https://pharma.intelligence-synthesis.com/de/ai-science/Von KI vorangebrachte Wissenschaft und Gelehrsamkeit, nach Disziplindehttps://pharma.intelligence-synthesis.com/de/ai-science/s/75c73ba4f5/sc-75c73ba4f5Sat, 17 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie Klassifikation von Lungen- und Darmkrebs anhand histopathologischer Bilder ist schwierig, da sich die Klassen ähneln und die Gewebemorphologie variiert; zudem bieten herkömmliche Deep-Learning-Modelle kaum Transparenz. Die Autoren unterteilen die Aufgabe mit fünf Klassen in grob-bis-fein abgestufte Stufen: zunächst normal versus Krebs, anschließend ein spezialisierter Klassifikator für Normalgewebe-Kategorien oder Krebssubtypen, wobei für jede Stufe die beste Architektur ausgewählt wird. Das Framework erreichte auf LC25000 eine Genauigkeit von 98.50% und auf dem unabhängigen Datensatz LungHist700 82.01%; Grad-CAM, Grad-CAM++, LIME und Occlusion Sensitivity wurden eingesetzt, um die Bildregionen hervorzuheben, auf denen die Vorhersagen beruhen. https://www.nature.com/articles/s41598-026-75965-4https://pharma.intelligence-synthesis.com/de/ai-science/s/3a5c6c81a6/sc-3a5c6c81a6Sat, 17 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie aktuellen Leitlinien zur Überwachung von Leberkrebs (HCC) richten sich hauptsächlich an Menschen mit Zirrhose oder Virushepatitis. Die Forschenden entwickelten ein KI-Modell zur Vorhersage des HCC-Risikos bei Menschen ohne Virushepatitis, basierend auf Daten von etwa 7.96 Millionen südkoreanischen Erwachsenen, die an einer Gesundheitsuntersuchung teilgenommen hatten. Unter zwölf verglichenen Modellen schnitt MHA_DNN am besten ab und behielt in einer unabhängigen Validierungskohorte eine konsistente Genauigkeit bei. Der Fettleberindex und die Triglyceride waren die einflussreichsten Prädiktoren, was auf eine Unterstützung für eine stoffwechselbasierte, personalisierte Überwachung hindeutet. https://www.nature.com/articles/s41598-026-75959-2https://pharma.intelligence-synthesis.com/de/ai-science/s/49809d9807/sc-49809d9807Sat, 17 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungBestehende Deep-Learning-Modelle für Netzhaut-Fundusbilder bearbeiten nur eine einzelne Aufgabe, bieten eine begrenzte Interpretierbarkeit und haben Schwierigkeiten mit der Variation zwischen Datensätzen. Die Autoren schlagen ein Multitask-Netzwerk vor, das den Schweregrad der diabetischen Retinopathie, das Glaukom, das AMD-Stadium und das kardiovaskuläre Risiko anhand eines einzigen Bildes in einem Vorwärtsdurchlauf klassifiziert, mit Grad-CAM-Erklärungen. Es erreichte über vier Datensätze hinweg eine Genauigkeit von 94.7% und eine AUC von 0.978 und übertraf damit statistisch alle Einzelaufgabenmodelle sowie eine AUC von mindestens 0.951 in der Zero-Shot-Evaluation über Datensätze hinweg. https://www.nature.com/articles/s41598-026-74871-zhttps://pharma.intelligence-synthesis.com/de/ai-science/s/e9fe1e9cad/sc-e9fe1e9cadFri, 16 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDepressionen bei Studierenden bleiben oft unentdeckt, bis sie schwerwiegend werden, daher ist eine frühzeitige Vorhersage notwendig. Die Autoren kombinierten auf endlichen Automaten basierende Verhaltensmodellierung mit maschinellem Lernen, erzeugten Merkmale aus den emotionalen Zuständen der Studierenden und fassten redundante Merkmale zusammen. Mit einem Ensemble aus Random Forest und KStar stieg die Genauigkeit von einer Ausgangsbasis von 82.02% mit Random Forest auf 96.88% mit den automatenbasierten Merkmalen. Die Autoren geben an, dass der Ansatz die Merkmale interpretierbar und nachvollziehbar hält. https://www.nature.com/articles/s41598-026-74877-7https://pharma.intelligence-synthesis.com/de/ai-science/s/e2f17b44c6/sc-e2f17b44c6Fri, 16 Oct 2026 00:00:00 +0900LebenswissenschaftenDas Lernen von Genrepräsentationen vernachlässigt oft die wissenschaftliche Literatur, wodurch Ergebnisse zulasten wenig erforschter Gene verzerrt sein können. LitGene ist ein interpretierbarer Transformer, der Text per Contrastive Learning mit Gene-Ontology-Annotationen integriert. Er erreichte eine wettbewerbsfähige Genauigkeit bei acht Protein-Benchmarks, sagte GO-Terme, KEGG-Signalwege und Gen-Krankheits-Verbindungen im Zero-Shot-Verfahren voraus und markierte ANGPTL6 als Kandidatengen für die idiopathische Lungenfibrose, gestützt durch differenzielle Expression in unabhängigen Proben. https://www.nature.com/articles/s41467-026-78454-4https://pharma.intelligence-synthesis.com/de/ai-science/s/c4a02872fe/sc-c4a02872feFri, 16 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie Validierung großer Sprachmodelle für die Extraktion klinischer Informationen erfordert üblicherweise aufwendige manuelle Annotation. Die Autoren schlugen ein mehrstufiges Framework vor, das regelbasierte Filterung, semantische Verankerung, Bewertung durch ein Judge-LLM, Expertenprüfung und Analyse der prädiktiven Validität kombiniert. Angewendet auf Diagnosen von Substanzgebrauchsstörungen in 919.783 klinischen Notizen, entfernte es 14,59 % der LLM-positiven Extraktionen als nicht belegt oder unplausibel. Das primäre LLM erreichte gegenüber den Bewertungen des Judge-LLM einen F1-Wert von 0,80, und seine extrahierten Diagnosen sagten die spätere Inanspruchnahme fachärztlicher Versorgung besser voraus als Baselines mit strukturierten