Wissenschaftliche Forschung wird oft durch die zeitaufwändige Erstellung von kundenspezifischer Software zur Hypothesenbewertung behindert. Diese Arbeit stellt ein KI-System vor, das mit Gemini entwickelt wurde und empirische Software auf Expertenniveau für diesen Zweck generiert. Das System nimmt ein definiertes Problem und eine Bewertungsmethode als Eingabe und schlägt neuartige Konzepte vor und implementiert diese als Code. Anschließend durchläuft es Tausende von Codevarianten, um die Leistung mithilfe einer Baumsuchstrategie zu optimieren. Das System wurde an sechs multidisziplinären Benchmarks getestet und erzielte Ergebnisse auf Expertenniveau in den Bereichen Genomik, öffentliche Gesundheit, Geodatenanalyse, Neurowissenschaften, Zeitreihenprognose und numerische Analyse. Empirische Software ist darauf ausgelegt, einen vordefinierten Qualitätswert zu maximieren, und bewertbare Aufgaben sind solche, die von dieser Art von Software bearbeitet werden können. Das KI-System generiert Forschungsideen, implementiert diese als ausführbaren Code und verwendet ein LLM, um den Code für verbesserte Ergebnisse zu verfeinern. Dieser Prozess reduziert die Explorationszeit erheblich von Monaten auf Stunden oder Tage und liefert überprüfbare, interpretierbare und reproduzierbare Lösungen. Das KI-System bewies seine Leistungsfähigkeit, indem es neuartige Lösungen für anspruchsvolle Probleme generierte und in mehreren Benchmarks, einschließlich der Vorhersage von COVID-19-Krankenhausaufenthalten und der Integration von Einzelzell-RNA-Sequenzierungsdaten, die bestehenden, von Experten entwickelten Methoden übertraf. Dieser Fortschritt verspricht, die wissenschaftliche Entdeckung zu beschleunigen, indem er es Forschern ermöglicht, eine Vielzahl potenzieller Lösungen schnell zu untersuchen.