Cuatro formas en que los científicos de Google Research utilizan la herramienta de asistencia para la investigación empírica

Desde que introdujeron la Asistencia de Investigación Empírica (ERA, por sus siglas en inglés) en septiembre, los científicos de Google Research la han utilizado para abordar aplicaciones del mundo real más allá de las pruebas de concepto. En epidemiología, ERA generó pronósticos para influenza, COVID-19 y VRS (virus respiratorio sincitial), compitiendo con herramientas de los CDC (Centros para el Control y la Prevención de Enfermedades); Google ahora envía pronósticos semanales de influenza para todos los estados de EE. UU. y horizontes temporales de hasta cuatro semanas, y se ha unido a los centros de pronóstico de COVID-19 y VRS de los CDC, ubicándose en la cima o cerca de ella en las tablas de clasificación públicas. En cosmología, ERA combinada con Gemini Deep Think derivó seis soluciones generales y una fórmula asintótica concisa para la radiación gravitacional de cuerdas cósmicas, resolviendo un problema abierto que anteriormente solo tenía una solución parcial para un caso especial. Para la monitorización atmosférica, ERA desarrolló una red neuronal guiada por la física de un solo píxel que extrae el CO2 promediado en columna a partir de observaciones del satélite GOES East, logrando una resolución espacial y temporal sin precedentes al combinar datos de 16 bandas de longitud de onda, meteorología, ángulos solares y día del año, entrenada con datos escasos de OCO-2 y OCO-3. En neurociencia, ERA utilizó el diagrama de cableado de un simulador simplificado de cerebro de pez cebra (simZFish) para proponer circuitos neuronales que conectan el estímulo con la respuesta motora, que se generalizaron a nuevos estímulos y ofrecieron soluciones interpretables y mecanicistamente precisas, basándose en resultados anteriores donde ERA superó a las líneas base en la predicción de más de 70,000 neuronas en ZAPBench. Estos proyectos muestran la capacidad de ERA para avanzar en la ciencia resolviendo problemas abiertos, democratizando el modelado computacional y maximizando la utilidad de los datos observacionales existentes.