Daten. https://www.nature.com/articles/s41746-026-03341-7https://pharma.intelligence-synthesis.com/de/ai-science/s/b3aac6a87b/sc-b3aac6a87bFri, 16 Oct 2026 00:00:00 +0900Theoretische InformatikLaien nutzen zunehmend große Sprachmodelle, um historische Chiffren zu knacken, und greifen dabei auf deren Fähigkeit zurück, Entschlüsselungsalgorithmen auszuführen und im Internet nach Dokumenten zu suchen. Carter Leffen, der keinerlei Erfahrung in Kryptografie hat, bat GPT-6 Astra, eine vor 85 Jahren verschlüsselte Nachricht der deutschen Armee zu entschlüsseln, und bis zum Morgen lag eine Lösung vor. Fachleute für Kryptografie begrüßen das Interesse, sind aber mit Anfragen zur Überprüfung von KI-Lösungen überlastet, von denen viele falsch sind. https://www.nature.com/articles/d41586-026-03338-yhttps://pharma.intelligence-synthesis.com/de/ai-science/s/9a043aae05/sc-9a043aae05Fri, 16 Oct 2026 00:00:00 +0900Theoretische InformatikDie Malware-Analyse erfordert Entscheidungen auf mehreren Ebenen, von der Erkennung bis zur Zuordnung zu Familie und feingranularer Unterfamilie. Die Autoren schlagen ein hierarchisches Deep-Learning-Framework vor, das RGB-Bilder von Windows-PE-Dateien verarbeitet und Erkennung, Familienklassifizierung und die Zuordnung zu 33 Unterfamilien in einer Multi-Output-Architektur durchführt. Vier durch Attention erweiterte Transfer-Learning-Modelle erreichten 99 % Genauigkeit bei der binären Klassifizierung, 96–97 % auf Familienebene und 91–95 % auf Unterfamilienebene, mit Macro-F1-Werten von bis zu 0.89 bei der feingranularen Zuordnung. https://www.nature.com/articles/s41598-026-75054-6https://pharma.intelligence-synthesis.com/de/ai-science/s/98c95c02f9/sc-98c95c02f9Fri, 16 Oct 2026 00:00:00 +0900Bioengineering & synthetische BiologieModerne KI-Modelle der Spitzenklasse können nicht zuverlässig über 3D-Geometrie und den physischen Zustand im Labor schlussfolgern, was die Automatisierung von Pipettierrobotern erschwert. Google Research hat KI-Agenten in der physischen Laborrobotik verankert, sodass sie schnelle geschlossene Zyklen des molekularen Designs durchführen können. Die Agenten entdeckten Proteinbinder mit einstellig nanomolarer Affinität für Krebsziele. https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/https://pharma.intelligence-synthesis.com/de/ai-science/s/73240ab217/sc-73240ab217Fri, 16 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungEine neue Studie aus China hat ein KI-System mit Fotografien von Gesicht und Zunge trainiert, um koronare Herzkrankheit (KHK) zu erkennen. In einem kleinen Test identifizierte das System alle Patientinnen und Patienten mit KHK korrekt. https://medicalxpress.com/news/2026-10-ai-coronary-heart-disease-tongue.htmlhttps://pharma.intelligence-synthesis.com/de/ai-science/s/348cfe0470/sc-348cfe0470Fri, 16 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie Leitlinien zum integrierten Management von Kinderkrankheiten (IMCI) haben eine hohe Sensitivität, aber eine geringe Spezifität für Pneumonie. Gesundheitsfachkräfte in Bangladesch zeichneten mit einem digitalen Stethoskop Lungengeräusche von Kindern unter fünf Jahren mit Verdacht auf Pneumonie auf, und ein KI-Algorithmus wurde mit einem Gremium von Kinderärzten verglichen. Die KI erkannte abnorme Geräusche insgesamt mit 61.8 % Sensitivität und 60.7 % Spezifität, bei Pneumoniefällen nach IMCI mit 63.5 % und 66.8 %. Die Autoren bezeichnen dies als mäßige Leistung, wobei die Klassifizierung nicht interpretierbarer Aufnahmen verbessert werden muss. https://www.nature.com/articles/s41598-026-76222-4https://pharma.intelligence-synthesis.com/de/ai-science/s/31ff5bbcae/sc-31ff5bbcaeFri, 16 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie Beurteilung chirurgischer Resektionsränder in der Pathologie wird durch manuelle Markierungsfehler, Gewebeverzerrungen und Kauterisationsschäden beeinträchtigt. Die Autoren entwickelten ein virtuelles Markierungsnetzwerk, das ein eingefrorenes Foundation-Modell und einen kleinen Klassifikator nutzt, um den Rand auf Whole-Slide-Bildern ohne physische Tinte abzubilden. Auf 20 Schnitten aus unbekannten Gewebeblöcken erreichte es eine Genauigkeit auf Regionenebene von etwa 73.3% und erzeugte Überlagerungen, die qualitativ mit den Annotationen von Experten übereinstimmten. Die Ergebnisse sind ein Machbarkeitsnachweis und müssen in größeren klinischen Kohorten validiert werden. https://www.nature.com/articles/s41598-026-74284-yhttps://pharma.intelligence-synthesis.com/de/ai-science/s/12f1eb5dff/sc-12f1eb5dffFri, 16 Oct 2026 00:00:00 +0900Chemie & MaterialienGenaue Schätzungen der potenziellen Energie kleiner Moleküle nach der Energieminimierung sind wichtig für den Entwurf von Wirkstoff- und Gentransfer-Molekülen. Die Autoren entwickelten Deep-Learning-Modelle, darunter CNN-BiLSTM-Architekturen mit und ohne Multihead-Attention, und trainierten sie mit einem Datensatz von Strukturen kleiner Moleküle unter Verwendung atomweiser sequenzieller Darstellungen. Den Berichten zufolge übertreffen die Modelle herkömmliche deskriptorbasierte Methoden des maschinellen Lernens, und der Attention-Mechanismus soll die Generalisierung verbessern. https://www.nature.com/articles/s41598-026-76095-7https://pharma.intelligence-synthesis.com/de/ai-science/s/caed039f5f/sc-caed039f5fThu, 15 Oct 2026 00:00:00 +0900Chemie & MaterialienDie Struktur bestimmt die Funktion, weshalb Wissenschaftler zunehmend KI nutzen, um die