実証的研究支援：AI駆動型コーディングによる科学的発見の加速
実証的研究支援：AI駆動型コーディングによる科学的発見の加速
科学的発見の速度と範囲は、計算実験の記述、テスト、および洗練という、退屈で反復的なプロセスによってボトルネックとなることがよくあります。これに対処するため、GoogleはGeminiを活用し、科学コードの最適化を自動化するシステム、Empirical Research Assistance (ERA) を導入しました。最近 Nature 誌に掲載された論文で詳細が述べられたERAは、AIが単にコードの記述を支援するだけでなく、特定の科学的目的を達成するために能動的に最適化を行う「計算による発見（Computational Discovery）」への転換を象徴しています。
ERAの仕組み：単純なコード生成を超えて
プロンプトに基づいて単一の提案を行う標準的なAIコーディングアシスタントとは異なり、ERAは科学研究の実証的な性質に合わせて設計されています。科学的な問題と定義された成功の指標が与えられると、ERAは以下のステップを実行します：
- 文献調査: 関連する手法や技術を特定するために、科学文献をスキャンします。
- コード合成: 問題に対処するための初期の計算コードを記述します。
- 反復的な探索: ツリー探索アプローチを使用して、ERAは数千もの潜在的な選択肢を検討し、異なる技術を組み合わせ、さまざまな解決策を探索します。
- 評価と最適化: 目標に対して結果を継続的に評価し、最適な状態に達するまでコードを洗練させます。
このループにより、ERAは単純なパターンマッチングを超え、人間の研究者がこれまで見落としていたかもしれない専門家レベルの計算モデルを発見することが可能になります。
分野を横断した専門家レベルのパフォーマンス
ERAの能力を検証するため、Googleは、ゲノミクス、公衆衛生、衛星画像分析、神経科学予測、時系列予測、および数学を含む、多様なベンチマークを通じてシステムをテストしました。結果は、ERAがこれらすべてのドメインにおいて専門家レベルのパフォーマンスを達成していることを示しており、プログラミングの専門家ではない科学者にとっても、高度な計算モデリングの民主化を示唆しています。
実社会における科学的応用
GoogleはERAをいくつかの未解決の科学的問いに適用し、その即時的な影響を示す一連の原稿を作成しました：
公衆衛生と環境
- 疫学予測: ERAは、米国におけるインフルエンザ、COVID-19、およびRSVの入院患者数を予測するために使用されました。その結果得られた予測は、一貫してCDCのリーダーボードのトップまたはトップ付近にランクインしました。
- カリフォルニアの水管理: ERAは、カリフォルニアの雪解け水による河川流域における季節的な流出量を予測するモデルを開発しました。このモデルは、州の公式な季節的な水供給見通し（Bulletin 120）を上回り、重要な資源に対するより正確な早期予測を提供しました。
- 大気中のCO2マッピング: 静止気象衛星のデータを利用することで、ERAは、前例のない解像度でCO2濃度をマッピングするモデルを作成しました。これにより、人間による都市部の強化と植物の自然な吸収サイクルを捉えることができます。
エンジニアリングと経済学
- 太陽エネルギーの最適化: Google Antigravityとの協力により、ERAはソーラーパネルのトポグラフィーを最適化しました。それは、後方への遮蔽なしに散乱放射を捉えることでエネルギー回収を最大化する「500-triangle volumetric fan」デザインを発見しました。
- 小売予測: ERAは、その能力をママクロ経済的な小売売上高予測に適用し、Chicago FedのCARTS月次小売予測およびその他の商業的なコンセンサス予測の精度に匹敵するか、あるいはそれを上回りました。
計算による発見への道
ERAは現在、Gemini for Science イニシアチブの下でのより広範なツールスイートの基礎となるコンポーネントです。それは、以下のような他の実験的なツールと共に機能します：
- Computational Discovery: ERAとAlphaEvolveを使用して、計算モデルの発見を自動化するツール。
- Hypothesis Generation: AI Co-Scientistによって駆動される、このツールは、新しい仮説を提案することで科学的手法の初期段階を支援します。
- Literature Insights: 既存の科学的知識の統合を効率化するために設計されたツール。
これらのツールを統合することで、Googleは、文献の読解から仮説の生成、そしてそれらを証明するために必要な実証的なコードの記述と最適化に至るまで、科学的手法のさまざまな段階をサポートすることを目指しています。