和呼吸道合胞病毒住院人数。针对这三种呼吸道病毒，ERA的预测在美国疾病控制与预防中心（CDC）的公开排行榜上始终位居榜首或前列，并且所使用的技术可以轻松复用于其他国家和其他疾病。
**左图**：Google对加利福尼亚州全州流感、COVID-19和RSV的周度住院人数预测，从各自预测起始时间到五月底。黑色线条表示实际观测到的住院人数。**右图**：不同模型的排名显示，Google的预测（**蓝色**）在这三种呼吸道病毒的季节性平均准确率上表现最佳。CDC的集成预测（条纹柱）的相对加权区间分数（Weighted Interval Score）设为1。其他研究团队的预测以实心红色柱表示（仅显示表现最佳的模型）。
我们利用ERA创建了一个关于加利福尼亚州积雪补给河流流域季节性径流的预测模型——该资源对该州人口和农业部门至关重要。由此产生的模型在春季径流的早期预测上显著比该州官方季节性水资源展望——第120号公报（B120）更为准确，有望改进对这一稀缺资源的管理。
我们分享了新的结果，利用ERA以空前的空间和时间分辨率，基于一颗静止气象卫星的数据绘制大气二氧化碳（CO2）浓度图。由ERA开发的模型捕捉到了人类活动导致的CO2浓度变化，包括显著的城市增强效应。该模型估算结果还展示了农作物及其他植物在生长过程中如何吸收CO2，导致白天CO2浓度下降，以及其他自然和人为周期在大气中的表现。这些AI估算结果将有助于模拟、监测和理解关键温室气体CO2在空间和时间上的变化。
_Atmospheric CO_ _2_ _concentration over southern California on Oct. 18, 2024. The Orbiting Carbon Observatory-2 satellite takes detailed measurements along a single path (_**_left_**_), returning to each location every 16 days. ERA takes GOES-East weather satellite data and combines it with other information (_**_right_**_) to estimate CO2 concentration every 10 minutes, everywhere. These estimates clearly show the pattern of urban emissions from the Los Angeles basin. Such detailed maps can help to model, monitor and predict how this critical greenhouse gas varies over space and time._
2024 年 10 月 18 日南加州上空的大气 CO₂ 浓度。轨道碳观测者 2 号卫星沿单一轨道（**左图**）进行详细测量，每 16 天返回每个位置一次。ERA 利用 GOES-EAST 气象卫星数据，并结合其他信息（**右图**），每 10 分钟估算一次全球各处的 CO₂ 浓度。这些估算结果清晰显示了洛杉矶盆地的城市排放模式。如此精细的图景有助于模拟、监测和预测这一关键温室气体在时空上的变化。
We explored 3D solar energy maximization using ERA and Google Antigravity to optimize the solar energy capture of different panel topographies, as a case study in how to combine these two systems. ERA found that a 500-triangle volumetric fan was able to trap scattered solar radiation with zero backward shading, maximizing the energy capture in a potential design for a future solar energy device.
我们利用 ERA 和 Google Antigravity 探索了三维太阳能最大化问题，以优化不同面板地形的太阳能捕获能力，作为如何结合这两个系统的案例研究。ERA 发现，一个由 500 个三角形构成的体扇可以捕获散射太阳辐射，且无反向遮挡，从而在未来太阳能装置的可能设计中实现能量捕获最大化。
We also applied ERA to the task of retail forecasting — the branch of economics that ensures customers access what they need, businesses can operate efficiently, waste is minimized, and governments can optimize economic policy. Using widely available inputs such as U.S. economic indicators, Google Trends data, historical patterns and consumer sentiment, the ERA-devised model was able to meet or exceed both a commercially available consensus estimate and the Chicago Fed Advance Retail Trade Summary (CARTS) monthly retail forecast.
我们还将 ERA 应用于零售预测任务——这是经济学的一个分支，旨在确保客户获得所需商品、企业高效运营、浪费最小化，以及政府优化经济政策。利用美国经济指标、Google 趋势数据、历史模式和消费者情绪等广泛可得的输入，ERA 设计的模型能够达到或超过商业可用的一致预测以及芝加哥联邦储备银行提前零售贸易摘要（CARTS）的月度零售预测。
Introducing Computational Discovery, built with ERA and AlphaEvolve
推出基于 ERA 和 AlphaEvolve 构建的计算发现（Computational Discovery）
Today, Google will begin gradually opening access to Computational Discovery, built with AlphaEvolve and ERA. We are excited for this new era of scientific discovery enabled by AI-based computational tools, and to further develop them alongside the broader community.
今天，Google 将开始逐步开放基于 AlphaEvolve 和 ERA 构建的计算发现的访问权限。我们对这一由基于 AI 的计算工具所推动的科学发现新时代感到兴奋，并期待与更广泛的社区共同进一步开发它们。
Another of the newly launched Gemini for Science experiments is Hypothesis Generation, built with AI Co-Scientist, also described in a paper published today in _Nature_. Hypothesis Generation and Computational Discovery, as well as the new Literature Insights experimental tool, are complementary in their support of different stages of the scientific method. Visit labs.google/science to register your interest.
新推出的 Gemini for Science 实验还包括假设生成（Hypothesis Generation），它基于 AI Co-Scientist 构建，同样在今天发表在《自然》杂志上的一篇论文中进行了描述。假设生成和计算发现，以及新的文献洞察（Literature Insights）实验工具，在支持科学方法的不同阶段上互为补充。请访问 labs.google/science 登记您的兴趣。
Acknowledgements
致谢
我们要感谢作者列表中列出的合作者们，他们为创建 ERA 做出了贡献，也要感谢所有早期采用者中的科学家们。ERA 所依赖的算法开发由 Eser Aygun、Gheorghe Comanici 和 Shibl Mourad 领导。流行病学预测工作由 Zahra Shamsi、Sarah Martinson、Nicholas Reich、Martyna Plomecka 和 Brian Williams 领导。二氧化碳监测研究由 Aarón Sonabend-W、Sean Campbell、Renee Johnston、Vishal Batchu、Carl Elkin、Christopher Van Arsdale、John Platt 和 Anna Michalak 领导。关于径流预测的论文由 Ignacio Lopez-Gomez、Michael Brenner 和 Tapio Schneider 撰写。关于太阳能工程的手稿由 Michael Brenner、Lizzie Dorfman 和 John Platt 撰写。宏观经济学领域的研究……