AI与世界难题
AI推动的科学与学术进展(按学科)
关于AI被用于解决难题的新闻——涵盖数学、物理、核聚变、量子科学、生命科学、医学、气候和人文领域——每3小时从大学、研究机构、AI实验室、期刊和arXiv的RSS订阅源及新闻稿中收集。Jev只保留有真实科学成果的条目,并按学科分类;摘要仅根据各来源的开头部分撰写——详情请阅读原文。
RSS订阅源 · 58 条
一种用于肺癌和结肠癌检测的可解释分层深度学习框架
原标题: An interpretable hierarchical deep learning framework for lung and colon cancer detection
由于各类别外观相似且组织形态多变，从组织病理图像中对肺癌和结肠癌进行分类十分困难，而传统深度学习模型几乎不具备透明度。作者将五分类任务拆分为由粗到细的多个阶段：先区分正常与癌症，再针对正常组织类别或癌症亚型使用专门的分类器，并为每个阶段选择最佳架构。该框架在 LC25000 数据集上达到 98.50% 的准确率，在独立的 LungHist700 数据集上达到 82.01%，并使用 Grad-CAM、Grad-CAM++、LIME 和 Occlusion Sensitivity 突出显示其预测所依据的图像区域。
MASLD时代基于人工智能预测无HBV或HCV感染人群肝细胞癌的研究
原标题: Artificial intelligence-based prediction of hepatocellular carcinoma in individuals without HBV or HCV infection in the MASLD era
目前的肝癌（HCC）监测指南主要针对肝硬化或病毒性肝炎患者。研究人员利用约796万接受健康体检的韩国成年人的数据，构建了一个AI模型，用于预测无病毒性肝炎人群的HCC风险。在比较的十二个模型中，MHA_DNN表现最佳，并在独立验证队列中保持了稳定的准确性。脂肪肝指数和甘油三酯是影响最大的预测因子，提示该模型可为基于代谢状况的个体化监测提供支持。
基于混合注意力与可解释人工智能、利用视网膜眼底图像自动预测健康状况的多任务深度学习框架
原标题: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
现有的视网膜眼底图像深度学习模型只能处理单一任务，可解释性有限，且难以应对不同数据集之间的差异。作者提出了一种多任务网络，只需一次前向传播，即可从单张图像中对糖尿病视网膜病变严重程度、青光眼、AMD分期以及心血管风险进行分类，并提供Grad-CAM解释。该模型在四个数据集上的准确率达到94.7%，AUC为0.978，在统计上优于所有单任务模型；在零样本跨数据集评估中，AUC不低于0.951。
用于智能心理健康诊断的自动机与机器学习集成框架
原标题: An automata-machine learning integrated framework for intelligent mental health diagnostics
学生中的抑郁情况往往在变得严重之前都未被发现,因此需要进行早期预测。作者将基于有限自动机的行为建模与机器学习相结合,根据学生的情绪状态生成特征并合并冗余特征。使用随机森林与 KStar 的集成方法后,准确率从随机森林基线的 82.02% 提升至采用自动机特征后的 96.88%。作者表示,该方法能使特征保持可解释性和可追溯性。
LitGene：一种整合文本与本体、用于基因表示学习的可解释Transformer模型
原标题: LitGene: an interpretable transformer model integrating text and ontology for gene representation learning
基因表征学习常常忽视科学文献，这可能使结果对研究较少的基因产生偏倚。LitGene 是一种可解释的 Transformer，通过对比学习将文本与基因本体注释相整合。它在八项蛋白质基准测试中取得了具有竞争力的准确率，能够零样本预测 GO 术语、KEGG 通路和基因-疾病关联，并将 ANGPTL6 标记为特发性肺纤维化的候选基因，这一结果得到了独立样本中差异表达的支持。
一个用于利用大语言模型进行可信的大规模临床信息提取的多阶段验证框架
原标题: A multi-stage validation framework for trustworthy large-scale clinical information extraction using large language models
