AI for Science
2024 年 AI 十大故事，透视技术变革与未来挑战
编辑 | 20492024 年，人工智能技术持续改变着我们的生活和工作方式。 IEEE Spectrum 精选了年度最具影响力的 10 个 AI 故事，从技术突破到社会影响，全方位展现了 AI 发展的现状与挑战。 这些故事不仅反映了生成式 AI 的革命性进展，也揭示了其存在的局限与争议。
Nature报导：研究人员如何使用 AI？科学领域利弊调查分析
编辑 | matrix人工智能正在重塑科研领域。 根据出版公司 Wiley 最新发布的一项大规模调查显示，研究人员普遍认为在未来两年内，AI 工具将在学术研究和出版领域获得广泛接受。 这项调查涵盖了来自 70 多个国家的近 5000 名研究人员，深入探讨了他们对生成式 AI 工具的使用现状和未来展望。
光中介层可能在 2025 年开始加速 AI
编辑丨toileter光纤电缆正在逐渐靠近高性能计算机中的处理器，用玻璃取代铜连接。 科技公司希望通过将光学连接从服务器外部移动到主板上，然后让它们与处理器并排放置，从而加速 AI 并降低其能源成本。 现在，科技公司准备在寻求成倍增加处理器潜力的道路上走得更远——通过滑入处理器下面的连接。
David Baker 利用 AI 设计蛋白质，一招制蛇毒，或将彻底改变蛇咬治疗
编辑丨&蛇中毒是一种严重的个人健康威胁，每年导致约 10 万人死亡和 30 万人永久残疾，尤其是在医疗资源匮乏的地区。 目前的抗蛇毒血清主要依赖于动物血浆提取的多克隆抗体，存在成本高、副作用大、对某些毒素效果有限等问题。 今年诺贝尔化学奖得主 David Baker 团队的一项研究揭示了蛇咬伤治疗可能改变游戏规则。
高灵敏探索质谱，滑铁卢、中原AI院团队基于深度学习的端到端方法
编辑 | 萝卜皮基于质谱的蛋白质组学中肽段鉴定对于理解蛋白质功能和动力学至关重要。 传统的数据库搜索方法虽然应用广泛，但依赖于启发式评分函数，必须引入统计估计才能获得更高的鉴定率。 加拿大滑铁卢大学 （University of Waterloo）和中原人工智能研究院（中原 AI 院）的研究团队提出了 DeepSearch，一种基于深度学习的串联质谱端到端数据库搜索方法。
活性提高42倍，ML引导的无细胞表达加速酶工程，登Nature子刊
编辑 | 萝卜皮酶是人类生活中不可或缺的天然催化剂，不仅助我们消化食物，还能增强香水香味、提高洗衣效率，甚至用于疾病治疗。 科学家们正使用酶工程创造新酶，用于吸收温室气体、降解环境毒素、研发高效药物。 但是，酶工程受限于快速生成和使用大量序列功能关系数据集进行预测设计的挑战。
AI赋能蛋白质研究：SaprotHub让蛋白质AI模型训练和调用不再有门槛！
编辑 | ScienceAI近年来，AI 技术在蛋白质研究领域发挥了越来越重要的作用。 从 AlphaFold2 在结构预测任务上的脱颖而出，到各类蛋白质语言模型（PLMs）在功能预测方面的重大进展，生物研究者们可以利用各式各样的 AI 模型来辅助他们的研究。 然而，随着模型变得越来越复杂，如何训练和调用这些 AI 模型对于缺乏机器学习专业知识的研究者来说是一件非常具有挑战的任务，也因此限制了 AI 技术在实际研究中的应用。
AI伪造论文渗透学术圈：Google Scholar成虚假科学温床，如何应对？
编辑 | 1984随着生成式 AI 技术的普及，学术界正面临着一个新的挑战：越来越多疑似由 AI 生成的研究论文正在渗透到学术期刊、档案库和知识库中。 这些论文通常借助 ChatGPT 等普及型 AI 应用来模仿学术写作风格，其危害不容忽视。 作为广受欢迎的学术搜索引擎，Google Scholar 在展示搜索结果时，并未区分这些可疑论文与经过严格质量把关的研究成果。
模拟5亿年进化的ESM3在Science发布了，可推理蛋白质序列、结构和功能
编辑 | 萝卜皮2024 年夏天 EvolutionaryScale 推出了 ESM3，一款面向蛋白质语言的大模型，成功在自然进化未曾涉足的区域设计出功能性蛋白。 同期上线了该研究的预印版本。 时隔半年，该研究以「Simulating 500 million years of evolution with a language model」为题，于 2025 年 1 月 16 日在《Science》发布。
