Google, 과학 코드 생성 도구 ERA 성과를 Nature에 공개하고 Computational Discovery 확대
Empirical Research Assistance (ERA): From Nature publication to catalyzing Computational Discovery
Google은 Gemini로 과학 계산 코드를 작성하고 최적화하는 연구 도구 ERA(Empirical Research Assistance)의 논문을 Nature에 게재했다고 밝혔다. ERA는 유전학, 공중보건, 위성 영상 분석 등의 벤치마크에서 전문가 수준의 성능을 보였다고 한다. ERA와 AlphaEvolve로 구축한 Computational Discovery도 Gemini for Science를 통해 단계적으로 제공이 시작된다.
ERA는 과학적 과제와 성공 지표를 입력하면 문헌을 검색하고, 코드를 작성하고, 해를 탐색하고, 기법을 조합해 결과를 평가하는 도구다. 트리 탐색 기법으로 수천 개의 선택지를 검토하며 목표에 맞게 출력 코드를 최적화한다. Nature 논문에서는 유전체학, 공중보건, 위성 영상 분석, 신경과학 예측, 범용 시계열 예측 벤치마크, 수학 분야에서 시험했으며 모든 분야에서 전문가 수준의 성능을 달성했다고 보고했다.
지난 6개월 동안 Google Research의 연구자와 공동 연구자들은 ERA를 실제 미해결 문제에 적용해 왔다. ERA를 활용한 논문 원고는 총 8편이며, 이번에 새로 5편이 공개됐다. 역학 예측에서는 미국 주 단위로 인플루엔자, COVID-19, RSV의 입원 건수를 최대 4주 앞까지 예측했고, CDC 공개 리더보드에서 항상 상위권이거나 그에 가까운 순위를 기록했다고 한다.
캘리포니아의 적설 유래 하천 유역에서는 봄철 유출량에 대해 주 공식 예측인 B120보다 훨씬 정확한 조기 예측 모델을 만들었다. 정지 기상위성 데이터로 대기 중 CO2 농도를 높은 시공간 해상도로 매핑하는 모델도 만들었으며, 도시부의 증가와 식물에 의한 낮 동안의 흡수를 포착했다고 한다. 또한 Google Antigravity와 결합한 3D 태양광 발전 최적화에서는 500개의 삼각형으로 이루어진 체적형 팬이 후방에 그림자를 드리우지 않으면서 산란광을 포착하는 설계를 찾아냈다. 소매 예측에서는 시중 컨센서스 추정치 및 시카고 연방준비은행의 CARTS 월간 예측과 대등하거나 그 이상인 모델을 얻었다.
Computational Discovery는 AlphaEvolve와 ERA로 구축되며, Gemini for Science의 실험적 도구로 단계적으로 공개된다. 같은 틀에서 AI Co-Scientist를 기반으로 한 Hypothesis Generation과 Literature Insights도 제공되어 과학적 방법의 서로 다른 단계를 보완한다. 관심 있는 사람은 labs.google/science에서 등록할 수 있다.
출처: Google Research Blog · research.google