验证大型语言模型的临床信息抽取能力通常需要成本高昂的人工标注。作者提出了一个多阶段框架，结合了基于规则的过滤、语义对齐、评判LLM评估、专家评审以及预测效度分析。该框架应用于919,783份临床记录中的物质使用障碍诊断时，剔除了14.59%缺乏依据或不合理的LLM阳性抽取结果。主LLM相对于评判评估的F1分数达到0.80，其抽取的诊断结果对后续专科护理参与情况的预测效果优于结构化数据基线。
业余爱好者正在借助 AI 破解历史上长期未解的密码
原标题: History’s long-secret codes are being cracked by amateurs using AI
非专业人士越来越多地利用大语言模型破解历史密码，借助的是它们运行解密算法和在互联网上搜索文献的能力。毫无密码学经验的 Carter Leffen 请 GPT-6 Astra 破译一条 85 年前加密的德军电文，它在早晨前就给出了解答。密码学专家对这种兴趣表示欢迎，但被大量要求验证 AI 解答的请求淹没，其中许多解答是错误的。
基于注意力增强深度学习的 RGB 可执行文件图像多层级恶意软件子家族归属分析
原标题: Multi-level malware subfamily attribution from RGB executable images using attention-augmented deep learning
恶意软件分析需要在多个层面做出判断，从检测到家族归属，再到细粒度的子家族归属。作者提出了一种分层深度学习框架，该框架以Windows PE文件的RGB图像为输入，在一个多输出架构中完成检测、家族分类和33个子家族的归属。四个引入注意力机制的迁移学习模型在二分类上达到99%的准确率，家族层面为96–97%，子家族层面为91–95%，细粒度归属的宏平均F1分数最高可达0.89。
让 AI 智能体立足于生物现实：自主湿实验室的构建模块
原标题: Grounding AI agents in biological reality: Building blocks for autonomous wet labs
前沿 AI 模型无法可靠地推理三维几何和实验室的物理状态，这使得液体处理机器人的自动化十分困难。Google Research 将 AI 智能体与实体实验室机器人相结合，使其能够运行快速的闭环分子设计循环。这些智能体发现了对癌症靶点具有个位数纳摩尔亲和力的蛋白质结合剂。
AI在小规模测试中通过面部和舌部照片检测冠心病
原标题: AI detects coronary heart disease from face and tongue photos in small test
中国的一项新研究使用面部和舌部照片训练了一个AI系统，用于检测冠心病（CHD）。在一次小规模测试中，该系统正确识别出了所有冠心病患者。
利用人工智能和数字听诊识别孟加拉国呼吸道疾病患儿的附加肺音
原标题: Identification of adventitious lung sounds in children with respiratory illnesses in Bangladesh using artificial intelligence and digital auscultation
儿童疾病综合管理指南对肺炎的敏感度高，但特异度低。孟加拉国的卫生工作者使用数字听诊器记录了疑似肺炎的五岁以下儿童的肺音，并将AI算法与儿科医生小组的判断进行了比较。该AI检测异常音的总体敏感度为61.8%，特异度为60.7%；在按IMCI判定的肺炎病例中，敏感度和特异度分别为63.5%和66.8%。作者认为这一表现属于中等水平，在对无法判读的录音进行分类方面仍需改进。
使用基础模型自动标注手术切除切缘
原标题: Autonomous labeling of surgical resection margins using a foundation model
病理学中手术切除切缘的评估会受到手工涂墨错误、组织变形和电灼损伤的影响。作者开发了一种虚拟涂墨网络，该网络使用冻结的基础模型和一个小型分类器，在无需物理墨水的情况下于全切片图像上标出切缘。在来自未见过的组织块的20张切片上，其区域级准确率约为73.3%，生成的叠加图在定性上与专家标注相吻合。这些结果属于概念验证，仍需在更大规模的临床队列中进行验证。
一个基于机器学习的小分子势能预测平台
