編輯 | KX
科學在不斷進步，但進步的速度似乎放緩了？
正如《Nature》曾報導稱，「顛覆性」科學已經衰落，沒有人知道原因......
但就在過去幾年裡，人工智慧和量子計算等新興領域的突破，大大加快了科學發現的速度。從醫療保健到新材料發現。
谷歌始終走在 AI for Science 的最前沿，從蛋白結構預測 AI 工具 AlphaFold 到材料發現系統 GNoME，從天氣預報系統 NeuralGCM、GraphCast 到數學幾何推理模型 AlphaGeometry......
接下來，谷歌回顧了其最近釋出的九個 AI for Science 研究，探索了他們如何走到今天以及下一步該怎麼做。
01 破解 50 年來的「大挑戰」——蛋白質結構預測
幾十年來，科學家們一直將揭開蛋白質摺疊之謎視為「大挑戰」。
今年，化學諾獎花落「AI+蛋白」，Google DeepMind 的科學家 Demis Hassabis 和 John M. Jumper 分享一半，以表彰他們在「蛋白質結構預測」方面的貢獻。
從 AlphaFold 更新到如今的 AlphaFold 3，一起回顧谷歌在「AI+蛋白」領域的研究和突破。
2021 年，谷歌 DeepMind 與歐洲生物資訊研究所（EMBL-EBI）合作釋出了 AlphaFold DB，利用 AlphaFold 預測確定 98.5% 所有人類蛋白結構，相關研究登上《Nature》。
2022 年，谷歌 DeepMind 分享了其 AlphaFold 2 模型中 2 億種蛋白質的預測結構。以前，確定單個蛋白質的 3D 結構通常需要一年或更長時間，AlphaFold 可以在幾分鐘內以驚人的準確度預測這些形狀。透過在免費資料庫中釋出蛋白質結構預測，這使得世界各地的科學家能夠加速開發新藥、對抗抗生素耐藥性和解決塑膠汙染等領域的進展。
作為下一步，AlphaFold 3 模型以 AlphaFold 2 為基礎，預測所有生命分子的結構和相互作用。2024 年 5 月，AlphaFold 3 重磅問世，全面預測蛋白質與所有生命分子相互作用及結構，準確性遠超以往水平。但 AlphaFold 3 釋出的時候，谷歌 DeepMind 沒有公佈其論文程式碼，因此引發了學界的巨大爭議。
前不久（11 月 11 日），AlphaFold 3 開源了，科學家現在可以免費下載軟體程式碼，並將 AlphaFold 3 用於非商業應用。AlphaFold 3 將結構生物學領域帶入了新領域。
當然，挑戰依然存在。該系統有時會在無序區域產生不正確的結構，並且只能預測靜態結構而不是分子運動。下一步，AlphaFold 會不會能輕鬆「拿捏」動態分子？
02 以前所未有的細節展示人類大腦，支援健康研究
沒有什麼比人類大腦更神秘了。
谷歌在連線組學方面進行了長達 10 年的研究，與哈佛大學 Lichtman 實驗室等機構合作，以前所未有的精細程度繪製了人類大腦的一小部分。
該專案於 2024 年釋出，揭示了人類大腦中前所未見的結構。
研究人員共同建立了迄今為止最大的突觸解析度、3D 重建的人類大腦片段，以生動的細節展示了一塊大約半米粒大小的人類顳葉皮層中的每個細胞及其神經連線網路。
谷歌將 Lichtman 的電子顯微鏡成像與 AI 演算法相結合，對哺乳動物大腦極其複雜的線路進行顏色編碼和重建。這一壯舉登上了《Science》。
完整的資料集（包括每個細胞的 AI 生成的註釋）已公開，來幫助加速研究。
資料集開源地址：https://h01-release.storage.googleapis.com/landing.html
03 準確預報洪水，挽救生命
當谷歌的洪水預報專案於 2018 年啟動時，許多人認為，由於資料稀缺，不可能大規模準確地提供洪水預報。但研究人員能夠開發出一種 AI 模型，該模型能夠可靠地預測未測量流域的極端河流事件，其預測時間長達五天，其可靠性與臨近預報（nowcasts）相當。
2024 年 3 月，谷歌將這一覆蓋範圍擴大到全球 100 個國家和 7 億人，並改進了 AI 模型，使其在七天內的準確度與之前在五天內的準確度相同。人工智慧幫助我們提前 7 天提供更準確的河流洪水資訊。
今年 7 月，谷歌團隊提出一種將傳統的基於物理建模與 ML 相結合的新方法——NeuralGCM，可以準確高效地模擬地球大氣層。比現有模型更快、計算成本更低、更準確。
NeuralGCM 可以生成 2-15 天的天氣預報，比目前基於物理的「黃金標準」模型更準確。相關研究登上《Nature》。
04 儘早發現野火，幫助消防員更快地撲滅野火
由於全球氣候越來越炎熱、乾燥，野火變得越來越常見。到目前為止，消防員不得不依賴解析度較低或每天僅更新幾次的衛星影像，因此很難在火勢發展到足球場那麼大之前發現它們。
2024 年，谷歌研究與美國林業局合作開發了 FireSat，這是一種人工智慧模型和新的全球衛星星座，專門用於透過在 20 分鐘內提供高解析度影像來檢測和追蹤教室大小（大約 5x5 米）的野火。這將使消防部門能夠更快地做出反應，從而有可能挽救生命、財產和自然資源。
05 更快更準確地預測天氣
天氣影響著我們所有人。它可以決定我們早上的穿著，為我們提供綠色能源，在最壞的情況下，還會引發風暴。在極端天氣日益增多的當今，快速準確的預報極其重要。
2023 年 6 月，谷歌團隊開發了一個名為 MetNet-3 的新天氣模型。它大大擴充套件了基於觀察的神經模型可以預測的前置時間範圍和變數。