Anordnung der Atome in neuen Materialien mit gewünschten Eigenschaften zu entwerfen. Forschende des Institute of Industrial Science der University of Tokyo erweiterten ein führendes generatives KI-Modell so, dass es die elektronische Struktur eines Materials gemeinsam mit seiner Kristallstruktur entwirft. Das neue Modell MatterGen-e⁻ wird in npj Computational Materials vorgestellt. https://techxplore.com/news/2026-10-electronic-ai-materials.htmlhttps://pharma.intelligence-synthesis.com/de/ai-science/s/a674da9f35/sc-a674da9f35Thu, 15 Oct 2026 00:00:00 +0900Wirtschafts- & SozialwissenschaftenHinweise auf Stress können sich in alltäglichen Smartphone-Gewohnheiten wie Chatten, Suchen und Bezahlen verbergen. Forschende des KAIST entwickelten eine Technologie, die mehrere routinemäßig wiederholte Verhaltensweisen innerhalb von Apps analysiert, um den täglichen Stresszustand einer Person zu erkennen. https://techxplore.com/news/2026-10-smartphone-chatting-payment-habits-ai.htmlhttps://pharma.intelligence-synthesis.com/de/ai-science/s/484681c927/sc-484681c927Thu, 15 Oct 2026 00:00:00 +0900LebenswissenschaftenDie Studie untersucht, wie genetische Variation die Genregulation im sich entwickelnden menschlichen Gehirn prägt, wo nur begrenzt Daten vorliegen. Die Autoren entwickelten Seal, ein interpretierbares KI-Transferlernen-Framework, das Genexpression und Variantenwirkungen über 26 Regionen, 30 Zelltypen und 7 Entwicklungsstadien hinweg vorhersagt. In Autismus-Ganzgenomdaten fand Seal eine signifikante Häufung von de-novo-Regulationsvarianten in transienten fetalen exzitatorischen Neuronen. https://www.nature.com/articles/s41593-026-02470-2https://pharma.intelligence-synthesis.com/de/ai-science/s/170c9bf7f3/sc-170c9bf7f3Thu, 15 Oct 2026 00:00:00 +0900Erd- & KlimawissenschaftenKipppunkte, nach denen ein System nicht in seinen ursprünglichen Zustand zurückkehren kann, sind schwerer vorherzusagen als kurzfristige Wetteränderungen. Ein von Caltech geleitetes Team zeigte, dass ein rekurrenter neuronaler Operator (RNO), eine Art neuronales Netz, vorhersagen kann, wann Kipppunkte in einfachen Modellen auftreten. Dazu gehören ein Klimawandel-Systemmodell und Simulationen turbulenter Luftströmung über einem Flugzeugflügel. Der Artikel wurde in PNAS veröffentlicht. https://www.caltech.edu/about/news/forecasting-tipping-points-with-aihttps://pharma.intelligence-synthesis.com/de/ai-science/s/0bb2f2bda6/sc-0bb2f2bda6Thu, 15 Oct 2026 00:00:00 +0900LebenswissenschaftenDie Studie zielt darauf ab, die Strukturen großer Proteinkomplexe vorherzusagen. Die Autoren entwickelten HDOCK-Multimer (HDM), ein automatisiertes Framework, das Ab-initio-Docking mit kombinatorischem Zusammenbau verbindet. In drei Benchmarks war HDM bei großen Proteinassemblierungen genauer und robuster als moderne Assemblierungsmethoden und Deep-Learning-basierte Methoden. https://www.nature.com/articles/s43588-026-01067-whttps://pharma.intelligence-synthesis.com/de/ai-science/s/0769c8ddfc/sc-0769c8ddfcThu, 15 Oct 2026 00:00:00 +0900LebenswissenschaftenWährend der Embryonalentwicklung empfangen Zellen chemische Signale, die Gene an- oder ausschalten und ihre Rollen bestimmen. Die Abfolge der Signale nachzuverfolgen, die eine Zelle empfangen hat, war bisher schwierig, da man annahm, dass sich Signalwege zwischen Zelltypen stark unterscheiden. Forscher des MIT und des Whitehead Institute entwickelten dafür ein computergestütztes Framework, das dazu beitragen könnte, das Engineering von Stammzellen zu beschleunigen, Krankheitsmodelle zu verbessern und Krebsbehandlungen zu unterstützen. https://news.mit.edu/2026/ai-model-decodes-language-cells-use-communicate-1015https://pharma.intelligence-synthesis.com/de/ai-science/s/e98fb20321/sc-e98fb20321Wed, 14 Oct 2026 00:00:00 +0900Erd- & KlimawissenschaftenDie Vorhersagegüte sinkt auf subsaisonalen Zeitskalen von 2 bis 6 Wochen im Voraus stark ab. Die Autoren stellen die probabilistische Bias-Korrektur vor, ein Machine-Learning-Framework, das lernt, historische probabilistische Vorhersagen zu korrigieren, und wenden es auf die führenden dynamischen und KI-Modelle des EZMW (ECMWF) an. Es verdoppelte die bescheidene subsaisonale Vorhersagegüte des AI Forecasting System und verbesserte das dynamische Modell für die meisten Druck-, Temperatur- und Niederschlagsziele; im Echtzeitwettbewerb des ECMWF 2025 waren seine globalen Vorhersagen die besten. https://www.nature.com/articles/s41586-026-11126-xhttps://pharma.intelligence-synthesis.com/de/ai-science/s/ac068f4878/sc-ac068f4878Wed, 14 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungEs fehlte bislang an Methoden, um die Aktivität des braunen Fettgewebes (BAT) beim Menschen in großem Maßstab zu quantifizieren. Anhand von Daten von 101.243 Patientinnen und Patienten eines großen Krebszentrums quantifizierten die Autoren die BAT-Aktivität bei etwa 8.700 Patientinnen und Patienten mithilfe von maschinellem Lernen halbautomatisch. Eine höhere BAT-Aktivität, insbesondere im axillären Depot, ging mit einer geringeren Wahrscheinlichkeit für kardiometabolische Erkrankungen und einer günstigeren Verteilung des weißen Fettgewebes einher. https://www.nature.com/articles/s41586-026-11162-7https://pharma.intelligence-synthesis.com/de/ai-science/s/75389c0963/sc-75389c0963Wed, 14 Oct 2026 00:00:00 +0900Chemie & MaterialienDie Solvatationsstruktur von