原标题: A machine learning-based platform for predicting the potential energy of small molecules
能量最小化后小分子势能的准确估计，对于设计药物和基因递送分子至关重要。作者构建了深度学习模型，包括带有和不带多头注意力的CNN-BiLSTM架构，并使用基于原子的序列表示，在小分子结构数据集上对其进行训练。据报道，这些模型优于传统的基于描述符的机器学习方法，并且据称注意力机制可提升泛化能力。
利用电子结构指导AI设计新材料
原标题: Using electronic structure to guide AI in designing new materials
结构决定功能，因此科学家越来越多地利用AI来设计新材料中的原子排列，以获得所需性能。东京大学生产技术研究所的研究人员扩展了一个领先的生成式AI模型，使其能够同时设计材料的电子结构和晶体结构。这一新模型MatterGen-e⁻发表于《npj Computational Materials》。
小型研究发现，智能手机聊天和支付习惯可帮助AI识别日常压力
原标题: Smartphone chatting and payment habits help AI identify daily stress, small study finds
压力的线索可能隐藏在日常的智能手机习惯中，例如聊天、搜索和支付。KAIST的研究人员开发了一项技术，通过分析在应用内反复出现的多种日常行为，来识别一个人的日常压力状态。
使用Seal对发育中人脑的基因调控和变异效应进行基于AI的时空建模
原标题: Spatiotemporal AI-based modeling of gene regulation and variant effects in the developing human brain using Seal
该研究探讨了遗传变异如何在数据有限的发育中人脑里塑造基因调控。作者构建了Seal，这是一个可解释的AI迁移学习框架，可预测26个脑区、30种细胞类型和7个发育阶段的基因表达及变异效应。在自闭症全基因组数据中，Seal发现短暂存在的胎儿兴奋性神经元中新发调控变异的负担显著。
用 AI 预测临界点
原标题: Forecasting Tipping Points with AI
临界点（系统越过后便无法恢复到原始状态）比短期天气变化更难预测。一个由加州理工学院牵头的团队表明，循环神经算子（RNO）这类神经网络可以在简单模型中预测临界点何时出现，这些模型包括气候变化系统模型以及飞机机翼上方湍流气流的模拟。该论文发表于《PNAS》。
用于改进大型蛋白质复合物结构预测的混合建模
原标题: Hybrid modeling for improved structure prediction of large protein complexes
该研究旨在预测大型蛋白质复合物的结构。作者开发了HDOCK-Multimer（HDM），这是一个将从头对接与组合组装相结合的自动化框架。在三项基准测试中，对于大型蛋白质组装体，HDM比最先进的组装方法和基于深度学习的方法更准确、更稳健。
AI 模型解码细胞用于交流的语言
原标题: AI model decodes the language cells use to communicate
在胚胎发育过程中,细胞接收化学信号,这些信号会开启或关闭基因并决定细胞的功能。由于一直以为各类细胞的信号通路差异很大,追踪细胞所接收的信号序列一直很困难。MIT 和怀特黑德研究所(Whitehead Institute)的研究人员开发了一个计算框架来解决这一问题,这有助于加速干细胞工程、改进疾病模型,并为癌症治疗提供参考。
利用机器学习推进次季节预报
原标题: Advancing subseasonal forecasting with machine learning
在未来 2 到 6 周的次季节时间尺度上，预报技巧会急剧下降。作者提出了概率偏差校正这一机器学习框架，它学习校正历史概率预报，并将其应用于 ECMWF 领先的动力模型和 AI 模型。它使 AI 预报系统原本有限的次季节技巧提高了一倍，并改进了动力模型对大多数气压、温度和降水目标的预报；在 ECMWF 2025 年实时竞赛中，其全球预报表现最佳。
人工智能赋能的人类棕色脂肪临床表型分析
原标题: Artificial intelligence-enabled clinical phenotyping of human brown fat
