Gemini 驱动的 Co-Scientist 在真实科研场景中加速研究

Google 团队基于 Gemini 构建的 Co-Scientist 多智能体系统，在材料科学、生物学和计算机科学领域进行了真实世界验证。该系统与半自动化学气相沉积反应器交互设计 MXene 前驱体路线，并定制 MoS2 等单层生长方案；预测大肠杆菌群集表型，与未发表的湿实验数据匹配；自主发现推理时扩展架构，在 HealthBench 上超越六个前沿模型。

此前 Co-Scientist 仅支持硅内假设生成，此次验证将其推进到执行闭环，与物理实验设备连接并产出可复现的成果，标志着 AI 科研助手从理论走向实证。

Co-Scientist 利用 Gemini 3 Deep Think 进行快速实验迭代，结合多智能体协作与双盲评审机制，实现假设生成、实验执行和论文撰写的一体化，并通过真实实验反馈优化算法。

对科研工具类产品影响显著：集成 AI 助手可缩短实验设计周期，降低试错成本，提升论文产出效率；但需注意原子结构确认等验证环节仍需人工介入。

• 开发面向材料科学的 AI 实验设计助手，集成设备控制接口，提供配方生成与反馈优化。
• 构建生物学表型预测工具，结合稀疏成像数据，辅助未发表湿实验的形态学分析。
• 推出推理时扩展架构的优化服务，帮助 AI 应用在专业基准上提升性能并减少临床风险。
• 提供端到端论文生成产品，包含双盲评审功能，服务于科研期刊或学术写作平台。

• MXene 材料的原子结构是否最终得到实验确认？
• Co-Scientist 在其他领域的泛化能力未经充分验证，是否普遍适用？
• 系统是否能为非专业用户提供界面和指导，而非仅面向专家？
• 论文生成的双盲研究中，评审专家数量及具体评估维度未披露。