Sztuczna inteligencja Wdrożone
Modele pogodowe SI: GraphCast
Grafowa sieć neuronowa dorównuje dziś klasycznym prognozom średnioterminowym i opiera się na obserwacjach satelitarnych.
Czytaj kartęSztuczna inteligencja
Pięć wyników badań, w których sztuczna inteligencja służy nauce: model językowy projektujący białka, model proponujący nowe materiały, hybrydowy model klimatu, symulator urządzeń fuzyjnych oraz układ sterowania utrzymujący stabilność plazmy fuzyjnej. Modele i maszyny dla systemów Ziemi, materiałów, sieci, białek i recyklingu, wraz z obserwacją metanu i pożarów, prognozami powodzi i mapami lądu od 2024 roku. Modele pogody opierają się na satelitach.
Sztuczna inteligencja Badania
GNoME: SI do materiałów
Model zaproponował setki tysięcy kryształów, które mogą być stabilne. Ich wykonanie jest pracą laboratorium.
Czytaj kartę
Sztuczna inteligencja Pilotaż
SI dla sieci elektroenergetycznej
Lepsze prognozy wiatru i narzędzia dyspozycji ścinają rezerwy. Transformatory i reszta fizycznej sieci zostają na miejscu.
Czytaj kartę
Sztuczna inteligencja Wdrożone
AlphaFold 3 w użyciu
Model białek i ich partnerów z 2024 roku jest dziś codziennym oprogramowaniem laboratorium, używanym przez miliony badaczy. Działający enzym klimatyczny to późniejszy krok laboratoryjny.
Czytaj kartę
Sztuczna inteligencja Wdrożone
Roboty recyklingowe: AMP
Kamery i ramiona już zbierają kartony i butelki na prawdziwych liniach sortowniczych. Nabywca posortowanego materiału to osobne pytanie.
Czytaj kartę
Sztuczna inteligencja Badania
Komputery kwantowe: nadzieje chemii
Publiczne maszyny IBM, Google i IonQ dokładają kubity. Zaprojektowanie katalizatora klimatycznego na nich jest późniejszą pracą.
Czytaj kartę
Sztuczna inteligencja Wdrożone
Climate TRACE v5.10
Inwentarz z sierpnia 2026 r. dał globalne gazy cieplarniane pierwszego półrocza o 0,2 procent powyżej 2025: oszacowanie z satelit i modelu, nie wyrok sądu.
Czytaj kartęŹródło: Climate TRACE: v5.10 / first-half 2026 emissions (27 Aug 2026)
Sztuczna inteligencja Wdrożone
Google WeatherNext 3
Globalny model pogody z września 2026, który łyka żywe satelity i odświeża się co godzinę: nadal nie twoja krajowa służba ostrzeżeń.
Czytaj kartęŹródło: Google DeepMind: Introducing WeatherNext 3 (3 Sep 2026)
Sztuczna inteligencja Wdrożone
ECMWF AIFS 1.1
Operacyjna prognoza SI Europy, zaktualizowana w sierpniu 2025 o granice fizyki, by deszcz nie szedł na minus: obok modelu fizycznego, nie zamiast niego.
Czytaj kartęŹródło: VAST Data: The weather model that taught itself physics (AIFS 1.1)
Sztuczna inteligencja Badania
Prithvi: modele fundacyjne Ziemi
NASA i IBM wytrenowały otwarty model na latach zobrazowań Harmonized Landsat-Sentinel. To waga startowa, nie wyrocznia.
Czytaj kartę
Sztuczna inteligencja Badania
Vesuvius Challenge: zapieczętowane zwoje
Tomografia CT i uczenie maszynowe odczytały pierwsze fragmenty w lutym 2024 i cały zwój z Herkulanum w czerwcu 2026: konkurs z nagrodami, nie magiczne OCR całej starożytności.
Czytaj kartę
Sztuczna inteligencja Pilotaż
MethaneSAT: metan ropy i gazu z kosmosu
MethaneSAT (start 4 mar 2024; utrata łączności 20 cze 2025) mapował metan w ~45 basenach: dane i nauka ACP 2026 są publiczne. To nie inwentarz Climate TRACE ani model pogody.