目前一直缺乏能够大规模量化人体棕色脂肪组织（BAT）活性的方法。作者利用一家大型癌症中心101,243名患者的数据，通过机器学习对约8,700名患者的BAT活性进行了半自动量化。BAT活性较高，尤其是腋窝部位的BAT活性较高，与较低的心血管代谢疾病患病几率以及更健康的白色脂肪分布相关。
锂离子电池电解质中存在多 Li⁺ 团簇的证据
原标题: Evidence for multi-Li + clustering in lithium-ion battery electrolytes
锂离子电池电解液的体相溶剂化结构仅凭实验很难在原子层面确定。作者结合了机器学习驱动的原子模拟、核磁共振波谱、电化学数据和量子化学计算。他们发现了此前未被研究的、不含结合阴离子且易被还原的多Li+配合物，这有助于解释为何凭经验选择的碳酸乙烯酯溶剂混合物行之有效。
人工神经网络如何构建自己的学习机制
原标题: How artificial neural networks build their own learning machinery
一组随机连接的单元，在被赋予关于连接何时以及如何变化的简单规则后，可以重新组织成有效的信息处理网络。MIT团队认为，人工网络在没有开发者指导的情况下自我组织的能力，是检验生物学合理性的关键标准。研究人员提醒说，这类网络可能无法为生物学习提供太多启示。
AI离解决黎曼猜想又近了一步，这是数学中最难的问题之一
原标题: AI edges closer to solving the Riemann hypothesis, one of math’s hardest problems
Claude 发现一种新型酶系统
原标题: Claude discovers a novel enzyme system
Anthropic的新生命科学实验室利用Claude探索DNA数据集中尚未被表征的蛋白质家族。在早期成果中，仅在科学家给出高层次指导的情况下，Claude智能体就发现了一种功能未知的新型酶系统，其特性让人联想到CRISPR。这项工作旨在大规模生成假设并在实验室中进行验证。
NiCLIP：用于从脑激活图像预测文本的神经影像对比语言-图像预训练模型
原标题: NiCLIP: neuroimaging contrastive language-image pretraining model for predicting text from brain activation images
NiCLIP 是一种 AI 模型，可从大脑激活模式中解码认知任务、概念和领域。它在超过 23,000 篇文章上进行了训练，据报道在群体水平解码方面优于传统解码器。它能根据人类连接组计划的群体水平图谱准确预测认知任务，但在处理含噪声的个体水平图谱时表现出局限性。
用于多模态医学图像复原与增强的一体化基础模型
原标题: An all-in-one foundation model for multimodal medical image restoration and enhancement
AMIFound是一个基础模型，可对受噪声、运动伪影、低对比度或低剂量采集影响而退化的医学图像进行复原和增强，涵盖CT、MRI、PET、内窥镜、超声、眼底和X射线等七种模态。该模型基于376万对图像训练，在图像质量指标、临床医生评估和稳健性测试中均优于38个特定任务基线和通用基线。增强后的图像还改善了44项疾病检测任务、肿瘤分期预测以及非小细胞肺癌的生存风险分层。
HIP：无需求导的 Hessian 原子间势
原标题: HIP: Hessian Interatomic Potentials without derivatives
分子 Hessian 矩阵是势能的二阶导数，在许多计算化学工作流程中都需要用到，但计算成本高昂，且随体系规模增大扩展性较差。作者提出了 HIP，这是一种深度学习模型，利用图神经网络中的 SE(3) 等变特征，无需自动微分或有限差分即可直接预测 Hessian 矩阵。据报道，HIP 比基于自动微分的 Hessian 矩阵快一到两个数量级且更准确，并在过渡态搜索、几何优化和振动分析中表现出色。
睡眠中的隐藏信号可预测未来健康状况
原标题: Hidden signals in sleep can predict future health
AI工具可以从一整晚的睡眠中提取传统睡眠指标所遗漏的生理模式，这些模式与疾病和死亡率相关。发表在《Nature Communications》和《Nature Medicine》上的两篇近期论文表明，睡眠数据所蕴含的健康信息远多于临床医生和研究人员目前所提取的。越来越多的证据还表明，睡眠变化可能在疾病确诊之前就已出现。