Lithium-Ionen-Batterieelektrolyten im Volumen lässt sich allein durch Experimente nur schwer atomar genau bestimmen. Die Autoren kombinierten durch maschinelles Lernen ermöglichte atomistische Simulationen, NMR-Spektroskopie, elektrochemische Daten und quantenchemische Berechnungen. Sie identifizierten bislang unerforschte Multi-Li+-Komplexe ohne gebundene Anionen, die leicht reduziert werden, was erklären hilft, warum empirisch gewählte Ethylencarbonat-Lösungsmittelmischungen funktionieren. https://www.nature.com/articles/s41586-026-11138-7https://pharma.intelligence-synthesis.com/de/ai-science/s/f6daa0ea6d/sc-f6daa0ea6dTue, 13 Oct 2026 00:00:00 +0900LebenswissenschaftenEine Gruppe zufällig verbundener Einheiten kann sich zu einem effektiven informationsverarbeitenden Netzwerk neu organisieren, wenn ihr einfache Regeln dafür vorgegeben werden, wann und wie sich Verbindungen ändern sollen. Das MIT-Team argumentiert, dass die Fähigkeit eines künstlichen Netzwerks, sich ohne Anleitung durch einen Entwickler selbst zu organisieren, ein wichtiger Test für die biologische Plausibilität ist. Die Forschenden warnen, dass solche Netzwerke möglicherweise nicht viel Aufschluss über biologisches Lernen geben. https://news.mit.edu/2026/how-artificial-neural-networks-build-their-own-learning-machinery-1013https://pharma.intelligence-synthesis.com/de/ai-science/s/e5e310d165/sc-e5e310d165Tue, 13 Oct 2026 00:00:00 +0900Mathematikhttps://www.science.org/content/article/ai-edges-closer-solving-riemann-hypothesis-one-math-s-hardest-problemshttps://pharma.intelligence-synthesis.com/de/ai-science/s/de8281ec59/sc-de8281ec59Tue, 13 Oct 2026 00:00:00 +0900LebenswissenschaftenDas neue Life-Sciences-Labor von Anthropic nutzt Claude, um DNA-Datensätze nach nicht charakterisierten Proteinfamilien zu durchsuchen. In ersten Ergebnissen fanden Claude-Agenten, mit nur grober Anleitung durch Wissenschaftlerinnen und Wissenschaftler, ein neuartiges Enzymsystem mit unbekannter Funktion und Eigenschaften, die an CRISPR erinnern. Ziel der Arbeit ist es, Hypothesen in großem Maßstab zu generieren und im Labor zu testen. https://www.anthropic.com/news/claude-discovers-novel-enzyme-systemhttps://pharma.intelligence-synthesis.com/de/ai-science/s/b2711ed99d/sc-b2711ed99dTue, 13 Oct 2026 00:00:00 +0900LebenswissenschaftenNiCLIP ist ein KI-Modell, das kognitive Aufgaben, Konzepte und Domänen aus Mustern der Hirnaktivierung dekodiert. Es wurde mit über 23.000 Artikeln trainiert und übertrifft Berichten zufolge herkömmliche Decoder bei der Dekodierung auf Gruppenebene. Es sagte kognitive Aufgaben anhand von Gruppenkarten des Human Connectome Project präzise vorher, zeigte jedoch Einschränkungen bei verrauschten Karten auf Einzelpersonenebene. https://www.nature.com/articles/s41467-026-78451-7https://pharma.intelligence-synthesis.com/de/ai-science/s/7f7996bdc6/sc-7f7996bdc6Tue, 13 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungAMIFound ist ein Foundation-Modell, das medizinische Bilder wiederherstellt und verbessert, die durch Rauschen, Bewegungsartefakte, geringen Kontrast oder Niedrigdosis-Aufnahmen beeinträchtigt sind, und zwar über sieben Modalitäten hinweg, darunter CT, MRT, PET, Endoskopie, Ultraschall, Fundus und Röntgen. Trainiert mit 3,76 Millionen Bildpaaren, übertraf es 38 aufgabenspezifische und allgemeine Baselines bei Bildqualitätsmetriken, klinischer Bewertung und Robustheitstests. Die verbesserten Bilder steigerten zudem die Leistung bei 44 Aufgaben der Krankheitserkennung, der Vorhersage des Tumorstadiums und der Stratifizierung des Überlebensrisikos beim nichtkleinzelligen Lungenkarzinom. https://www.nature.com/articles/s42256-026-01310-zhttps://pharma.intelligence-synthesis.com/de/ai-science/s/0bcf3c5b5d/sc-0bcf3c5b5dTue, 13 Oct 2026 00:00:00 +0900Chemie & MaterialienMolekulare Hesse-Matrizen, die zweiten Ableitungen der potenziellen Energie, werden in vielen Arbeitsabläufen der Computerchemie benötigt, sind aber aufwendig zu berechnen und skalieren schlecht mit der Systemgröße. Die Autoren stellen HIP vor, ein Deep-Learning-Modell, das Hesse-Matrizen direkt vorhersagt, ohne automatische Differentiation oder finite Differenzen, und dabei SE(3)-äquivariante Merkmale eines Graph-Neural-Networks nutzt. Berichten zufolge ist HIP um ein bis zwei Größenordnungen schneller und genauer als Hesse-Matrizen aus automatischer Differentiation und schneidet bei der Suche nach Übergangszuständen, der Geometrieoptimierung und der Schwingungsanalyse gut ab. https://www.nature.com/articles/s43588-026-01066-xhttps://pharma.intelligence-synthesis.com/de/ai-science/s/abb85a22ce/sc-abb85a22ceMon, 12 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungKI-Werkzeuge können aus einer einzigen Nacht Schlaf physiologische Muster extrahieren, die herkömmliche Schlafmessungen übersehen, und diese Muster stehen im Zusammenhang mit Krankheit und Sterblichkeit. Zwei aktuelle Arbeiten in Nature Communications und Nature Medicine legen nahe, dass Schlafdaten weit mehr Gesundheitsinformationen enthalten, als Ärztinnen, Ärzte und Forschende derzeit gewinnen. Zunehmend deuten Belege auch darauf hin, dass sich Veränderungen im Schlaf bereits zeigen können, bevor eine Krankheit diagnostiziert wird. https://www.nature.com/articles/d41586-026-03207-8https://pharma.intelligence-synthesis.com/de/ai-science/s/8f745cbb31/sc-8f745cbb31Mon, 12 