夜雨聆风
【Nature】科研软件迎来“自动驾驶”:谷歌AI智能体跨界“通杀”生物信息与流行病预测
经验性软件作为科学计算的“基石”，一直被认为是推动科学发现进程的核心要素。然而，一个现实瓶颈长期困扰着学术界：高度定制化的领域专业软件往往需要科学家耗费数年心血手动编写，严重阻碍了假设验证与发现的速度。
来自谷歌DeepMind的研究团队在顶尖期刊《Nature》上发表了一项突破性成果，成功研发出名为“经验研究助手”（Empirical Research Assistance, 简称ERA）的人工智能系统 。该系统巧妙结合了大型语言模型（LLM）与树搜索（Tree Search）算法，能够像人类专家一样从海量文献中提取前沿想法，并自动化编写、优化科学代码 。这一成果不仅在单细胞生物学、流行病学预测等多个领域击败了目前最强的人类算法，更是将科学研究从“手工作坊”时代向“自动化工厂”时代推近了一大步。
（Aygün E, Belyaeva A, Comanici G, et al. An AI system to help scientists write expert-level empirical software[J]. Nature, 2026: 1-3.）
智能进化的基石：LLM与树搜索的完美闭环
为了解决复杂代码的自动化编写难题，研究人员并未采用传统的“单次生成”模式，而是将科学问题转化为一个“可评分任务” 。ERA系统的工作流极其精密：首先，系统接收任务描述与来自外部的科研想法，利用LLM在代码沙盒中生成初始解决方案，随后通过上置信界（UCB）树搜索算法在“利用高分代码”与“探索新代码”之间取得平衡，不断迭代出最佳解（见图1a）。
在Kaggle Playground的16项基准测试中，ERA系统的平均胜率呈现碾压态势：相比于单次采样或“1000次盲目生成最优（Best of 1000）”，结合了专家建议与决策树算法的ERA树搜索实现了断崖式领先（见图1b）。这套系统的“饲料”不仅包括人类专家的指导，还能自主摄取、总结顶刊论文摘要，甚至通过Gemini的Deep Research功能重组以往的成功理念（见图1c）。
降维打击：在单细胞测序（scRNA-seq）中精准去噪
单细胞RNA测序数据的整合面临着一个巨大的挑战：如何在成百上千万的细胞数据中，既消除实验室和批次带来的复杂噪声，又完美保留真实的生物学变异信号 ？这一“批次效应整合”任务的示意图清晰展示了蓝红两组异质性数据融合的难度（见图2a）。
ERA在OpenProblems v2.0.0基准测试中展现了惊人的统治力。相比于已发表的9种前沿基准方法，ERA独立编写并优化的代码在8项对比中均实现了全面超越（见图2b）。进一步剖析得分最高的BBKNN（TS）模型，突破性进展发生在其探索过程的第429个节点，系统创新性地将ComBat批次校正嵌入PCA降维中，使得算法得分出现了阶梯式暴涨（见图2c）。
为了证明ERA的举一反三能力，团队让系统自行组合不同的基线理念，结合AI科学家的探索，最终生成了40种打破现有排行榜人类最高纪录的全新方法（见图2d）。为了严谨起见，团队展示了这些基线方法与ERA三次重复实验的相对性能对比，树搜索的稳定性得到了有力印证（见Extended Data Fig. 1a, 1b）。
通过追踪BBKNN优化的完整树结构，可以直观看到代表高分的绿色节点如何在不断的尝试中破茧而出（见Extended Data Fig. 2a, 2b）。团队进行的消融实验进一步证实，ERA精准组合的标准化、ComBat+PCA以及BBKNN三个模块缺一不可，剥离任何一项都会导致得分显著下跌（见Extended Data Fig. 3）。在多达55对的成对重组实验中，超过44%的重组模型在共同测试指标上击败了所有“父辈”模型（见Extended Data Fig. 4）。专家团队甚至对ERA编写的代码进行了人工逐行审查，确证其不仅完美遵循了初始算法指令，还实现了创造性重构（见Extended Data Table 1）。
预测未来：全面超越CDC的新冠住院预测模型
如果说基因数据是静态的解谜，那么流行病学预测则是动态的博弈。美国疾病控制与预防中心（CDC）的CovidHub汇集了全美最顶尖的预测模型 。研究团队设计了严谨的滚动验证窗口，用前6周的数据持续指导未来3周的预测（见图3a）。
结果令人振奋：ERA生成的“Google Retrospective”模型在时间序列测试中荣登榜首，其加权区间得分（WIS）全面优于CDC官方的超级集成模型以及所有人类独立团队（见图3b）。细化到具体的地理管辖区，ERA模型在绝大多数州郡的误差呈现显著下降态势（见图3c），其低误差（亮色）的全国地理分布图也直观证实了这一卓越表现（见图3d）。
不仅如此，ERA还能像老练的科学家一样，通过重组已有模型（如将机器学习与传统自回归结合），系统性地发掘出了14种击败CDC基线水平的全新建模策略（见图3e）。在验证集的历史回溯中，表现最佳的预测副本在不同的参考日期下展现了极其平稳的收敛能力（见Extended Data Fig. 5）。透过突破轨迹图可以发现，对人口目标的转换、新增滞后特征等代码修改，直接促成了模型预测精度的跃迁（见Extended Data Fig. 6a, 6b）。而在不同模型的混合实验条形图中，大量绿色柱状体（代表混合模型超越双亲）充分证明了“强强联合”在代码重组中的威力（见Extended Data Fig. 7）。
通用降维：时间序列与其他基础科学
ERA究竟是专才还是通才？为了横向对比，团队详细列出了ERA与传统的“128次最佳（Best of N）”策略的直接比拼，在各种主流基础模型上，ERA的树搜索机制均展现出了大幅领先的优化效率（见Table 1）。在处理广泛的GIFT-Eval时间序列任务时，系统的优化节点清晰揭示了AI如何一步步从零构建出复杂的预测框架：从加入指数衰减的残差校正，到动态推断季节性周期，再到捕捉周末与节假日的交互特征，最终交出了一份惊艳的满分代码（见Extended Data Fig. 8a, 8b）。