对纤毛驱动的颗粒运输进行机器学习分析，可将原发性纤毛运动障碍与正常纤毛区分开来
原标题: Machine learning analysis of cilia driven particle transport distinguishes primary ciliary dyskinesia from normal cilia
原发性纤毛运动障碍（PCD）是一种纤毛运动异常的遗传性疾病，其诊断仍然具有挑战性。作者开发了CiliaTracks，这是一个机器学习框架，用于分析高速显微镜拍摄的培养气道细胞上的颗粒运输情况。经典机器学习模型和卷积神经网络对14名PCD患者和10名健康供者的记录进行分类，准确率达到95-97%。
在利用大型语言模型预测性质时，少即是多
原标题: Less can be more for predicting properties with large language models
从坐标-类别数据预测性质（例如根据晶体结构预测形成能或弹性模量）是计算科学的核心问题，大语言模型（LLM）已被应用于此。作者利用合成数据集和MatText基准发现，LLM在处理类别模式时表现良好，但始终无法捕捉坐标信息。这一结论在参数规模高达700亿的模型、规模高达2 × 10^6个结构的数据集以及不同的文本表示下均成立；对于以结构效应为主导的性质预测，专用的几何架构优于LLM。
ETSAM:有效分割冷冻电子断层扫描图像中的细胞膜
原标题: ETSAM: effectively segmenting cell membranes in cryo-electron tomograms
在噪声较大的冷冻电子断层扫描体数据中，细胞膜很难分辨。作者提出了ETSAM，这是一种两阶段方法，通过微调Segment Anything Model 2（SAM2）来分割细胞膜，并使用83个实验断层图和28个模拟断层图进行训练。在17个实验测试断层图上，它优于其他深度学习方法，具有高灵敏度和更好的精确率。
光子电路成为可训练的 AI 硬件
原标题: Photonic circuits become trainable AI hardware
作者展示了一种基于物理的原位学习方法，可直接测量光子集成电路中的光学梯度。该方法使各种电路拓扑结构能够在制造后进行训练，而无需电路的完整数字模型。据报道，该硬件可实现矩阵设计、多波长计算和快速元学习。
Tangermeme：一个利用深度学习模型理解顺式调控逻辑的工具包
原标题: Tangermeme: a toolkit for understanding cis-regulatory logic using deep learning models
深度学习模型能够很好地预测基因组数据,但更难的一步是将其用于生物学发现。本文介绍了 tangermeme,这是一个高度优化的工具包,面向基因组深度学习中模型本身以外的各个环节。文章展示了 tangermeme 如何将模型学到的顺式调控模式提炼为人类可理解的见解。
OpenAI 在线发布 700 篇数学预印本：数学家们群情激愤
原标题: OpenAI posts 700 maths preprints online: mathematicians are up in arms
OpenAI 在数百个备受关注的数学问题上使用了一个未发布的模型，并于 10 月 6 日在 GitHub 上发布了 700 多篇由 AI 生成的预印本。一些数学家对长期悬而未决的问题得到解决表示欢迎，另一些则在社交媒体上抱怨自己的成果被抢先。一位数学家称这股洪流为“slopocalypse”（垃圾内容末日），不过这些内容仍有可能在形式上是正确的。
可泛化的扰动预测
原标题: Generalizable perturbation prediction
细胞扰动数据能够揭示因果调控关系，但此类数据往往稀缺，这促使人们研究能够根据其他情境预测某一情境下反应的方法。作者开发了State，这是一种机器学习模型，它将用于预测单细胞扰动效应的基于Transformer的状态转换模型与预训练的细胞嵌入模型相结合。该模型使用来自超过1亿个细胞的扰动数据和来自1.67亿个细胞的观测数据进行训练，团队还构建了用于比较模型的评估框架Cell-Eval。
基于粒子群优化直方图均衡化和VGG19 U-Net的脑肿瘤分割
原标题: Brain tumor segmentation using particle swarm optimized histogram equalization and a VGG19 based U-Net