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie primäre ziliäre Dyskinesie (PCD) ist eine genetische Erkrankung mit dysmotilen Zilien, und die Diagnose bleibt schwierig. Die Autoren entwickelten CiliaTracks, ein Framework für maschinelles Lernen, das den Partikeltransport auf kultivierten Atemwegszellen analysiert, der mit Hochgeschwindigkeitsmikroskopie aufgenommen wurde. Klassische Modelle des maschinellen Lernens und ein Convolutional Neural Network klassifizierten Aufnahmen von 14 PCD-Betroffenen und 10 gesunden Spendern mit einer Genauigkeit von 95-97 %. https://www.nature.com/articles/s42003-026-11149-0https://pharma.intelligence-synthesis.com/de/ai-science/s/8c16b42aed/sc-8c16b42aedMon, 12 Oct 2026 00:00:00 +0900Chemie & MaterialienDie Vorhersage von Eigenschaften aus Koordinaten-Kategorie-Daten, etwa von Bildungsenergien oder Elastizitätsmodulen aus Kristallstrukturen, ist zentral für die computergestützte Wissenschaft, und große Sprachmodelle (LLMs) wurden dafür eingesetzt. Anhand synthetischer Datensätze und des MatText-Benchmarks stellen die Autoren fest, dass LLMs Koordinateninformationen durchweg nicht erfassen, Kategoriemuster aber gut verarbeiten. Dies gilt für Modellgrößen bis zu 70 Milliarden Parametern, Datensätze mit bis zu 2 × 10^6 Strukturen und verschiedene Textdarstellungen, und bei der Eigenschaftsvorhersage, die von Struktureffekten dominiert wird, übertreffen spezialisierte geometrische Architekturen die LLMs. https://www.nature.com/articles/s43588-026-01045-2https://pharma.intelligence-synthesis.com/de/ai-science/s/81b97ba554/sc-81b97ba554Sun, 11 Oct 2026 00:00:00 +0900LebenswissenschaftenZellmembranen sind in verrauschten Kryo-Elektronentomographie-Volumina schwer zu unterscheiden. Die Autoren stellen ETSAM vor, eine zweistufige Methode, die das Segment Anything Model 2 (SAM2) zur Segmentierung von Membranen feinabstimmt und mit 83 experimentellen und 28 simulierten Tomogrammen trainiert wurde. Auf 17 experimentellen Testtomogrammen übertraf sie andere Deep-Learning-Methoden mit hoher Sensitivität und besserer Präzision. https://www.nature.com/articles/s41467-026-77962-7https://pharma.intelligence-synthesis.com/de/ai-science/s/d21d6bf4e1/sc-d21d6bf4e1Fri, 09 Oct 2026 00:00:00 +0900PhysikDie Autoren demonstrieren ein physikbasiertes In-situ-Lernverfahren, das optische Gradienten in photonischen integrierten Schaltungen direkt misst. Es ermöglicht, verschiedene Schaltungstopologien nach der Fertigung zu trainieren, ohne ein vollständiges digitales Modell der Schaltung zu benötigen. Berichten zufolge erreicht die Hardware Matrixentwurf, Mehrwellenlängenberechnung und schnelles Meta-Lernen. https://www.nature.com/articles/s43588-026-01071-0https://pharma.intelligence-synthesis.com/de/ai-science/s/ecd6faecf1/sc-ecd6faecf1Thu, 08 Oct 2026 00:00:00 +0900LebenswissenschaftenDeep-Learning-Modelle können Genomdaten gut vorhersagen, doch der schwierigere Schritt besteht darin, sie für biologische Entdeckungen zu nutzen. Dieser Beitrag beschreibt tangermeme, ein hochoptimiertes Toolkit für die Teile des genomischen Deep Learning, die nicht das Modell selbst betreffen. Er zeigt, wie tangermeme die von Modellen gelernten cis-regulatorischen Muster zu für Menschen interpretierbaren Erkenntnissen verdichten kann. https://www.nature.com/articles/s41592-026-03254-zhttps://pharma.intelligence-synthesis.com/de/ai-science/s/bd824ddb04/sc-bd824ddb04Wed, 07 Oct 2026 00:00:00 +0900MathematikOpenAI setzte ein unveröffentlichtes Modell auf Hunderte hochkarätiger mathematischer Probleme an und veröffentlichte am 6. Oktober mehr als 700 KI-generierte Preprints auf GitHub. Einige Mathematiker begrüßten die Lösungen lang bestehender Probleme, andere beklagten in den sozialen Medien, ihnen sei jemand zuvorgekommen. Ein Mathematiker nannte die Flut eine "Slopokalypse", auch wenn die Inhalte sich dennoch als formal korrekt erweisen könnten. https://www.nature.com/articles/d41586-026-03196-8https://pharma.intelligence-synthesis.com/de/ai-science/s/7cda060db9/sc-7cda060db9Wed, 07 Oct 2026 00:00:00 +0900LebenswissenschaftenDaten zu Zellperturbationen offenbaren kausale regulatorische Zusammenhänge, sind aber oft knapp, was Methoden motiviert, die Reaktionen in einem Kontext aus anderen vorhersagen. Die Autoren entwickelten State, ein Machine-Learning-Modell, das ein Transformer-basiertes Zustandsübergangsmodell für Perturbationseffekte in Einzelzellen mit einem vortrainierten Zelleinbettungsmodell kombiniert. Es wurde mit Perturbationsdaten von über 100 Millionen Zellen und Beobachtungsdaten von 167 Millionen Zellen trainiert, und das Team entwickelte außerdem Cell-Eval, ein Evaluierungsframework zum Vergleich von Modellen. https://www.nature.com/articles/s41592-026-03260-1https://pharma.intelligence-synthesis.com/de/ai-science/s/7bb39cbee1/sc-7bb39cbee1Wed, 07 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungDie Segmentierung von Hirntumoren in der MRT ist langsam, fehleranfällig und durch Bedienerverzerrungen beeinträchtigt, und Deep-Learning-Modelle sind oft schwer interpretierbar. Die Autoren schlagen SPOHE-VGGNet vor, das ein modifiziertes U-Net mit VGG-19 und einer durch Partikelschwarmoptimierung gesteuerten Histogrammäqualisierung kombiniert, um den MRT-Kontrast zu verbessern. Auf dem Figshare-Datensatz erreichte es Dice-Werte von 0.9522 (Meningeom), 0.9428 (Gliom) und 0.9518 (Hypophysentumor) und