MetNet-3 以早期的 MetNet 和 MetNet-2 模型為基礎，可提前 24 小時對更多核心變數進行高解析度預測，包括降水、表面溫度、風速和風向以及露點。
與傳統方法相比，MetNet-3 實現了強大的效能，優於最好的基於物理的單成員和多成員數值天氣預報 (NWP) 模型，可提前 24 小時預報多個地區。
同年 11 月，Google DeepMind 推出並開源了機器學習研究模型 GraphCast 的程式碼，可以比行業黃金標準天氣模擬系統 (HRES) 更準確、更快地提前 10 天預測天氣狀況。相關研究登上《Science》。
GraphCast 還可以更準確地預測氣旋的軌跡（以及洪水等相關風險），並比傳統模型提前三天準確預測颶風 Lee 將襲擊加拿大新斯科舍省。
06 推進數學推理的前沿
由於缺乏資料和推理技能，人工智慧一直在努力解決複雜數學問題。
在 2024 年，Google DeepMind 宣佈推出 AI 系統 AlphaGeometry，可以解決複雜的幾何問題，其水平接近人類國際數學奧林匹克 (IMO) 金牌得主——這是人工智慧效能的突破，也是對更先進的通用人工智慧系統的追求。
在對 30 道奧數幾何題的基準測試中，AlphaGeometry 在標準奧數時限內解決了 25 道。相比之下，之前最先進的系統解決了其中 10 個幾何問題，而人類金牌得主平均解決了 25.9 個問題。
隨後，Gemini 訓練的模型 AlphaGeometry 2 與新模型 AlphaProof 相結合，共同解決了過去 25 年所有 IMO 幾何問題中的 83%。這展示了人工智慧日益增強的推理能力，以及可能解決超出當前人類能力的問題的能力，使我們更接近能夠發現和驗證新知識的系統。
07 使用量子計算準確預測化學反應性和動力學
相互作用的多電子問題是科學領域最大的計算挑戰之一，在許多領域都有著重要的應用。
谷歌與加州大學伯克利分校和哥倫比亞大學合作，在量子計算機上進行了迄今為止最大的化學模擬。該結果於 2022 年發表，不僅與經典方法相媲美，而且還不需要通常與量子計算相關的繁瑣的誤差緩解。進行這些模擬的能力將提供更準確的化學反應性和動力學預測，這是以新方式應用化學來幫助解決現實世界挑戰的先決條件。
與流行的變分量子特徵值求解器相比，該混合量子-經典計算模型為實現電子結構問題的實際量子優勢提供了一另一種途徑，而不需要極其精確地準備和測量基態波函式。
08 加速材料科學的發展
2023 年，谷歌 DeepMind 宣佈推出新的 AI 工具——材料探索圖網路 (GNoME)，根據模擬結果，該工具已經發現了 380,000 種在低溫下穩定的材料。
DeepMind 材料團隊分享了 220 萬顆新晶體的發現，相當於近 800 年的知識。GNoME 可透過預測新材料的穩定性來顯著提高發現的速度和效率。
使用 GNoME，科學家可以使人類已知的技術上可行的材料數量成倍增加。在其 220 萬個預測中，有 38 萬個是最穩定的。這些候選材料中有潛力開發未來變革性技術，包括超導體、超級計算機供電和下一代電池等等。
與此同時，Google DeepMind 與加州大學伯克利分校的研究團隊合作，開發了一個將機器人技術與 AI 相結合的自主新材料發現合成系統——A-Lab，可用於設計材料配方，其中包括一些可能用於汽車電池或太陽能電池的材料。它進行合成並分析產品的所有過程都無需人工干預。
09 向核聚變和豐富的清潔能源邁出重要一步
有一個老笑話，「核聚變是未來的能源——而且永遠都是。」控制和使用為恆星（包括太陽）提供燃料的能量已經超出了科學的範圍。
在 2022 年，谷歌 DeepMind 宣佈開發出能夠自主控制核聚變反應堆內等離子體的人工智慧。透過與 EPFL 的瑞士等離子體中心合作，谷歌 DeepMind 建立了世界上首個可在模擬環境和真正的核聚變反應堆中實現對等離子體的自主控制的 AI 系統。朝著穩定聚變、為人類提供豐富的清潔能源邁出了關鍵的一步。
寫在最後，AI 已經滲透到各科學領域，谷歌所取得的這些研究成果為即將到來的眾多科學進步奠定了基礎。
今年的諾獎頒發給 AI for Science，更是最強證明，AI 與 Science 是互補的未來。
參考內容：
https://blog.google/technology/ai/google-ai-big-scientific-breakthroughs-2024/
https://www.nature.com/articles/s41586-023-06735-9
https://www.nature.com/articles/s41586-021-04301-9
https://www.nature.com/articles/s41586-021-04351-z
https://www.nature.com/articles/s41586-023-06747-5
https://www.science.org/stoken/author-tokens/ST-1550/full
https://www.science.org/doi/10.1126/science.adk4858
https://www.nature.com/articles/s41586-024-07487-w
注：文中插圖來自 google