MRI中的脑肿瘤分割速度慢、易出错，并受操作者偏差影响，而且深度学习模型往往缺乏可解释性。作者提出了SPOHE-VGGNet，它将改进的U-Net与VGG-19以及粒子群优化直方图均衡化相结合，以增强MRI对比度。在Figshare数据集上，其Dice分数分别为0.9522（脑膜瘤）、0.9428（胶质瘤）和0.9518（垂体瘤）；在BraTS 2021上的全肿瘤分割Dice分数为0.9463。不过作者指出，在临床使用之前，仍需进行外部验证、容积验证以及以临床医生为中心的验证。
释放 Earth AI 行星级地理空间基础模型，助力全球公共卫生
原标题: Unlocking Earth AI’s planetary geospatial foundation models for global public health
公共卫生决策常常因报告滞后、数据孤岛和数据稀疏而被拖慢。谷歌的人口动态基础模型（PDFM）将保护隐私的搜索趋势、人员流动、建成环境密度和环境因素压缩为位置嵌入。这些嵌入无需针对特定任务进行微调，即可接入现有的流行病学模型，并展示了五个合作伙伴的案例研究。
对空间分子数据进行准确且统计效能充足的病例对照分析
原标题: Accurate and well-powered case–control analysis of spatial molecular data
现有的空间分子数据分析方法往往采用限制性较强的假设，可能会遗漏重要的疾病信号。VIMA 是一种深度学习方法，它利用变分自编码器集成来概括小块组织区域，并识别出其丰度与病例或对照状态相关的微生态位。在模拟中，该方法校准良好且效能强大；应用于涵盖三种疾病的数据集时，它复现了已知的生物学规律，并发现了疾病新的空间特征。
ProFormer：利用深度学习对单细胞和血浆蛋白质组进行可泛化的分类
原标题: ProFormer: generalizable classification of single-cell and plasma proteomes using deep learning
当前的蛋白质组学工作流程通量低,且需要大量数据处理,这会拖慢样本分类。ProFormer 是一种基于 Transformer 的深度学习流程,可直接从质谱数据中获取 MS1 级肽离子特征。在 14 种架构中,它的表现优于传统机器学习和 CNN,能够按细胞类型、细胞周期阶段和分化轨迹对单细胞蛋白质组进行分类,也能根据血浆蛋白质组判断患者的疾病状态。
CellART：从高分辨率空间转录组学中提取单细胞信息的统一框架
原标题: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
高分辨率空间转录组学平台要么每个位点只能捕获稀疏的转录本计数，要么只能测量有限数量的基因，这使得单细胞信息难以提取。CellART 结合染色图像、空间转录组学数据和单细胞 RNA-seq 参考数据，利用深度学习和概率建模同时完成细胞分割和细胞类型注释。作者报告称，该方法高效、可泛化且稳健，其输出结果与广泛使用的社区工具兼容。
基于深度学习的流程，利用二维多视图超声心动图鉴别肥厚型心肌病与心脏淀粉样变性
原标题: A deep learning-driven pipeline for differentiating hypertrophic cardiomyopathy from cardiac amyloidosis using 2D multi-view echocardiography
肥厚型心肌病（HCM）与心脏淀粉样变性（CA）在超声心动图上表现相似，因此难以区分。该研究开发了一个深度学习框架，可将二维超声图像分类为五个具有临床意义的切面，从每个切面提取特征并进行融合。在对212例HCM患者、119例CA患者和200例对照者进行的五折交叉验证中，其精确率为0.83，敏感度为0.81，特异度为0.89，micro-F1为0.82，作者称其为一种可靠的诊断工具。
这种光驱动的AI能以近98%的准确率识别深度伪造
原标题: This light-powered AI can spot deepfakes with nearly 98% accuracy
加州大学洛杉矶分校的研究人员构建了一种利用光来检测深度伪造视频的光学神经处理器，旨在筛查日益增多的AI生成视频。与逐个检查视频的传统系统不同，它在一次光学传输过程中可同时分析15个或更多视频流。研究团队报告称检测准确率接近98%，该研究发表于《eLight》。