auf BraTS 2021 0.9463 für die Segmentierung des gesamten Tumors. Die Autoren betonen jedoch, dass vor einem klinischen Einsatz noch eine externe, volumetrische und auf Kliniker ausgerichtete Validierung erforderlich ist. https://www.nature.com/articles/s41598-026-72923-yhttps://pharma.intelligence-synthesis.com/de/ai-science/s/9ef1894996/sc-9ef1894996Tue, 06 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungEntscheidungen im öffentlichen Gesundheitswesen werden oft durch Meldeverzögerungen, isolierte Datenbestände und spärliche Daten gebremst. Googles Population Dynamics Foundation Model (PDFM) verdichtet datenschutzfreundliche Suchtrends, menschliche Mobilität, Bebauungsdichte und Umweltfaktoren zu Standort-Embeddings. Diese Embeddings lassen sich ohne aufgabenspezifisches Fine-Tuning in bestehende epidemiologische Modelle einbinden, und es wurden fünf Fallstudien mit Partnern vorgestellt. https://research.google/blog/earth-ais-planetary-geospatial-foundation-models-for-global-public-health/https://pharma.intelligence-synthesis.com/de/ai-science/s/204538468b/sc-204538468bTue, 06 Oct 2026 00:00:00 +0900LebenswissenschaftenBestehende Methoden für räumliche molekulare Daten beruhen oft auf restriktiven Annahmen, durch die wichtige Krankheitssignale übersehen werden können. VIMA, eine Deep-Learning-Methode, nutzt ein Ensemble aus Variational Autoencodern, um kleine Gewebeausschnitte zusammenzufassen und Mikronischen zu identifizieren, deren Häufigkeit mit dem Fall- oder Kontrollstatus korreliert. In Simulationen war sie gut kalibriert und leistungsstark, und bei der Anwendung auf Datensätze zu drei Krankheiten reproduzierte sie bekannte Biologie und identifizierte neue räumliche Merkmale von Krankheiten. https://www.nature.com/articles/s41592-026-03236-1https://pharma.intelligence-synthesis.com/de/ai-science/s/a681028c9f/sc-a681028c9fMon, 05 Oct 2026 00:00:00 +0900LebenswissenschaftenAktuelle proteomische Arbeitsabläufe haben einen geringen Durchsatz und erfordern eine umfangreiche Datenverarbeitung, was die Klassifizierung von Proben verlangsamt. ProFormer ist eine Transformer-basierte Deep-Learning-Pipeline, die Merkmale von Peptidionen auf MS1-Ebene direkt aus Massenspektrometriedaten übernimmt. Sie übertraf herkömmliches maschinelles Lernen und CNNs über 14 Architekturen hinweg und klassifizierte Einzelzell-Proteome nach Zelltyp, Zyklusphase und Differenzierungsverlauf sowie den Krankheitsstatus von Patienten anhand von Plasma-Proteomen. https://www.nature.com/articles/s41467-026-78143-2https://pharma.intelligence-synthesis.com/de/ai-science/s/7488a954c0/sc-7488a954c0Mon, 05 Oct 2026 00:00:00 +0900LebenswissenschaftenHochauflösende Plattformen für räumliche Transkriptomik erfassen entweder nur wenige Transkriptzahlen pro Spot oder messen nur eine begrenzte Zahl von Genen, was die Gewinnung von Einzelzellinformationen erschwert. CellART kombiniert Färbebilder, Daten der räumlichen Transkriptomik und Einzelzell-RNA-seq-Referenzen und nutzt Deep Learning sowie probabilistische Modellierung, um Zellen zu segmentieren und gleichzeitig Zelltypen zu annotieren. Die Autoren berichten, dass es effizient, verallgemeinerbar und robust ist und dass seine Ausgaben mit weit verbreiteten Community-Tools kompatibel sind. https://www.nature.com/articles/s43588-026-01054-1https://pharma.intelligence-synthesis.com/de/ai-science/s/37746dff6b/sc-37746dff6bMon, 05 Oct 2026 00:00:00 +0900Medizin & WirkstoffforschungHypertrophe Kardiomyopathie (HCM) und kardiale Amyloidose (CA) sehen in der Echokardiografie ähnlich aus, was ihre Unterscheidung erschwert. In der Studie wurde ein Deep-Learning-Framework entwickelt, das 2D-Echobilder in fünf klinisch relevante Ansichten einteilt, aus jeder Ansicht Merkmale extrahiert und diese fusioniert. In einer fünffachen Kreuzvalidierung an 212 HCM-, 119 CA- und 200 Kontrollpatienten erreichte es eine Präzision von 0.83, eine Sensitivität von 0.81, eine Spezifität von 0.89 und einen Micro-F1 von 0.82; die Autoren bezeichnen es als zuverlässiges Diagnoseinstrument. https://www.nature.com/articles/s41598-025-15443-5https://pharma.intelligence-synthesis.com/de/ai-science/s/5b6346b11a/sc-5b6346b11aThu, 01 Oct 2026 00:00:00 +0900PhysikForschende der UCLA haben einen optisch-neuronalen Prozessor entwickelt, der mithilfe von Licht Deepfake-Videos erkennt und so die wachsende Menge KI-generierter Videos überprüfen soll. Anders als herkömmliche Systeme, die Videos einzeln untersuchen, analysiert er in einem einzigen optischen Durchlauf 15 oder mehr Videostreams gleichzeitig. Das Team berichtet von einer Erkennungsgenauigkeit von nahezu 98 %; die Studie wurde in eLight veröffentlicht. https://www.sciencedaily.com/releases/2026/09/260929053534.htmhttps://pharma.intelligence-synthesis.com/de/ai-science/s/4563f76666/sc-4563f76666Thu, 01 Oct 2026 00:00:00 +0900PhysikProf. Matthew Schwartz beschreibt, wie er BootLoops entwickelte, ein Toolkit für exakte Berechnungen in der quantitativen Wissenschaft, nachdem er aufgehört hatte, gegen Claude anzukämpfen, und es Probleme finden ließ, die zu seinen aktuellen Fähigkeiten passen. Da ähnliche Berechnungen in vielen Fachgebieten wiederkehren, fand Claude Verbindungen zur Ökologie, zur Populationsgenetik und zu einem Dutzend weiterer Bereiche, die allerdings oft technisch korrekt, aber zunächst unauffällig waren. Anschließend arbeitete Schwartz