AI for Science

Cell子刊封面 | 统一虚拟筛选和活性优化，IDEA研究院等提出亲和力基础模型LigUnity

作者 | 论文团队编辑 | ScienceAI2025 年 10 月，一篇题为《Hierarchical affinity landscape navigation through learning a shared pocket-ligand space》的论文，作为封面文章发表于 Cell 旗下期刊《Patterns》。该研究由粤港澳大湾区数字经济研究院（IDEA）AI4Science 团队、晶泰科技（XtalPi）及华盛顿大学的研究团队联合攻关，成功开发了名为 LigUnity 的亲和力基础模型。论文地址：(25)00219-3?_returnURL=：：，更是一次范式级的革新 —— 它通过构建蛋白质与配体的共享表示空间，让 AI 统一学习并驾驭从大规模筛选到精细活性优化的完整药物发现流程。

10/24/2025 10:22:00 PM

ScienceAI

MIT提出物理先验生成式AI模型SpectroGen：跨模态光谱重建精度达99%，助力材料质量验证提速千倍

编辑丨&实验室的光谱仪常常是科研流程中最昂贵、最慢的一环。每当新材料被设计出来，它还需经过繁琐的扫描与验证——晶格结构、分子基团，诸如此类。一次完整的表征，往往要切换多台设备、耗费数小时乃至几天。

10/23/2025 2:20:00 PM

ScienceAI

MIT等开发SCIGEN工具，AI结构约束框架带来超千万种候选材料，成功合成新型量子晶体

编辑丨&将文本转换为图像的 AI 在生成材料方面表现出优越的天赋，在过去几年中，来自谷歌、微软和 Meta 等公司的生成材料模型利用其训练数据帮助研究人员设计了数千万种新材料。但由于数据有限和结构复杂，功能性无机材料仍然稀缺。麻省理工学院等的学者们提出了一种生成模型中的结构约束整合（SCIGEN）框架，该框架在基于扩散的生成模型中施加几何约束（如蜂窝状和 Kagome 晶格），以发现稳定的量子材料候选物。

10/22/2025 6:00:00 PM

ScienceAI

当AI需要「充电」，科技巨头押注小型模块化反应堆，细节公布

编辑丨coisini随着人工智能（AI）模型参数从千亿级迈向万亿级，其背后的能源消耗已经达到了惊人的程度。虽然 AI 的爆发式增长给包括科研在内的各行各业带来变革机遇，但其引起的能源危机同样不容忽视。根据国际能源署（IEA）今年 4 月发布的报告，到 2030 年，全球数据中心的电力需求将增长一倍以上，而人工智能将是这一增长的最重要驱动力。

10/22/2025 11:52:00 AM

ScienceAI

科研神器！Anthropic打造生命科学专用Claude，面向研究发现到成果转化全流程

编辑丨coisiniClaude 作为 Anthropic 推出的基础模型，因功能强大、擅长协作而获得研究人员青睐。科研人员通常使用 Claude 处理独立任务，例如编写统计分析代码或总结论文。现在，为了让 Claude 能够支撑从早期发现到成果转化与商业化的完整创新链条，Anthropic 正式上线 Claude 生命科学版 ——Claude for Life Sciences，并推出一系列改进措施，旨在让 Claude 成为生命科学领域工作者更得力的合作伙伴。

10/21/2025 3:14:00 PM

ScienceAI

MaskMol：知识引导的分子图像自监督学习框架，破解活性悬崖识别难题

作者丨论文团队编辑丨ScienceAI在药物发现领域，一个长期存在的挑战是活性悬崖（Activity Cliffs）现象，即两个分子结构高度相似但生物活性却存在显著差异，然而，由于传统方法在识别活性悬崖时，会出现表征坍塌的问题，因此仍然难以准确捕捉悬崖分子的细微差别。近日，湖南大学等团队在《BMC Biology》上发表了一项研究《MaskMol: knowledge-guided molecular image pre-training framework for activity cliffs with pixel masking》，这项研究开发了名为 MaskMol 的知识引导分子图像自监督预训练框架，该框架能通过细粒度知识引导的像素掩码策略进行准确的活性悬崖估计。活性悬崖与传统模型的局限分子性质预测是药物研发的核心环节，其核心假设是结构相似则性质相似（图 1 左）。

10/20/2025 11:56:00 AM

ScienceAI

单细胞分析迈入新前沿：谷歌&耶鲁等发布270亿参数模型，为癌症治疗揭示全新潜在路径

编辑丨coisini今年早些时候，谷歌联合耶鲁大学等证实生物模型与自然语言处理类似，同样遵循扩展定律：模型规模越大，在生物学任务中的表现就越出色。这引出了一个关键问题：扩大模型规模仅能提升现有任务性能，还是能催生全新能力？谷歌认为：规模化的真正价值在于创造新思路、探索未知领域。

10/16/2025 2:42:00 PM

ScienceAI

MIT发现金属制造中的隐藏秩序，机器学习揭开被忽视的非平衡化学结构

编辑丨&好像在大众的印象中，制造合金就是一场极端的「原子洗牌」。高温、巨压、反复变形——这些过程被认为能把合金里的原子彻底搅匀。几十年来，材料科学的共识是：只要加热到足够高、变形够剧烈，金属内部的化学秩序就会被完全抹去。

