化学
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
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
IJCAI 2025 | 化学不是单向路：ChemDual大模型用拆分与重组，优化化学反应与分子逆合成预测
作者 | 论文团队编辑 | ScienceAI化学反应预测和逆合成设计是药物研发中的核心步骤。 近年来，虽然大型语言模型（LLMs）在各领域表现优异，但直接应用到化学合成任务时仍存在两大挑战：数据量稀缺和反应预测与逆合成任务建模割裂。 为了应对数据稀缺问题，湘潭大学林轩副教授课题组联合湖南大学曾湘祥教授、湖南师范大学曾道建教授课题组针对化学反应和逆合成预测，提出了一个新的大模型框架 ——ChemDual。
8/29/2025 12:00:00 PM
ScienceAI
Nature子刊 | 上智院统一框架RXNGraphormer，实现化学反应多任务精准预测，自发掌握分类规律
编辑丨ScienceAI人工智能正在重塑精准有机合成的未来，但反应性能预测（数值回归）与合成路线规划（序列生成）之间固有的方法差异，一直是构建统一深度学习架构的挑战。 针对这一难题，上海科学智能研究院（下称上智院）物质科学团队提出了一种名为 RXNGraphormer 的新型深度学习框架。 该框架通过整合图神经网络（GNN）与 Transformer 模型，成功实现了对化学反应活性、选择性以及单步正向与逆向合成的精准预测。
8/20/2025 2:05:00 PM
ScienceAI
AI for Chemistry进入「配置即代码」时代，Chemia一键训练化学AI模型
编辑 | ScienceAI如今，人工智能已成为化学研究不可或缺的工具，广泛应用于化合物性质预测、反应优化和材料设计等领域。 尽管大模型作为当前人工智能领域的主流方向之一，但是基于特征工程的传统人工智能算法依然在许多垂直领域有着难以替代的作用。 目前，垂直科学领域的初学者在面对人工智能建模时，面临诸多挑战，数据处理、模型调参及实验复现等繁琐流程耗时耗力，且易使人望而却步。
7/18/2025 4:18:00 PM
ScienceAI
性能提高87%，数据需求减70%，天大等开发化学毒性预测模型，登Nature子刊
编辑丨%于化学领域，多物种急性毒性评估构成了化学品分类、标签和风险管理的基础。 传统机器学习模型常因人类毒性数据稀缺（部分端点仅 140 条可用数据）陷入预测困境。 天津大学等联合团队针对传统模型的使用缺陷，开发了最新的条件急性毒性评估（ToxACoL）框架，通过端点关联图建模 伴随双向学习的方式，实现毒性的评估。
7/16/2025 4:44:00 PM
ScienceAI
科学家用GNN进行不确定性量化，实现高效的分子设计，登Nature子刊
题图来源：AI生成编辑 | 白菜叶在广阔的化学空间中优化分子设计面临着独特的挑战，尤其是在领域转移的情况下保持预测准确性。 在最新的研究中，台湾大学（National Taiwan University）的研究人员整合了不确定性量化 (UQ)、定向信息传递神经网络 (D-MPNN) 和遗传算法 (GA) 来解决这些挑战。 他们系统地评估了 UQ 增强型 D-MPNN 是否能够有效优化广泛、开放的化学空间，并确定了最有效的实施策略。
4/10/2025 1:11:00 PM
ScienceAI
为矛盾的理论提供统一解释，牛津大学等揭秘非晶硅结构
编辑丨coisini非晶硅（α-Si）是研究最广泛的无序网络固体之一，其结构已经被研究了几十年。 两种主要理论分别基于连续随机网络模型和「类晶体」模型，后者被定义为在保持整体非晶网络的同时，表现出类似于晶体状态的局部结构有序性。 然而，这种局部有序性的程度一直不明确。
3/25/2025 12:02:00 PM
ScienceAI
11天实现18种广谱抗菌素设计，体外验证成功率94.4%，浙大侯廷军等用LLM方法从头设计AMP
编辑 | 萝卜皮大型语言模型 (LLM) 在化学和生物医学研究中取得了显著进展，可作为各种任务的多功能基础模型。 浙江大学侯廷军、谢昌谕以及南方医科大学姜志辉等课题组组成的联合团队提出了 AMP-Designer，这是一种基于 LLM 的方法，用于快速设计具有所需特性的抗菌肽 (AMP)。 在 11 天内，AMP-Designer 实现了 18 种具有广谱抗革兰氏阴性细菌活性的 AMP 的从头设计。