Czytaj kartę
Sztuczna inteligencja Pilotaż
FireSat: wczesne wykrywanie pożarów z kosmosu
Earth Fire Alliance / Muon / Google Research: Protoflight mar 2025; trzy satelity operacyjne 7 lip 2026. AI porównuje plamy IR ~5×5 m. To nie model pogody ani Climate TRACE.
Czytaj kartęŹródło: Earth Fire Alliance: first three operational FireSats reach orbit (7 Jul 2026)
Sztuczna inteligencja Wdrożone
Google Flood Hub: AI prognozy wezbrań rzecznych
Flood Hub (Nature, 20 mar 2024; zasięg od lis 2024: 100+ krajów / ~700 mln) daje darmowe AI prognozy wezbrań do 7 dni: hydrologia, nie GraphCast.
Czytaj kartęŹródło: Nearing et al., Nature: global flood prediction (20 Mar 2024)
Sztuczna inteligencja Wdrożone
AlphaEarth Foundations: embeddingi Ziemi
Google DeepMind AlphaEarth (30 lip 2025) łączy dane multi-sensorowe w embeddingi 64-D przy 10 m; roczny Satellite Embedding V1 jest w Earth Engine. Fundament mapowania: nie wagi Prithvi i nie prognoza pogody.
Czytaj kartęŹródło: Google DeepMind: AlphaEarth Foundations (30 Jul 2025)
Sztuczna inteligencja Badania
Model językowy białek ESM3
W styczniu 2025 roku czasopismo Science opublikowało artykuł o ESM3, modelu sztucznej inteligencji firmy EvolutionaryScale, który „czyta” i „pisze” białka. Poproszony o zaprojektowanie świecącego białka, model stworzył takie, które zgadza się z najbliższym naturalnym krewnym tylko w 58 procentach pozycji; autorzy porównują tę odległość do około 500 milionów lat ewolucji.
Czytaj kartę
Sztuczna inteligencja Badania
Projektowanie materiałów z MatterGen
16 stycznia 2025 roku czasopismo Nature opublikowało artykuł o MatterGen, modelu sztucznej inteligencji firmy Microsoft, który proponuje nowe kryształy o zadanej właściwości, projektując je od podstaw. Jeden z zaproponowanych materiałów wykonano w laboratorium, a odporność na ściskanie, oszacowana na podstawie badań laboratoryjnych, mieściła się w granicach 20 procent od docelowych 200 gigapaskali.
Czytaj kartę
Sztuczna inteligencja Badania
Hybrydowy model klimatu NeuralGCM
22 lipca 2024 roku czasopismo Nature opublikowało artykuł o NeuralGCM, modelu Google Research, który zachowuje fizykę wielkoskalowych ruchów powietrza, a chmury i inne drobne procesy opisuje siecią neuronową. Na 40 latach przeszłości jego błąd temperatury wyniósł 0,25 stopnia Celsjusza, wobec 0,75 w zwykłych modelach samej atmosfery, a liczył ponad 3500 razy szybciej niż szczegółowy model fizyczny.
Czytaj kartę
Sztuczna inteligencja Badania
TORAX: symulator plazmy fuzyjnej
W maju 2024 roku Google DeepMind udostępniło TORAX, szybki symulator gorącego gazu wewnątrz maszyny fuzyjnej, na otwartej licencji. 16 października 2025 roku DeepMind i Commonwealth Fusion Systems ogłosiły partnerstwo, by wraz ze sztuczną inteligencją wykorzystać go do planowania pracy maszyny SPARC.
Czytaj kartę
Sztuczna inteligencja Badania
Sztuczna inteligencja przeciw niestabilności tearing w DIII-D
21 lutego 2024 roku czasopismo Nature opublikowało eksperyment na tokamaku DIII-D w Kalifornii, w którym kontroler oparty na sztucznej inteligencji metodą prób i nagród nauczył się w czasie rzeczywistym zmieniać grzanie i kształt plazmy, utrzymując przewidywane ryzyko tearing, jednej z głównych przyczyn załamania plazmy, poniżej wybranej granicy.
Czytaj kartę