Anthropic:Claude 设计出抗蝎毒神经毒素蛋白结合体
Anthropic 让内部研究模型 Claude 在 64 小时内自主设计针对蝎毒神经毒素的微型蛋白结合体,共生成 31.8 万个设计并选出 211 个送检,其中 17 个通过结合标准。Anthropic 公开全部设计与数据,但强调尚未验证其能否中和毒素,不宣称已制成抗毒血清。
共 30 篇相关资讯,按重要度与时间排序,每 3 小时更新。
Anthropic 让内部研究模型 Claude 在 64 小时内自主设计针对蝎毒神经毒素的微型蛋白结合体,共生成 31.8 万个设计并选出 211 个送检,其中 17 个通过结合标准。Anthropic 公开全部设计与数据,但强调尚未验证其能否中和毒素,不宣称已制成抗毒血清。
《Science》发表研究,探讨利用 AI 驱动的形式化证明搜索来推进数学研究。该方法结合自动定理证明与形式化验证,有望加速数学发现并提高证明可靠性。
数学家陶哲轩撰文提议为 AI 辅助科学研究建立类似 CERN 的大型共享基础设施。他认为当前 AI 科研工具分散且重复建设,需要集中化的平台来支撑跨机构协作。该构想旨在加速数学与科学领域的 AI 应用。
Synthetic Sciences 在 GitHub 开源 OpenScience,一个面向科学研究的 AI 智能体工作台,可读取文献、编写并运行代码、执行实验并撰写结果,全程留痕。支持桌面端、浏览器与命令行,并集成 NVIDIA BioNeMo 的 Boltz-2、OpenFold3、RFdi…
报道称 AI 方法在量子物理领域取得进展,攻克了 5 道存在 20 多年的公开问题。文章称参与者包括 MIT 最后一位三学位天才,引发对 AI 进军基础物理的讨论。
北京睿质科技完成数千万元天使轮融资,中关村资本领投、中关村科学城公司跟投。公司由院士与长江学者团队领衔,核心产品 Archeos 采用多智能体架构,整合文献检索、材料设计、计算仿真与结果分析,面向科研机构与工业企业提供材料计算与研发服务。
北大助理教授卢萌担任首席科学家的 AI4S 公司格原万维(LattixOrigin)完成近千万美元种子轮融资,顺为资本、云沐资本、Xirius 与中关村资本参投。团队整合近亿级人脑细胞数据,已训练初代 DigitalBrain-M1 人脑基础模型,目标用于脑疾病靶点发现与机制解析。
Wired 文章讨论 AI 在数学领域取得突破后,正加速向物理、生物等其他科学领域扩展,改变科研发现的方式与节奏,同时也引发对可验证性与科研范式的讨论。
气象 AI 公司天序智能完成数千万元 Pre-A+ 轮融资,由厚雪资本独家投资。公司自研能源气象大模型,并启动“凝空星座”计划,已实现气象大模型上星入轨。资金将用于星座建设、模型迭代与海外业务预研。
Google DeepMind 研究所发布文章,讨论 AI 在科学研究中的现状与未来,提出「弯曲发现曲线」的愿景。内容涵盖 AI 在生物、材料等领域的应用潜力,属于机构观点与展望。
访谈围绕ScienceDiscovery展开,探讨AI如何从纳米抗体到大飞机等科研场景中,由单纯“给答案”转向真正“做研究”。讨论涉及AI在科学发现流程中的角色升级与落地挑战。
14岁考入清华、普林斯顿最年轻终身教授王梦迪发表演讲,指出AI尚未发现新的基础科学。该观点引发对AI在科学研究中角色与局限的讨论。原文内容缺失,仅提供跳转链接。
论文提出 AgenticTuner,让当代大语言模型充当优化器,为宇宙学模拟提出下一组参数试验,替代把模拟器当黑箱的贝叶斯优化。在给定代码库、文档与经验启发式等人类可读先验时,智能体以极小 CPU 成本达到有竞争力的校准效果,被视为迈向 AI 科学家的一步。
一篇 arXiv 论文探讨面向自主实验研究的协作式 AI 智能体方法,让多个智能体分工协作完成实验设计、执行与分析。属于 AI for Science 方向的学术研究,具体方法与结果需查阅原文。