10/15/2025 4:05:00 PM

ScienceAI

港科大&英伟达提出NewtonBench：在「平行宇宙」中评估大模型科学发现能力

作者 | 论文团队编辑 | ScienceAI随着大语言模型（Large Language Models, LLMs）推理能力的提升，其在自动化科学发现（Automatic Scientific Discovery）领域的潜力也引发了学术界与公众的广泛关注。 AI 领域知名学者何恺明曾在一次访谈中提出一个引人深思的问题：「以当前大模型的智能水平，若将其置于牛顿时代，它能否独立发现牛顿物理定律？」然而，评估这种能力面临诸多挑战。

10/15/2025 11:56:00 AM

ScienceAI

速度提升百倍、精度达实验水准，中国科学院等发布FastTrack，为离子装上「导航系统」

编辑丨%扩散是自然界中最普遍与重要的现象之一，从手边的冰美式到工业中电池等产品的合成，所有这些都从根本上依赖于这种质量传输方式。在能源材料中，离子想要流动，就得穿越复杂的原子迷宫。可要弄清楚这些原子在晶体中是怎么「走」的——尤其是它们翻越的能量障碍——一直是材料科学里最耗时的环节。

10/13/2025 2:04:00 PM

ScienceAI

化学反应的「全景地图」来了，机器人帮科学家导航高维实验空间

编辑丨&不知道诸位读者在做实验的时候是否经历过一些玄学——明明步骤都是一样的，但就是因为某些奇异的问题，导致实验无法顺利进行下去。人类化学家只能探索这些流形的一个有限子集，对反应超空间的理解仍然是零碎的。产率分布是平滑还是波状？

10/9/2025 4:35:00 PM

ScienceAI

直击科学计算与设计痛点，跨学科推理统一基座模型SciReasoner来了

作者 | 论文团队编辑 | ScienceAI面对多模态、跨尺度、强约束的科研问题，通用 LLM 正从「工具」升级为「合作者」。来自上海人工智能实验室等机构的研究团队提出了一款为科学数据「读 — 思 — 设」而生的统一科学基座模型：以更完整的科学数据基座、更系统的训练日程与更可验证的推理机制，直击科学计算与设计痛点。论文：：：：：覆盖更广：统一 I/O 与「任务分组奖励」让单一骨干跨化学 / 生命 / 材料等多领域；可验证性更强：从数据标注到思维链再到 RL 奖励全面「科学化」，强调度量统一与工具可复核；工程更到位：明确的数据配比、训练日程与算力规模，保证性能与可复现性。

10/8/2025 3:18:00 PM

ScienceAI

Nature | 大幅加速多元电催化剂的科学发现，MIT等推出多模态人工智能-机器人平台CRESt

作者 | 论文团队编辑 | ScienceAI近日，美国麻省理工学院李巨团队在国际顶尖学术期刊《Nature》上发表了题为《A multimodal robotic platform for multi-element electrocatalyst discovery》的研究论文。该工作展示了一种多模态机器人平台 CRESt（Copilot for Real-world Experimental Scientists），通过将多模态模型（融合文本知识、化学成分以及微观结构信息）驱动的材料设计与高通量自动化实验相结合，大幅提升催化剂的研发速度和质量。论文地址：。

10/5/2025 3:16:00 PM

ScienceAI

GPT-5解决量子版NP难题？半小时内给出有效方案

编辑丨%量子计算听起来就很烧脑了，但在理论世界里还有一群人，他们专门研究「量子证明」能做到什么程度。这个领域叫量子复杂性理论，其中很出名的一个类是 QMA ——它是「量子版的NP问题」，可以理解成：有一个「量子证明」，由验证者用量子计算机来检查真假。过去二十年，研究者不断尝试把验证错误率压得越来越低，就像玩游戏要刷「满暴击率」。

9/29/2025 2:04:00 PM

ScienceAI

Information Fusion | 融合视觉与序列，湖南大学等提出药物相互作用预测新方法

作者 | 论文团队编辑 | ScienceAI药物 - 药物相互作用（DDIs）的准确预测对于保障药物安全和加速新药研发至关重要。然而，现有方法大多依赖整体分子结构或子结构表征，难以充分捕捉功能性 motif 之间的交互关系，而这恰恰是 DDIs 的根本原因。与此同时，分子图像能够天然保留分子在二维 / 三维空间中的构象特征与视觉线索（如纹理、阴影、颜色和空间布局），这些信息往往难以通过单一图或序列表示捕捉，因而为刻画 motif 间的空间互作提供了独特优势。

9/28/2025 11:58:00 AM

ScienceAI

Project Imaging-X发布：1000+开放医学影像数据集全景式综述

作者丨项目团队编辑丨ScienceAI过去几年，通用领域的基础模型（Foundation Models）在大规模、异质、高质量数据的推动下快速演进。在医学影像场景中，基础模型同样被寄予厚望：期望以一次预训练，支持多模态（CT/MR/PET/内镜等）、多任务（分割/检测/配准/追踪等）与多解剖部位的统一处理，成为从研究到临床的“通用基础”。然而，医学影像数据的获取与敏感高度依赖医学专业知识，并受到伦理与隐私的严格约束，现有的公开数据长期呈现“小而散、偏科严重”的格局：与通用视觉领域的数据集相比，目前公开的医学影像数据集的规模普遍较小，通常只有数千张图像，与通用领域的数据集个数级数量相比。

9/26/2025 4:13:00 PM

ScienceAI