mit Fachexperten zusammen, um BootLoops auf Fragen auszurichten, die diese Fachgebiete interessieren. https://www.anthropic.com/research/claude-shaped-sciencehttps://pharma.intelligence-synthesis.com/de/ai-science/s/27c9a04ad4/sc-27c9a04ad4Thu, 01 Oct 2026 00:00:00 +0900Theoretische InformatikKombinatorische Optimierung bildet die Grundlage für Entscheidungen in Fertigung, Logistik und Energiewirtschaft, doch die Entwicklung von Heuristiken für jede neue Variante erfordert monatelangen Expertenaufwand, und die einmalige Codegenerierung durch LLMs scheitert häufig. LACE unterteilt den Algorithmenentwurf in Schemata, eine Werkzeugbibliothek und ein Heuristik-Portfolio und entwickelt anschließend komplementäre spezialisierte Heuristiken innerhalb der Laufzeitgrenzen weiter. Über 36 klassische CO-Bench-Probleme hinweg erreichte es im Durchschnitt 0.945, gegenüber 0.870 für die stärkste bisherige LLM-basierte Methode und 0.571 für direktes Prompting. https://www.nature.com/articles/s42256-026-01307-8https://pharma.intelligence-synthesis.com/de/ai-science/s/def62dff8c/sc-def62dff8cWed, 30 Sep 2026 00:00:00 +0900Theoretische InformatikForschende haben ein KI-System für Stratego entwickelt, ein Brettspiel für zwei Personen, bei dem die Figuren des Gegners verborgen sind und das häufig zum Testen strategischen Denkens verwendet wird. Das System kombiniert effiziente Trainingsalgorithmen mit neuen Techniken für Entscheidungen unter verborgener Information, besiegte Spitzenspieler deutlich und übertraf die nächstbesten Modelle, bei geringeren Trainingskosten. Es schlug außerdem Spitzenspieler in anderen Strategiespielen mit anderen Regeln. https://news.mit.edu/2026/game-playing-ai-stratego-new-champ-0930https://pharma.intelligence-synthesis.com/de/ai-science/s/ca6b7010c4/sc-ca6b7010c4Wed, 30 Sep 2026 00:00:00 +0900PhysikDie Ereignisinterpretation in Neutrino-Detektoren an der Energiegrenze ist für herkömmliche Rekonstruktion unpraktikabel und für überwachte Modelle schwierig, wenn nur wenige annotierte Daten vorliegen. Die Autoren trainieren einen Sparse Vision Transformer mit Masked-Autoencoder-Rekonstruktion und relationalen Zielen auf Voxel-Ebene vor und feintunen ihn anschließend gemeinsam für Klassifikation und Regression. Bei simulierten Ereignissen des vorgeschlagenen FASER-Kalorimeters verbesserte das Vortraining die Identifikation von Flavour und Charm-Quarks, die Impulsregression und die Vertexrekonstruktion, und mit etwa 1,000 annotierten Ereignissen erreichte der vortrainierte Encoder die Flavour-Klassifikationsleistung eines von Grund auf trainierten Modells. https://www.nature.com/articles/s42256-026-01309-6https://pharma.intelligence-synthesis.com/de/ai-science/s/a3455247ae/sc-a3455247aeWed, 30 Sep 2026 00:00:00 +0900Erd- & KlimawissenschaftenExtreme Weltraumwetter-Ereignisse können in Übertragungsnetzen Ströme induzieren, die Anlagen beschädigen, und Netzbetreiber müssen mit ausreichender Vorwarnzeit wissen, wann und wo die Auswirkungen am schwersten sein werden. Microsoft Research hat eine Machine-Learning-Pipeline entwickelt, die Sonnenwinddaten, AE- und Dst-Prognosen, die geografische Breite, die Geologie und die Bodenleitfähigkeit kombiniert, um Risikoschätzungen für 66.935 Umspannwerke in den kontinentalen Vereinigten Staaten zu erstellen. Im Evaluierungszeitraum erkannte sie fast 80 % der größeren Weltraumwetter-Ereignisse und kann Betreiber 30 bis 60 Minuten vor dem Auftreten eines bestimmten Risikos warnen. https://www.microsoft.com/en-us/research/blog/forecasting-space-weather-risks-on-power-grids/https://pharma.intelligence-synthesis.com/de/ai-science/s/832a7ab3b2/sc-832a7ab3b2Wed, 30 Sep 2026 00:00:00 +0900Theoretische Informatikhttps://deepmind.google/blog/d4rt-teaching-ai-to-see-the-world-in-four-dimensions/https://pharma.intelligence-synthesis.com/de/ai-science/s/c9854dc125/sc-c9854dc125Tue, 29 Sep 2026 00:00:00 +0900Erd- & KlimawissenschaftenSenegals kleine, regenabhängige Farmen setzen einen Großteil der Bevölkerung Klimaschocks aus, doch Satellitenwerkzeuge zur Kartierung von Anbaukulturen sind weitgehend unerreichbar. Forschende der University of Cambridge nutzten Tessera, ein quelloffenes, auf Satellitenbildern trainiertes KI-Modell, um Anbaukulturen im Erdnussbecken Senegals zu kartieren. In Tests lieferte es in 84 % der Fälle das richtige Ergebnis, genauer als aktuelle Methoden, und benötigte dabei nur einen Bruchteil der Rechenressourcen und der gelabelten Daten. In einem Szenario schnitt es um 28 % besser ab als das zweitbeste Modell. https://www.cam.ac.uk/research/news/ai-tool-for-mapping-smallholder-crops-proves-itself-in-senegalhttps://pharma.intelligence-synthesis.com/de/ai-science/s/6ab9873a8d/sc-6ab9873a8dTue, 29 Sep 2026 00:00:00 +0900LebenswissenschaftenQuine von Microsoft Research ist ein frühes Vorhaben, ein multimodales Weltmodell der Biologie und ein interaktives Framework zu entwickeln, das Modelle, wissenschaftliche Werkzeuge, Fachliteratur und Forschende miteinander verbindet und Wissenschaftlern hilft, Hypothesen vor Labortests zu priorisieren. In Zusammenarbeit mit Forschenden des Broad Institute of Harvard and MIT nutzte das Team das System, um Wirkstoffe zu priorisieren, von denen vorhergesagt wird, dass sie therapeutische Verschiebungen des Tumorzustands bewirken, und validierte mehrere der am höchsten eingestuften Kandidaten in verschiedenen