论文提出 Verification-Guided Reflow(VGR),把反应验证作为 AND/OR 搜索中的决策动作,用二元判定剪枝或调整搜索优先级。在 Retro190 上验证可解率从 51.1% 提升至 62.6%,采用「早剪枝、延迟引导」策略后进一步升至 71.1%,且调用次数更少。
论文追问当 AI 在核心科研任务上追平或超越人类时,人为何还要做科学、又该如何使用 AI。作者主张科学不可或缺的目标是人类持久、集体的世界理解,并据此提出「人类理解」与「人类方向」双重委托测试。框架按 CRediT 科研角色分类逐阶段给出建议,覆盖同行评审与新人培养。
研究者构建 RxnExBench 多模态基准,从高影响力化学期刊中整理 3,565 条专家标注反应与 2,361 个分子结构,采用 15 种反应角色、26 个核心字段的统一模式。评测 9 个先进视觉语言模型显示,随模式复杂度与推理要求上升性能显著下降,分子识别准确本身并不足够。
研究团队提出一种等变(equivariant)高效框架,用于通用电荷密度预测,可提升分子与材料体系电子结构建模的效率与精度。该工作属于 AI for Science 中机器学习势函数与量子化学计算的交叉方向。
文章探讨 AI 在科学研究应用中的下一个关键瓶颈,认为数据、验证与实验闭环等环节可能制约 AI 科学发现的进一步突破。属于对 AI 科研范式的评论性分析。
该 arXiv 论文探讨 AI 在组合数学领域的发现能力,梳理从提出问题到求解、再反哺问题设计的路径。研究展示了 AI 在数学猜想与证明辅助方面的潜力。属于 AI for Science 方向的学术工作。
数学家陶哲轩在视频中讨论 AI 与科学关系中的核心悖论,涉及 AI 在数学与科研中的辅助作用及其局限。内容为观点性演讲,未发布具体模型或研究成果。
论文指出主流自动微分框架隐式固定欧氏空间基,难以表达旋转、体积形式、曲率等几何对象。作者提出单一与基无关的导数算子,可表示多种几何微分运算,且完全用现有 AD 原语表达,可与 JAX 批处理、编译与硬件加速组合,并在流形算子、时空反问题管线与转子子群优化中验证复用性。
论文指出钙钛矿太阳能电池机器学习模型常用随机划分评估,会因数据大量重复而系统性泄漏信息——近三分之二的器件与其他器件配方完全相同。作者基于钙钛矿数据库的机构溯源建立分组划分层级,基准测试 13 个模型后发现:树集成在随机划分上占优,但在真正未见机构与未来发现上排名崩塌,组合感知的神经网络架构表现更…
一段视频介绍了一位借助 AI 推动物理学研究的物理学家。内容聚焦 AI 在科学研究中的应用,展示 AI 与基础科学交叉的前沿探索。
该文为 70 强项目观察系列之一,聚焦 AI 在科学发现领域的应用,指出 AI 给出答案之外,如何验证结果、确保可靠性成为关键问题。文章探讨 AI for Science 从生成假设到实证检验的完整链条。
文章认为生物领域的 AI 发展瓶颈并非数据量不足,而是数据质量、标注与建模方法等问题。作者主张应更关注如何有效利用现有生物数据,而非一味追求更多数据。
IEEE Computer Society 刊文讨论 AI 是否以及如何拯救科学研究,涉及自动化实验、假设生成与科研效率提升等议题。文章同时审视 AI 在可复现性、科研诚信与评价体系方面带来的新挑战。
海德堡桂冠论坛发布视频,多位学者就 AI 在数学研究中的应用展开圆桌讨论,涉及定理证明、猜想发现与研究方法变革。该讨论反映了 AI 与基础科学交叉的前沿趋势。
加州大学圣塔芭芭拉分校卡弗里理论物理研究所(KITP)推出「Intermediate-Scale AI for Physics」项目,探讨中等规模 AI 模型在物理研究中的应用。内容为学术项目介绍视频。
2014年菲尔兹奖得主Martin Hairer在一段视频中讨论了纳维-斯托克斯方程、人工智能以及数学的未来。内容偏向学术与理论探讨,在Hacker News上关注度极低。