科學發現的循環經常受限於支援計算實驗的軟體之緩慢、手動創建。
為了解決此問題,我們提出實證研究輔助(ERA),一個能創建專家級科學軟體的 AI 系統,其目標是最大化品質指標。
該系統使用大型語言模型(LLM)和樹狀搜尋(TS)來系統性地改進品質指標,並智慧地導航龐大的可能解決方案空間。
當 ERA 探索並整合來自外部來源的複雜研究構想時,能達成專家級的成果。
樹狀搜尋的有效性已在各種任務中得到證明。
在生物資訊學領域,ERA 發現了 40 種用於單細胞數據分析的新方法,在公開排行榜上表現優於頂尖的人類開發方法。
在流行病學領域,ERA 生成了 14 個模型,在預測 COVID-19 住院人數方面,其表現優於 CDC 的集成模型以及所有其他獨立模型。
ERA 還為地理空間分析、斑馬魚神經活動預測以及積分的數值解,以及時間序列預測的新穎規則建構,產出了專家級軟體。
透過為各種任務設計和實施新穎的解決方案,ERA 代表了加速科學進展的重要一步。