Nasslabor-Assays. Das System ist experimentell, nur für Forschungszwecke gedacht, und seine Ergebnisse müssen von qualifizierten Forschenden geprüft werden. https://www.microsoft.com/en-us/research/blog/introducing-quine-an-ai-research-system-designed-for-the-complexity-of-biology/https://pharma.intelligence-synthesis.com/de/ai-science/s/ce8a4de60a/sc-ce8a4de60aMon, 28 Sep 2026 00:00:00 +0900Medizin & WirkstoffforschungRNA-Impfstoffe benötigen meist eine Ultrakühllagerung, weshalb Forschende des MIT einen KI-Algorithmus einsetzten, um die Formulierung der Lipid-Nanopartikel anzupassen, die mRNA-Impfstoffe transportieren. Der Algorithmus sagte optimale Formulierungen voraus, verringerte die Zahl der nötigen Experimente und beschleunigte die Entwicklung. Die resultierenden Impfstoffe blieben bis zu einem Jahr bei Raumtemperatur oder zwei Monate bei fast 100°F stabil, und bei Mäusen löste ein Covid-19-Impfstoff eine Immunantwort aus, die so stark war wie die eines RNA-Impfstoffs, der dem von Moderna ähnelt. https://news.mit.edu/2026/new-formulation-helps-rna-vaccines-withstand-high-temperatures-0928https://pharma.intelligence-synthesis.com/de/ai-science/s/c73c02fd4a/sc-c73c02fd4aMon, 28 Sep 2026 00:00:00 +0900Erd- & KlimawissenschaftenKlimamodelle sind für regionale Risikoentscheidungen zu grob, und bestehende Downscaling-Methoden sind für große Ensembles zu kostspielig, übersehen multivariate Abhängigkeiten oder benötigen zeitlich abgestimmte Trainingspaare, die frei laufende Projektionen nicht liefern. GenFocal ist ein generatives KI-Framework, das aus groben Projektionen ohne gepaarte Trainingsdaten statistisch genaues, feinskaliges Wetter erzeugt. Es synthetisiert langlebige Gefahren wie Hitzewellen und tropische Wirbelstürme, erfasst seltene folgenschwere Ereignisse genauer als führende Methoden und verbessert regionale Schätzungen zusammengesetzter Extreme. https://www.nature.com/articles/s42256-026-01308-7https://pharma.intelligence-synthesis.com/de/ai-science/s/902d1f16cb/sc-902d1f16cbSat, 26 Sep 2026 00:00:00 +0900MathematikDie Riemannsche Vermutung, ein ungelöstes Problem, besagt, dass die Nullstellen der Riemannschen Zetafunktion alle auf einer bestimmten senkrechten Geraden liegen. Beim Versuch, das Problem zu lösen, bewies eine unveröffentlichte Forschungsversion von Claude die Vermutung nicht, verbesserte aber eine seit Langem bestehende untere Schranke für den Anteil der Nullstellen, die sie erfüllen, und hob sie von 41,6 % auf 67,2 % an. Zwei Mathematiker von Anthropic prüften die Arbeit und verfassten eine informelle Expertenanmerkung; Claude erstellte außerdem einen formal überprüfbaren Beweis. Es wird nicht erwartet, dass das Ergebnis zu einem Beweis der Vermutung selbst führt. https://www.anthropic.com/research/riemann-zetahttps://pharma.intelligence-synthesis.com/de/ai-science/s/24adfd04a8/sc-24adfd04a8Fri, 25 Sep 2026 00:00:00 +0900PhysikDer Physiker und Wissenschaftsautor Matt von Hippel forderte KI-Unternehmen heraus, ein schwieriges theoretisches Physikproblem zu lösen: die Berechnung einer Neun-Schleifen-Amplitude in der N=4-Super-Yang-Mills-Theorie. Claude berechnete sie und löste die Aufgabe etwa einen Monat später. https://www.anthropic.com/research/yes-claude-can-do-nine-loopshttps://pharma.intelligence-synthesis.com/de/ai-science/s/c6cf2b4556/sc-c6cf2b4556Thu, 24 Sep 2026 00:00:00 +0900Medizin & WirkstoffforschungDie Identifizierung von Personen mit hohem Suizidrisiko ist für Berater in psychischen Krisen eine Priorität. Forschende des McGovern Institute am MIT entwickelten ein Sprachverarbeitungstool, das Texte nach Wörtern und Phrasen durchsucht, die mit 49 Suizidrisikofaktoren verknüpft sind, um das Risiko einer Person abzuschätzen. In Textkonversationen mit Krisenberatern sagte das Tool das Suizidrisiko präzise voraus, und mit weiterer Validierung könnte es die Risikobewertung in klinischen Settings und in der Krisenhilfe unterstützen. https://news.mit.edu/2026/estimating-suicide-risk-from-text-0924https://pharma.intelligence-synthesis.com/de/ai-science/s/dc467c9a7e/sc-dc467c9a7eTue, 22 Sep 2026 00:00:00 +0900Theoretische InformatikFliegende Roboter im Insektenmaßstab waren bislang meist langsam und auf einfache Flugbahnen beschränkt. Forschende des MIT entwickelten einen KI-basierten Regler mit einem zweiteiligen Steuerungssystem, der wiederholte Körperüberschläge ermöglicht. Im Vergleich zu den bisher besten Ergebnissen des Teams stieg die Geschwindigkeit des Roboters um etwa 450 % und seine Beschleunigung um etwa 250 %, und er absolvierte selbst bei Windstörungen 10 Saltos in 11 Sekunden. https://www.sciencedaily.com/releases/2026/09/260921081114.htmhttps://pharma.intelligence-synthesis.com/de/ai-science/s/5fc14a3904/sc-5fc14a3904Mon, 21 Sep 2026 00:00:00 +0900Bioengineering & synthetische BiologieOpen-Source-Modelle, mit denen Wissenschaftler Biomoleküle vorhersagen und entwerfen, waren langsam und speicherhungrig. Innerhalb von Claude Science optimierte Claude in knapp vier Wochen mehr als 30 dieser Modelle und beschleunigte sie im Durchschnitt um etwa das 4-Fache. Außerdem entwickelte es einen speicherarmen Modus, der die genaue Vorhersage von Systemen mit mehr als 10.000 Token auf einem einzelnen NVIDIA-GPU-Knoten ermöglicht, und der optimierte Code wird als Open Source veröffentlicht. https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling