Empirical Research Assistance (ERA) : de la publication dans Nature au catalyseur de la découverte computationnelle

L'un des plus grands avantages potentiels de l'IA pour l'humanité est d'augmenter la vitesse et la portée de la découverte scientifique. Empirical Research Assistance (ERA), un outil de recherche développé par Google qui utilise Gemini pour écrire et optimiser du code scientifique, s'attaque à l'un des aspects les plus chronophages de la recherche scientifique : tester et affiner de manière itérative les expériences computationnelles. Il est décrit dans « AI system designed to help scientists write expert-level empirical software », publié aujourd'hui dans la revue Nature.

Dans le cadre de nos annonces scientifiques plus larges à I/O aujourd'hui, nous rendons également cette technologie accessible sous la forme d'un outil qui peut commencer à aider les scientifiques du monde entier. ERA est l'un des systèmes utilisés pour concevoir Computational Discovery, un nouvel outil expérimental qui commence à être déployé plus largement aujourd'hui via Gemini for Science.

Présentation d'ERA comme un outil polyvalent pour le codage scientifique

Nous avons présenté pour la première fois la conception et les performances d'ERA à l'automne, lors de la prépublication. À partir d'un problème scientifique et d'une mesure de réussite, ERA peut explorer la littérature scientifique, écrire du code, explorer des solutions, combiner des techniques et évaluer les résultats. ERA examine des milliers d'options en utilisant une approche de recherche arborescente pour optimiser son code de sortie par rapport à l'objectif fixé.

Notre publication dans Nature décrit le test d'ERA sur des problèmes de référence couvrant une variété de disciplines : génomique, santé publique, analyse d'images satellite, prédiction en neurosciences, évaluation comparative globale de prévision de séries chronologiques et mathématiques. Les résultats montrent qu'ERA atteint des performances de niveau expert sur l'ensemble de ces benchmarks, démocratisant potentiellement l'accès futur à la modélisation computationnelle de niveau expert et élargissant les capacités des experts actuels.

Application d'ERA à des questions scientifiques ouvertes

Au cours des six derniers mois, les chercheurs de Google Research et nos collaborateurs ont pu expérimenter ERA de façon active. Fin avril, nous avons partagé quatre exemples de projets sur lesquels nous avons travaillé en utilisant ERA pour étudier des problèmes scientifiques ouverts actuels.

Nous disposons désormais d'un total de huit manuscrits qui appliquent ERA à des problèmes scientifiques spécifiques, incluant les cinq articles nouvellement publiés décrits ci-dessous. Dans leur ensemble, ces résultats montrent comment ERA peut contribuer à faire progresser plusieurs domaines avec un impact scientifique immédiat et un bénéfice public direct.

• Des scientifiques et collaborateurs de Google ont publié une analyse de leur travail utilisant ERA pour la prévision épidémiologique, prédisant les hospitalisations aux États-Unis au niveau des États jusqu'à quatre semaines à l'avance pour la grippe, la COVID-19 et le VRS. Les prévisions d'ERA se classent systématiquement au premier rang ou près du sommet des classements publics des Centers for Disease Control (CDC) pour ces trois virus respiratoires, et emploient des techniques qui peuvent être facilement reproduites pour d'autres pays et maladies.

• Nous avons utilisé ERA pour créer un modèle de prévision du ruissellement saisonnier dans les bassins versants alimentés par la neige en Californie — une ressource vitale pour la population et le secteur agricole de l'État. Le modèle obtenu produit des prédictions précoces du ruissellement printanier nettement plus précises que le Bulletin 120 (B120), les prévisions officielles de l'État sur l'approvisionnement en eau saisonnier, permettant potentiellement de mieux gérer cette ressource rare.
• Nous avons partagé de nouveaux résultats qui utilisent ERA pour cartographier la concentration de dioxyde de carbone (CO2) atmosphérique avec une résolution spatiale et temporelle sans précédent en utilisant les données d'un satellite météorologique géostationnaire. Le modèle développé par ERA capture les variations de concentration de CO2 résultant des activités humaines, y compris les augmentations urbaines distinctes. Les estimations dérivées du modèle montrent également comment les cultures et autres plantes absorbent le CO2 au fur et à mesure de leur croissance, entraînant une baisse de la concentration en journée, ainsi que la manière dont d'autres cycles naturels et humains se manifestent dans l'atmosphère. Ces estimations d'IA permettront de modéliser, surveiller et comprendre les variations spatiales et temporelles du CO2, un gaz à effet de serre critique.

