4篇AI4S连登Nature，来自Google、阿里......

本周Nature上线4篇AI4S (AI for Science) 研究，学习一下。

阿里AI与绿电

北大联手阿里达摩院，拿AI扫了一遍开源卫星影像，搞出了国内首张全国尺度的高精度风光设施分布图。

他们借此发现，不同地区的风电与光伏如果能打好“配合战”，就能显著提升新能源利用率，有效减少弃风弃光。

测算下来，只要系统调节能力跟得上、能扛住新能源的波动，全国跨省把风光搓在一起用，就能多消纳约1000亿度绿电。

另外3篇都是unedited version，

Google Cloud AI Research与Co-Scientist

科学发现的核心在于科学家针对复杂问题提出新颖假说，并对其进行严格的实验验证。为了增强这一过程，他们推出了Co-Scientist——一个基于Gemini构建的Multi-agent AI系统，旨在实现结构化的科学思维与假说生成。

Co-Scientist的目标是帮助科学家发现新的原创知识。它以研究目标和既往科学证据为条件，制定出可证明具有新颖性、可供实验验证的研究假说。它利用测试时计算扩展和锦标赛进化机制，自动生成、批判并迭代出具备新颖性的研究假说

Google DeepMind与ERA

科学发现的过程，经常受限于"the slow, manual creation of software to support computational experiments"。为解决这一问题，他们推出了“实证研究辅助系统”（Empirical Research Assistance, ERA）—— 一个能够创建expert-level科学软件的AI系统。

ERA把LLM和树搜索（Tree Search）结合起来，专精于“代码/工具创造”。它能自动编写并迭代优化专家级的科研软件与算法，在生物信息数据分析、COVID-19住院预测等任务里，性能直接刷榜，匹敌甚至超越了人类专家。

AI科学家Robin

尽管近年来在将AI应用于生物学方面取得了进展，但是，迄今为止还没有系统在单一工作流程中自动化科学发现的观察、假说生成、实验和数据分析等所有这些阶段。FutureHouse团队的AI科学家Robin就是解决这个问题。

Robin是首个面向实验生物学的全流程半自动化multi-agent system，它把文献搜索和数据分析智能体打通，形成了“假说生成 → 实验设计 → 结果解读 → 更新假说”的闭环（lab-in-the-loop）。

作为首个在“实验室循环（lab-in-the-loop）”框架内自主发现并验证新型治疗候选物的AI系统，Robin 为AI驱动的科学发现确立了新范式。

日拱一卒无有尽，功不唐捐终入海！ 

下期见 ～