Gemini for Science: новый AI‑набор Google для ускорения научных открытий

Что такое Gemini for Science

Gemini for Science — это набор экспериментальных инструментов и платформенных возможностей, построенных на базе моделей Gemini и исследовательской инфраструктуры Google.

Компания описывает проект как систему, предназначенную для расширения масштаба и точности научных исследований благодаря продвинутым возможностям анализа и рассуждения моделей Gemini, а также систем Deep Think и Deep Research.

Платформа объединяет несколько компонентов:

• экспериментальные инструменты, доступные через Google Labs;
• специальные Science Skills для агентной платформы Google Antigravity;
• интеграции, позволяющие подключать AI‑агентов к более чем 30 крупным базам данных и инструментам из области наук о жизни.

В результате AI‑системы могут автоматически извлекать научные данные, анализировать публикации, предлагать гипотезы и запускать вычислительные эксперименты с минимальной ручной настройкой.

Основные инструменты Gemini for Science

Co‑Scientist — AI‑партнер для ученых

Co‑Scientist работает как виртуальный научный сотрудник. Это мультиагентная система на базе моделей Gemini, созданная для поддержки научного мышления и разработки исследовательских идей.

Ученый может задать исследовательскую цель — например, разобраться в механизме определенного заболевания. Система предложит:

• потенциальные научные гипотезы;
• обзор релевантных научных публикаций;
• возможные экспериментальные подходы.

Таким образом Co‑Scientist помогает быстрее находить новые направления исследований и структурировать научные проекты.

AlphaEvolve — поиск новых алгоритмов

Другой инструмент в наборе — AlphaEvolve, агент на базе эволюционных алгоритмов, работающий с моделями Gemini.

Он автоматически ищет и улучшает алгоритмы для сложных научных и инженерных задач, постоянно тестируя и оптимизируя решения.

По данным Google, система уже применялась в нескольких направлениях:

• улучшение коррекции ошибок при секвенировании ДНК;
• повышение точности прогнозирования природных катастроф;
• моделирование методов для стабилизации энергосетей.

Это показывает, как AI‑агенты могут участвовать в поиске новых алгоритмов для научных и инфраструктурных задач.

ERA — автоматизация научного программирования

Инструмент ERA (Empirical Research Assistance) нацелен на одну из самых трудоемких частей современных исследований — написание и итерацию научного кода.

ERA использует модели Gemini для генерации и оптимизации кода, необходимого для научных симуляций и вычислительных экспериментов.

Система была описана в публикации журнала Nature и помогла создать прототип платформы Computational Discovery, которая сейчас тестируется в рамках программы trusted tester в Google Labs.

Благодаря автоматизации написания кода исследователи могут быстрее проверять новые гипотезы и запускать больше экспериментов.

Инструменты на базе NotebookLM

В состав Gemini for Science также входят инструменты на основе NotebookLM, которые помогают анализировать большие массивы научной литературы.

Они позволяют:

• обрабатывать тысячи научных статей;
• выявлять новые исследовательские направления;
• создавать структурированные аналитические материалы на основе источников.

Как связаны Google Labs и Antigravity

Google позиционирует Gemini for Science как часть своей экспериментальной экосистемы ИИ.

Ключевые прототипы доступны через Google Labs, где исследователи могут тестировать новые возможности системы.

Одновременно платформа интегрируется с Google Antigravity — агентной платформой разработки, предназначенной для перехода от обычных AI‑запросов к системам, способным выполнять действия самостоятельно.

Через слой Science Skills агенты могут:

• подключаться к научным базам данных;
• запускать анализ данных;
• создавать исследовательские результаты внутри автоматизированных рабочих процессов.

Подключение к научным базам данных

Одной из ключевых возможностей платформы является доступ к научным данным.

По данным Google, Science Skills позволяет подключать AI‑агентов Antigravity к более чем 30 крупным базам данных и инструментам в области биологических наук.

Конкретные базы данных компания пока не раскрывает, однако цель интеграции — дать AI‑системам прямой доступ к научным источникам данных, а не ограничиваться информацией, использованной при обучении моделей.

Первые результаты ERA

Из всех инструментов в наборе именно ERA уже имеет подтвержденные научные результаты.

Согласно Google Research:

• инструмент описан в публикации в Nature;
• он участвовал в создании прототипа Computational Discovery;
• система уже тестируется в программе trusted testers Google Labs.

Это один из первых примеров того, как AI‑ассистенты для научного программирования начинают внедряться в реальные исследовательские рабочие процессы.

Часть более широкой стратегии агентного ИИ

Запуск Gemini for Science отражает более широкую стратегию Google в области искусственного интеллекта.

На I/O 2026 компания подчеркнула переход от систем, которые просто отвечают на запросы, к agentic AI — системам‑агентам, способным выполнять задачи и взаимодействовать с внешними инструментами.

Gemini for Science воплощает эту идею: вместо одного чат‑бота платформа объединяет несколько специализированных AI‑агентов — для генерации гипотез, поиска алгоритмов и программирования экспериментов.

Если этот подход окажется успешным, он может существенно изменить то, как проводятся вычислительные исследования — особенно в областях биологии, медицины и сложных систем.