Vier manieren waarop Google-onderzoekers de Empirical Research Assistance-tool gebruiken

Sinds de introductie van Empirical Research Assistance (ERA) in september hebben wetenschappers van Google Research het toegepast voor praktijktoepassingen die verder gaan dan proof-of-concepttesten. In de epidemiologie genereerde ERA voorspellingen voor influenza, COVID-19 en RSV, die concurreerden met de tools van de Centers for Disease Control and Prevention (CDC); Google dient nu wekelijks griepprognoses in voor alle Amerikaanse staten en tijdshorizonten tot vier weken, en is toegetreden tot de COVID-19- en RSV-voorspellingshubs van de CDC, waarbij het presteert op of nabij de top van openbare ranglijsten. In de kosmologie combineerde ERA met Gemini Deep Think om zes algemene oplossingen en een beknopte asymptotische formule af te leiden voor gravitatiestraling van kosmische snaren, waarmee een open probleem werd opgelost dat voorheen slechts een gedeeltelijke oplossing voor een speciaal geval kende. Voor atmosferische monitoring ontwikkelde ERA een enkelpixel, fysisch gestuurd neuraal netwerk dat kolomgemiddelde CO₂ haalt uit waarnemingen van de GOES East-satelliet, wat een ongekende ruimtelijke en temporele resolutie oplevert door gegevens van 16 golflengtebanden, meteorologie, zonhoeken en dag van het jaar te combineren, getraind op schaarse OCO-2- en OCO-3-data. In de neurowetenschappen gebruikte ERA het bedradingsschema van een vereenvoudigde zebravissenhersensimulator (simZFish) om neurale circuits voor te stellen die stimulus met motorische respons verbinden, wat generaliseerde naar nieuwe stimuli en interpreteerbare, mechanistisch accurate oplossingen bood, voortbouwend op eerdere resultaten waarbij ERA baselines overtrof in het voorspellen van meer dan 70.000 neuronen in ZAPBench. Deze projecten tonen ERA's vermogen om de wetenschap vooruit te helpen door open problemen op te lossen, computationele modellering te democratiseren en het nut van bestaande observatiegegevens te maximaliseren.