摘要： Google Research 的 ERA 於 2026 年 5 月 19 日登上 Nature，讓 Gemini 撰寫並最佳化科學程式碼，並在基因體學、公共衛生、衛星影像、神經科學預測、時間序列與數學六個領域達到專家級評價。研究另發布五篇新應用論文並開源程式碼。
2026 年 5 月 19 日，Google Research 的 ERA（Empirical Research Assistance）正式登上 Nature，論文標題開宗明義：「設計來幫科學家撰寫專家級實證軟體的 AI 系統」。ERA 的做法是讓 Gemini 來撰寫並最佳化科學運算程式碼，而論文交出的成績是：基因體學、公共衛生、衛星影像、神經科學預測、時間序列預測與數學這六個領域，全部達到專家級水準。
同一篇發表還附帶更多消息：應用論文共八份（其中五份是這次新發布）、程式碼以開源形式釋出，而結合 AlphaEvolve 的 Computational Discovery 也會透過 Gemini for Science 逐步開放。換句話說，這一步是把寫實證程式碼最厲害的研究助理，推向基礎設施的位置。
ERA 的運作：把科學程式碼交給 Gemini 寫
實證研究裡最吃時間的差事之一，是來回打磨計算實驗——資料換一版、模型調一次、重跑、再比對。ERA 把這個循環整個接手：只要給它研究問題和判定成敗的指標，它就會翻查文獻、動手寫程式、把既有技術拼接起來、檢驗結果，並以 tree search 從「數千個選項」當中朝目標收斂。整套演算法由 Eser Aygun、Gheorghe Comanici 與 Shibl Mourad 領軍開發；設計早在 2025 年秋季就以 preprint 形式公開，之後再經過大約六個月的高強度實驗，才長成這篇 Nature 論文。
六大領域，全數專家級
Nature 刊出的評測橫跨前述六個領域，ERA 在每一項都拿下專家級評價。這組結果背後的訊息不難讀：做不做得出專家級的計算建模，往後不必再賭運氣，不必指望團隊裡剛好有人寫得出這種程式。
五篇新應用論文：題材從流感一路拉到太陽能設計
五篇新論文涵蓋的題材拉得很開：
- 針對流感、COVID-19 與 RSV 的州級住院預測，最遠可以提前四週，成績持續佔據 CDC 排行榜的領先位置
- 加州雪河流域的季節逕流預測，提前提出的預測，準確度明顯勝過官方的 Bulletin 120 展望
- 把 GOES-East 衛星資料接進二氧化碳映射，每 10 分鐘就更新一次，洛杉磯盆地的排放與植物白天的吸收都看得見
- 與 Google Antigravity 協力進行的 3D 太陽能設計最佳化，最終選出一個 500 三角形、背向遮擋為零的體積式風扇結構
- 零售預測：搭配經濟指標與 Google Trends，成績追平甚至超過 Action Economics 共識以及芝加哥 Fed 的 CARTS 預測
參與合作的名單裡有流行病學家 Nicholas Reich、大氣科學家 Tapio Schneider 與 Anna Michalak 等人——ERA 的定位是放大專家，而不是取而代之。
跟「會寫程式」的工具差在哪裡
ERA 和一般程式生成工具的分野，藏在目標函數裡：它最佳化的對象不是「看起來可執行的程式」，而是指定科學問題上的實證表現。也因為這樣，它更像一位虛擬博士後——查文獻、組方法、設實驗、驗結果，全部收攏在同一個迴圈中。用 Google 的說法，這類系統有機會讓專家級計算建模變得「人人可用」；對軟體工程資源短缺的機構與公部門來說，這是實際的能力補齊。
程式碼已經開源，接著開放的是什麼
ERA 的程式碼已經放上 GitHub 開源（google-research/era）。接下來的進度是結合 AlphaEvolve 的 Computational Discovery，目前正透過 Google Labs 旗下 Gemini for Science 的信任測試者計畫逐步開放。它與 Hypothesis Generation（和 AI Co-Scientist 合作打造、同樣在當天登上 Nature）以及 Literature Insights 彼此互補，分別對應科學方法的不同階段。研究團隊現在就可以到 labs.google 登記。