Claude式科学
原标题: Claude-shaped science
Matthew Schwartz教授介绍了他如何在不再与Claude对抗、转而让它寻找适合其当前能力的问题之后，构建了BootLoops——一个用于定量科学中精确计算的工具包。由于类似的计算在各个领域反复出现，Claude发现了其与生态学、群体遗传学以及十几个其他领域之间的联系，不过这些联系往往在技术上正确，但起初并不引人注目。随后，Schwartz与各领域的专家合作，引导BootLoops去解决这些领域真正关心的问题。
大型语言模型发现用于组合优化的互补启发式方法
原标题: Large language models discover complementary heuristics for combinatorial optimization
组合优化支撑着制造、物流和能源领域的决策,但为每个新变体设计启发式算法需要专家耗费数月时间,而单次 LLM 代码生成往往会失败。LACE 将算法设计拆分为模式、工具库和启发式组合,然后在运行时间限制内演化出互补的专门化启发式算法。在 36 个经典 CO-Bench 问题上,其平均得分为 0.945,而此前最强的基于 LLM 的方法为 0.870,直接提示为 0.571。
这款博弈AI成为《Stratego》（西洋陆军棋）的新冠军
原标题: This game-playing AI is the new champ at Stratego
研究人员为Stratego开发了一个AI系统。Stratego是一款双人棋盘游戏，对手的棋子是隐藏的，常被用来测试战略思维。该系统将高效的训练算法与针对隐藏信息下决策的新技术相结合，大幅击败了排名靠前的人类玩家，并超越了次优模型，同时训练成本更低。它还在其他规则不同的策略游戏中击败了顶尖人类玩家。
通过自监督预训练迈向面向能量前沿异构中微子探测器的基础式模型
原标题: Towards foundation-style models for energy-frontier heterogeneous neutrino detectors via self-supervised pretraining
对于能量前沿中微子探测器,事件解释对传统重建方法而言不切实际,而在标注数据稀缺时,监督模型也难以胜任。作者使用掩码自编码器重建和体素级关系目标对稀疏 Vision Transformer 进行预训练,然后在分类和回归任务上联合微调。在拟议的 FASER 量能器的模拟事件上,预训练提升了味道和粲夸克识别、动量回归以及顶点重建的表现;在约 1,000 个标注事件的情况下,预训练编码器的味道分类性能与从头训练的模型相当。
预测电网面临的空间天气风险
原标题: Forecasting space weather risks on power grids
极端空间天气事件可在输电网络中感应出电流，损坏设备，电网运营商需要提前获得足够的预警，了解影响何时何地最为严重。微软研究院构建了一条机器学习流程，结合太阳风数据、AE 和 Dst 预报、当地纬度、地质和地面电导率，为美国本土 66,935 座变电站生成风险估计。在评估期内，它检测到了近 80% 的重大空间天气事件，并能在特定风险出现前 30 到 60 分钟向运营商发出预警。
D4RT:统一、快速的 4D 场景重建与跟踪
原标题: D4RT: Unified, Fast 4D Scene Reconstruction & Tracking
用于绘制小农户作物分布图的AI工具在塞内加尔证明了其有效性
原标题: AI tool for mapping smallholder crops proves itself in Senegal
塞内加尔的小型雨养农场使大部分人口暴露于气候冲击之下，但卫星作物制图工具在当地基本无法获得。剑桥大学的研究人员使用基于卫星图像训练的开源AI模型Tessera，绘制了塞内加尔花生产区的作物分布图。在测试中，它给出正确结果的比例为84%，比现有方法更准确，同时仅使用了一小部分计算资源和标注数据。在某一场景中，它的表现比次优模型高出28%。
推出 Quine:专为应对生物学复杂性而设计的 AI 研究系统
原标题: Introducing Quine: An AI research system designed for the complexity of biology