Nature重磅：微软生成式AI材料设计工具，稳定性提升2倍，实验验证误差低于20%！
编辑 | 2049材料创新是推动技术进步的关键驱动力之一。 从 20 世纪 80 年代锂钴氧化物的发现到如今的锂离子电池技术，材料科学的每一次突破都深刻影响着我们的日常生活。 然而，传统的材料发现方法依赖于耗时且昂贵的实验试错过程，而计算筛选方法虽然加速了这一过程，但仍然受限于已知材料的数量。
川普2.0或削减环境、传染病研究，推动AI、量子、太空探索
编辑 | 2049随着唐纳德·特朗普（Donald Trump）准备开启其第二任美国总统任期，科学界正呈现出截然不同的两种前景。 一些技术公司、太空探索爱好者、人工智能开发者等群体对未来几年的政策前景充满期待，认为这将为创新与探索带来新机遇。 然而，众多从事气候、地球科学和生物医学研究的科学家和学者们却对重要研究项目可能面临的削减、降级或贬损表示担忧。
AI赋能传统力场：字节跳动开发高精度通用小分子力场ByteFF
编辑 | ScienceAI小分子力场是药物发现中的重要工具，在计算机辅助药物设计中发挥关键作用。 化学空间覆盖广泛且高效精确的小分子力场将为药物发现奠定可靠的基础。 尽管基于机器学习的 MLFF（如 ANI-2x，MACE-OFF23 等）能够提供非常精确的小分子势能面预测，但它们的训练需要海量数据量，且推理速度较慢，还存在外推场景不确定度大等问题。
交大O1医疗探索：延长AI思考时间，解锁复杂推理诊断
编辑 | ScienceAI当医生面对复杂病例时，往往需要反复思考、权衡多种可能性，才能得出准确诊断。 以鉴别诊断为例，它要求医生生成可能的诊断列表，并通过评估临床发现，逐步排除不符合条件的选项。 如今，AI 也学会了这种「深思熟虑」的诊断方式。
AI预测自然灾害，全球首个支持全天候灾害响应的多模态超高分辨率数据集BRIGHT
编辑 | ScienceAI这是全球首个支持全天候灾害响应的多模态超高分辨率数据集，论文和数据集已公开，作者团队来自东京大学（UTokyo），理化学研究所（RIKEN），苏黎世联邦理工学院（ETH Zurich）和微软亚洲研究院（MSRA)。 论文链接：：，自然灾害和人为灾害频发，给全球范围内的人类社会带来了重大影响。 快速而精准的灾后评估尤其是建筑损毁评估，是制定紧急救援决策、减少人员伤亡和财产损失的重要依据。
AI生物学家：当「基础模型」撞上「生物学混沌」，谁才是解谜高手？
编辑丨toileter在如今的 AI for Biology 社区里，当今的词汇是基础模型。 每个人都希望将更多事物的更大的数据放入更大的模型中进行计算测试。 虚拟细胞模型将使研究者们能够预测细胞状态如何响应化学扰动而产生变化。
AMD与约翰霍普金斯大学联手：AI实验室copilot自动化科研，成本节约84%！
编辑 | 2049科学研究，尤其是机器学习领域的研究，往往需要大量的时间和资源投入，从最初的构思到最终的结果产出，每一步都充满了挑战。 近年来，大型语言模型（Large Language Models，LLMs）在自然语言处理和代码生成方面取得了显著进展，这为自动化科学研究提供了新的可能性。 然而，现有的自动化研究工具通常只能处理单个环节，如文献综述或实验设计，无法实现全流程的自动化。
AI 驱动科学大爆发！从蛋白质到数学证明，2024 年最值得关注的科技突破
编辑 | ScienceAI2024 年对于 AI for Science 而言，可谓硕果累累：两个诺贝尔奖再度聚焦人工智能与科学的先驱性结合。 其一是诺贝尔化学奖，颁发给了在蛋白质设计与蛋白质结构预测领域做出开创性贡献的 David Baker 博士、John Jumper 博士以及Demis Hassabis 博士；其二是诺贝尔物理学奖，授予了 John J. Hopfield 博士与 Geoffrey Hinton 博士，以表彰他们在人工神经网络及其机学习核心原理方面的奠基性工作。
病毒接下来会做什么？AI 正在帮助科学家预测它们的演变
编辑丨toileter目前期望的防范病毒的措施是通过查看病毒的基因序列来预测病毒将如何进化。 距离那种方法还有很长的路要走，但越来越多的研究小组正在使用人工智能 （AI） 来预测 SARS-CoV-2、流感和其他病毒的进化。 病毒（尤其是 SARS-CoV-2 等 RNA 病毒）通过积累新的突变不断进化。