Gemini for Science: o novo conjunto de IA do Google para acelerar a pesquisa científica

• Ferramentas experimentais disponibilizadas pelo Google Labs
• Science Skills, que funcionam na plataforma de agentes Google Antigravity
• Integrações com mais de 30 grandes bancos de dados e ferramentas de ciências da vida

Com essas conexões, agentes de IA podem recuperar conhecimento científico, analisar artigos, sugerir hipóteses e executar experimentos computacionais com pouca configuração manual.

As principais ferramentas do Gemini for Science

Co‑Scientist

O Co‑Scientist funciona como um colaborador de pesquisa baseado em IA. Trata‑se de um sistema multiagente construído com modelos Gemini que tenta reproduzir etapas do raciocínio científico, ajudando a analisar literatura acadêmica e estruturar novas linhas de investigação.

Um pesquisador pode definir um objetivo — por exemplo, entender melhor o mecanismo de uma doença — e o sistema propõe hipóteses testáveis, resume estudos relevantes e sugere possíveis abordagens experimentais.

AlphaEvolve

O AlphaEvolve é um agente baseado em algoritmos evolutivos alimentado por Gemini, projetado para descobrir algoritmos mais eficientes para problemas complexos em ciência e engenharia.

O sistema testa e refina soluções iterativamente, permitindo explorar enormes espaços de possibilidades que normalmente exigiriam muitos experimentos manuais.

Segundo o Google, ele já foi aplicado em áreas como:

• melhoria da correção de erros em sequenciamento de DNA
• aumento da precisão em previsões de desastres
• simulações para ajudar a estabilizar redes elétricas

Esses exemplos mostram como agentes de busca algorítmica podem contribuir tanto para pesquisa científica quanto para desafios de infraestrutura.

ERA (Empirical Research Assistance)

O Empirical Research Assistance (ERA) se concentra em uma das partes mais trabalhosas da ciência moderna: escrever e iterar código para experimentos computacionais.

Usando modelos Gemini, o ERA consegue gerar e otimizar código científico usado em simulações e experimentos. A ferramenta foi descrita em uma publicação na revista Nature e ajudou a criar um protótipo chamado Computational Discovery, disponível para testadores selecionados no Google Labs.

Ao automatizar parte da programação científica e do ciclo de experimentação, o ERA permite que pesquisadores testem hipóteses e executem simulações muito mais rapidamente.

Ferramentas baseadas no NotebookLM

O Gemini for Science também incorpora fluxos de trabalho inspirados no NotebookLM, ferramenta que ajuda a sintetizar grandes volumes de informação.

Esses recursos permitem que cientistas analisem milhares de artigos acadêmicos, identifiquem tendências emergentes e extraiam insights estruturados diretamente do material científico original.

Como Google Labs e Antigravity entram no sistema

O Google posicionou o Gemini for Science dentro de seu ecossistema experimental de IA.

Três protótipos principais estão disponíveis através do Google Labs, onde pesquisadores podem experimentar as primeiras versões das ferramentas.

Ao mesmo tempo, o projeto se conecta ao Google Antigravity, uma plataforma voltada para o desenvolvimento de sistemas de IA baseados em agentes. A proposta da Antigravity é levar a IA além de simples respostas a prompts, permitindo que ela execute tarefas e interaja com ferramentas externas.

Com as chamadas Science Skills, agentes podem acessar conjuntos de dados científicos, rodar análises e produzir resultados de pesquisa dentro de fluxos de trabalho automatizados.

Integração com bases de dados de ciências da vida

Um dos aspectos mais ambiciosos da iniciativa é a conexão direta com dados científicos.

Segundo o Google, o sistema permite que agentes conectados à Antigravity acessem mais de 30 grandes bancos de dados e ferramentas de biociências, possibilitando interações diretas com recursos científicos amplamente usados por pesquisadores.

A empresa não detalhou publicamente quais bases estão incluídas nem como exatamente funcionam as integrações. A ideia geral, porém, é permitir que sistemas de IA consultem e utilizem dados científicos atualizados — e não apenas o conhecimento presente no treinamento do modelo.

Resultados iniciais do ERA

Entre as ferramentas do pacote, o ERA já apresenta alguns resultados concretos.

De acordo com o Google Research:

• o sistema foi descrito em um artigo publicado na revista Nature
• ajudou a criar o protótipo Computational Discovery
• está sendo testado por pesquisadores através de um programa de testadores confiáveis do Google Labs

Essas aplicações iniciais indicam que a geração automática de código científico e a experimentação assistida por IA podem se tornar parte prática do fluxo de trabalho de pesquisa.

Parte da estratégia de IA baseada em agentes do Google

O Gemini for Science também reflete uma mudança mais ampla na estratégia de IA do Google.

Durante o I/O 2026, a empresa destacou sua transição de sistemas que apenas respondem a perguntas para IA baseada em agentes capazes de agir e executar tarefas complexas.

Nesse contexto, o Gemini for Science funciona como um ambiente onde múltiplos agentes especializados — geração de hipóteses, busca algorítmica e programação experimental — colaboram dentro de um mesmo fluxo de pesquisa.

Em vez de um único chatbot, a plataforma representa uma rede de ferramentas de IA pensadas para trabalhar ao lado de cientistas e acelerar o ritmo das descobertas, especialmente em áreas como biologia, medicina e ciência de sistemas complexos.