微软研究院的 Quine 是一项处于早期阶段的工作，旨在构建一个生物学多模态世界模型，以及一个连接模型、科学工具、文献和研究人员的交互式框架，帮助科学家在实验室测试之前对假设进行优先级排序。该团队与哈佛大学和麻省理工学院博德研究所的研究人员合作，利用它对预测可推动治疗性肿瘤状态转变的化合物进行了优先级排序，并在多种湿实验检测中验证了若干排名靠前的候选物。该系统尚处于实验阶段，仅供研究使用，其输出结果需要由合格的研究人员审核。
新配方帮助 RNA 疫苗耐受高温
原标题: New formulation helps RNA vaccines withstand high temperatures
RNA疫苗通常需要超低温储存，因此麻省理工学院的研究人员使用AI算法调整了用于递送mRNA疫苗的脂质纳米颗粒的配方。该算法预测出最优配方，减少了所需的实验数量，加快了研发进程。由此得到的疫苗在室温下可稳定保存长达一年，在接近100°F的温度下可稳定保存两个月；在小鼠实验中，一种新冠疫苗引发的免疫反应与类似Moderna的RNA疫苗一样强。
利用概率机器学习从气候模型进行区域气候风险评估
原标题: Regional climate risk assessment from climate models using probabilistic machine learning
气候模型的分辨率过于粗糙，无法支撑区域风险决策，而现有的降尺度方法对于大型集合而言成本过高、会遗漏多变量依赖关系，或者需要时间对齐的训练配对数据，而自由运行的预测并不具备这类数据。GenFocal是一种生成式AI框架，无需配对训练数据即可从粗分辨率预测中生成统计上准确的精细尺度天气。它能够合成热浪和热带气旋等持续时间长的灾害，比领先方法更准确地对罕见的高影响事件进行采样，并改进对复合极端事件的区域估计。
Claude改进了关于黎曼ζ函数零点中满足黎曼猜想的比例的一个长期存在的下界
原标题: Claude has improved on a longstanding lower bound for the fraction of zeros of the Riemann zeta function that satisfy the Riemann hypothesis
黎曼猜想是一个尚未解决的问题，它指出黎曼ζ函数的零点全都位于某条垂直直线上。在尝试解决该问题的过程中，一个未发布的Claude研究版本并未证明该猜想，但改进了关于满足该条件的零点所占比例的一个长期存在的下界，将其从41.6%提高到67.2%。两位Anthropic的数学家验证了这篇论文并撰写了一份非正式的专家说明，Claude还给出了一个可形式化验证的证明。预计这一结果不会促成对该猜想本身的证明。
Claude在N=4超杨-米尔斯理论中计算出九圈振幅
原标题: Claude computes a nine-loop amplitude in N=4 super-Yang-Mills
物理学家兼科学作家 Matt von Hippel 向 AI 公司发起挑战，要求解决一个困难的理论物理问题：计算 N=4 超杨-米尔斯理论中的九圈振幅。Claude 完成了计算，约一个月后便攻克了这一挑战。
从文本估计自杀风险
原标题: Estimating suicide risk from text
识别自杀高风险人群是危机期间心理咨询师的首要任务。麻省理工学院麦戈文研究所的研究人员开发了一种语言处理工具，可在文本中搜索与49项自杀风险因素相关的词语和短语，以评估个体的风险。在与危机咨询师的文字对话中，该工具准确预测了自杀风险，经过进一步验证后，有望用于临床和危机支持场景中的风险评估。
MIT的微型飞行机器人借助AI速度提升450%
原标题: MIT’s tiny flying robot gets 450% faster with AI
昆虫尺度的飞行机器人此前通常速度较慢，只能按简单的路径飞行。麻省理工学院的研究人员开发了一种基于AI的控制器，采用两部分控制系统，使机器人能够反复进行翻转。与该团队此前的最佳成绩相比，机器人的速度提高了约450%，加速度提高了约250%，即使在风的干扰下，它也在11秒内完成了10次空翻。
Claude 如何助力生物分子建模
原标题: How Claude is uplifting biomolecular modeling
科学家用来预测和设计生物分子的开源模型运行缓慢且占用大量内存。在 Claude Science 中，Claude 在不到四周的时间里优化了 30 多个此类模型，平均提速约 4 倍。它还构建了低内存模式，使得在单个 NVIDIA GPU 节点上即可准确预测超过 10,000 个 token 的体系，优化后的代码即将开源。