3/7/2025 1:11:00 PM
ScienceAI
ByteQC：通往大规模实用化量子化学计算的曙光
编辑 | ScienceAI真实化学体系包含大量的微观粒子，其精确的严格计算需要指数高的复杂度，对这些体系的模拟一直是材料、制药和催化等领域的难点和前沿。 为了解决这一问题，近日字节跳动 ByteDance Research 团队开发并开源了 ByteQC ——基于 GPU 加速的大规模量子化学计算工具集。 该工具集使用强大的 GPU 算力，大幅度加速了常见的量子化学算法，同时结合领域内前沿的量子嵌入方法实现了量子化学「黄金标准」精度下的大规模量子化学体系的模拟。
3/5/2025 12:56:00 PM
ScienceAI
Transformer革新药物研发：TRACER框架实现反应感知的分子设计与合成优化
编辑 | 2049药物研发周期长、成本高是制药行业面临的重大挑战。 据统计，一个新药从研发到上市平均需要 12 年时间，投入高达 26 亿美元。 为提升研发效率，深度学习在分子生成领域取得了显著进展。
2/26/2025 3:52:00 PM
ScienceAI
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。
1/17/2025 3:29:00 PM
ScienceAI
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。
1/16/2025 11:49:00 AM
ScienceAI
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。
1/13/2025 3:05:00 PM
ScienceAI
ScienceAI 2024「AI+材料&化学」专题年度回顾
编辑 | 2049在数字化转型的背景下，人工智能技术正在从根本上改变化学与材料科学的研究范式。 2024年，这场技术革新在多个领域展现其变革力量。 在分子设计领域，基于图神经网络（GNN）和 Transformer 架构的深度学习模型，结合分子动力学模拟，实现了分子性质的精确预测与优化。
12/26/2024 4:39:00 PM
ScienceAI
LLM学习原子「结构语言」，生成未知化合物的晶体结构，登Nature子刊
编辑 | 萝卜皮生成合理的晶体结构通常是预测材料化学成分及其性质的第一步，但当前大多数预测方法计算成本高，制约了创新进程。 通过使用优质生成的候选结构来预测晶体结构，可以突破这一瓶颈。 在最新的研究中，英国雷丁大学（University of Reading）的研究人员介绍了 CrystaLLM，这是一种基于晶体学信息文件 (CIF) 格式的自回归大型语言建模 (LLM) 的多功能晶体结构生成方法。
12/10/2024 6:32:00 PM
ScienceAI
打破GNN与语言模型间壁垒，图辅助多模态预训练框架用于催化剂筛选，登Nature子刊
编辑 | KX吸附能是一种反应性描述符，必须准确预测，才能有效地将机器学习应用于催化剂筛选。 该过程涉及在催化表面上的不同吸附构型中找到最低能量。 尽管图神经网络在计算催化剂系统的能量方面表现出色，但它们严重依赖原子空间坐标。
12/3/2024 2:42:00 PM
ScienceAI
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
大模型
数据
Midjourney
开源
Meta
智能
微软
用户
AI新词
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
LLM
论文
代码
算法
Agent
AI for Science
芯片
苹果
腾讯
Stable Diffusion
Claude
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
RAG
人形机器人
研究
AI视频
生成
大语言模型
具身智能
Sora
工具
GPU
百度
华为
计算
字节跳动
AI设计
AGI
大型语言模型
搜索
视频生成
场景
深度学习
DeepMind
架构
生成式AI
编程
视觉
Transformer
预测
AI模型
伟达
亚马逊
MCP