„Google DeepMind" gegužės 20 d. konferencijoje „I/O 2026" pristatė „Gemini for Science" – specializuotą DI įrankių rinkinį moksliniams tyrimams. Pagrindinis tikslas: tyrimo etapai, kurie šiandien trunka dienas, turėtų trukti minutes.

30+
gyvybės mokslų duomenų bazių, su kuriomis jungiasi sistema
2
recenzuoti straipsniai žurnale Nature, paskelbti gegužės 19 d.
CDC
ERA modelis pranoko JAV ligų kontrolės centro COVID prognozavimo ansamblį

Trys moduliai

Sistema turi tris dalis.

Hypothesis Generation veikia kelių agentų principu: mokslininkas apibūdina tyrimo problemą, sistema surengžia „idėjų turnyrą", kuriame agentai generuoja, ginčijasi ir tikrina hipotezes. Kiekvienas teiginys paremtas mokslinės literatūros nuorodomis.

Computational Discovery – agentinis paieškos variklis, per trumpą laiką galintis sugeneruoti tūkstančius eksperimentų variantų. Tai, ko rankiniu būdu prireiktų savaičių.

Literature Insights naršo mokslinę literatūrą ir rezultatus pateikia ataskaitomis, infografikais arba garso bei vaizdo apžvalgomis.

Jungtis su duomenų bazėmis

„Science Skills" funkcija prijungia sistemą prie daugiau nei 30 gyvybės mokslų duomenų bazių: UniProt, AlphaFold, AlphaGenome API, InterPro. DI hipotezes tikrina pagal realius mokslinius duomenis.

Pirmieji tyrimai spausdinti Nature

2026 m. gegužės 19 d. žurnale Nature paskelbti du recenzuoti straipsniai apie sistemos komponentus. Vienas parodė, kad ERA (Empirical Research Assistance) modelis pranoko JAV ligų kontrolės ir prevencijos centro (CDC) COVID-19 hospitalizacijos prognozių ansamblį. Tai pirma nepriklausoma recenzija, patvirtinusi, kad sistema veikia ne tik demonstracijose.

Privačiame testavime dalyvauja „Bayer Crop Science" ir japonų farmacijos kompanija „Daiichi Sankyo".

Prieiga

Mokslininkai gali pateikti prašymą per „Google Labs". Verslo klientai gauna prieigą per „Google Cloud". Prieiga kol kas ribota.

Šaltiniai: Google Blog · Gemini for Science