• Nous avons exploré la maximisation de l'énergie solaire en 3D en utilisant ERA et Google Antigravity afin d'optimiser la captation d'énergie solaire de différentes topographies de panneaux, à titre de cas d'étude sur la combinaison de ces deux systèmes. ERA a découvert qu'un éventail volumétrique à 500 triangles permettait de piéger le rayonnement solaire diffusé avec un ombrage arrière nul, maximisant ainsi la captation d'énergie dans la conception potentielle d'un futur dispositif d'énergie solaire.
• Nous avons également appliqué ERA à la prévision des ventes au détail — la branche de l'économie qui veille à ce que les clients accèdent à ce dont ils ont besoin, que les entreprises puissent fonctionner efficacement, que le gaspillage soit minimisé et que les gouvernements puissent optimiser leur politique économique. En utilisant des données d'entrée largement accessibles comme les indicateurs économiques américains, les données Google Trends, les tendances historiques et le sentiment des consommateurs, le modèle élaboré par ERA a pu égaler ou dépasser à la fois une estimation de consensus disponible dans le commerce et les prévisions mensuelles des ventes au détail du Chicago Fed Advance Retail Trade Summary (CARTS).

Présentation de Computational Discovery, conçu avec ERA et AlphaEvolve

Aujourd'hui, Google commence à ouvrir progressivement l'accès à Computational Discovery, conçu avec AlphaEvolve et ERA. Nous sommes ravis d'entrer dans cette nouvelle ère de découverte scientifique permise par des outils computationnels basés sur l'IA, et de poursuivre leur développement aux côtés de l'ensemble de la communauté.

Une autre des expériences de Gemini for Science nouvellement lancées est Hypothesis Generation, conçu avec AI Co-Scientist, également décrit dans un article publié aujourd'hui dans Nature. Hypothesis Generation et Computational Discovery, ainsi que le nouvel outil expérimental Literature Insights, sont complémentaires dans leur soutien aux différentes étapes de la méthode scientifique. Rendez-vous sur labs.google/science pour manifester votre intérêt.

Remerciements

Nous aimerions remercier nos collaborateurs, figurant sur la liste des auteurs, qui ont aidé à créer ERA, ainsi que tous les scientifiques qui comptent parmi les premiers utilisateurs. Le développement des algorithmes sous-jacents à ERA a été dirigé par Eser Aygun, Gheorghe Comanici et Shibl Mourad. Les travaux de prévision épidémiologique sont dirigés par Zahra Shamsi, Sarah Martinson, Nicholas Reich, Martyna Plomecka et Brian Williams. La recherche sur la surveillance du dioxyde de carbone est dirigée par Aarón Sonabend-W, Sean Campbell, Renee Johnston, Vishal Batchu, Carl Elkin, Christopher Van Arsdale, John Platt et Anna Michalak. L'article sur la prévision du ruissellement est rédigé par Ignacio Lopez-Gomez, Michael Brenner et Tapio Schneider. Le manuscrit sur l'ingénierie de l'énergie solaire est rédigé par Michael Brenner, Lizzie Dorfman et John Platt. La recherche sur la prévision macroéconomique des ventes au détail est dirigée par Michael Brenner, Qian-Ze Zhu, Zahra Shamsi, Mette Nielsen et Paul Raccuglia. Nous sommes reconnaissants envers John Platt, Michael Brenner, Shibl Mourad, Lizzie Dorfman, Vip Gupta, Zoubin Ghahramani, Alison Lentz, Erica Brand, Katherine Chou, Ronit Levavi Morad, Yossi Matias et James Manyika pour leur soutien au niveau de la direction.