https://pharma.intelligence-synthesis.com/zh-hant/ai-science/由 AI 推進的科學與學術，依學門分類zh-hanthttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/75c73ba4f5/sc-75c73ba4f5Sat, 17 Oct 2026 00:00:00 +0900醫學與藥物探索由於各類別外觀相似且組織形態多變，從組織病理影像分類肺癌與結腸癌相當困難，而傳統深度學習模型幾乎無法提供透明度。作者將這項五類別任務拆解為由粗到細的階段：先區分正常與癌症，再針對正常組織類別或癌症亞型使用專門的分類器，並為每個階段選出最佳架構。該框架在 LC25000 上達到 98.50% 的準確率，在獨立的 LungHist700 資料集上達到 82.01%，並使用 Grad-CAM、Grad-CAM++、LIME 與 Occlusion Sensitivity 標示出其預測所依據的影像區域。 https://www.nature.com/articles/s41598-026-75965-4https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/3a5c6c81a6/sc-3a5c6c81a6Sat, 17 Oct 2026 00:00:00 +0900醫學與藥物探索目前的肝癌（HCC）監測指引主要針對肝硬化或病毒性肝炎患者。研究人員利用約796萬名接受健康檢查的南韓成年人的資料，建立了一個AI模型，用以預測沒有病毒性肝炎者的HCC風險。在比較的十二個模型中，MHA_DNN表現最佳，並在獨立驗證世代中維持一致的準確度。脂肪肝指數與三酸甘油酯是影響力最大的預測因子，顯示此模型有助於以代謝為基礎的個人化監測。 https://www.nature.com/articles/s41598-026-75959-2https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/49809d9807/sc-49809d9807Sat, 17 Oct 2026 00:00:00 +0900醫學與藥物探索現有的視網膜眼底影像深度學習模型僅能處理單一任務,可解釋性有限,且難以應對不同資料集之間的差異。作者提出一種多任務網路,只需一次前向傳遞,即可從單張影像同時分類糖尿病視網膜病變嚴重程度、青光眼、AMD 分期及心血管風險,並提供 Grad-CAM 解釋。該模型在四個資料集上達到 94.7% 的準確率與 0.978 的 AUC,在統計上優於所有單任務模型,且在零樣本跨資料集評估中 AUC 至少達 0.951。 https://www.nature.com/articles/s41598-026-74871-zhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/e9fe1e9cad/sc-e9fe1e9cadFri, 16 Oct 2026 00:00:00 +0900醫學與藥物探索學生的憂鬱症往往要到病情嚴重時才被發現,因此需要及早預測。作者結合了以有限自動機為基礎的行為建模與機器學習,從學生的情緒狀態產生特徵,並合併冗餘特徵。使用隨機森林與 KStar 的集成方法後,準確率從隨機森林的 82.02% 基準提升至採用自動機特徵後的 96.88%。作者表示,此方法能讓特徵保持可解釋且可追溯。 https://www.nature.com/articles/s41598-026-74877-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/e2f17b44c6/sc-e2f17b44c6Fri, 16 Oct 2026 00:00:00 +0900生命科學基因表徵學習常忽略科學文獻，這可能使結果偏向不利於研究較少的基因。LitGene 是一種可解釋的 Transformer，透過對比學習將文本與基因本體論（Gene Ontology）註解整合。它在八項蛋白質基準測試中達到具競爭力的準確度，能零樣本預測 GO 術語、KEGG 路徑與基因－疾病關聯，並標示出 ANGPTL6 為特發性肺纖維化的候選基因，且獲得獨立樣本中差異表現的支持。 https://www.nature.com/articles/s41467-026-78454-4https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/c4a02872fe/sc-c4a02872feFri, 16 Oct 2026 00:00:00 +0900醫學與藥物探索驗證大型語言模型在臨床資訊擷取上的表現,通常需要耗費高昂成本的人工標註。作者提出一個多階段框架,結合規則式過濾、語意對應、評審 LLM 評估、專家審查及預測效度分析。將其應用於 919,783 份臨床記錄中的物質使用障礙診斷時,該框架將 14.59% 的 LLM 陽性擷取結果剔除,因為這些結果缺乏依據或不合理。主要 LLM 對照評審評估的 F1 分數為 0.80,其擷取出的診斷對後續專科照護參與度的預測表現優於結構化資料基準。 https://www.nature.com/articles/s41746-026-03341-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/b3aac6a87b/sc-b3aac6a87bFri, 16 Oct 2026 00:00:00 +0900理論資訊科學非專業人士越來越常利用大型語言模型來破解歷史密碼，借助其執行解密演算法及在網路上搜尋文件的能力。毫無密碼學經驗的 Carter Leffen 請 GPT-6 Astra 解碼一則 85 年前加密的德軍電文，結果隔天早上就得出了解答。密碼學專家對這股熱情表示歡迎，但被大量要求驗證 AI 解答的請求壓得喘不過氣，其中許多解答並不正確。 https://www.nature.com/articles/d41586-026-03338-yhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/9a043aae05/sc-9a043aae05Fri, 16 Oct 2026 00:00:00 +0900理論資訊科學惡意程式分析需要在多個層級上做出判斷，從偵測到惡意程式家族，乃至細粒度的子家族歸屬。作者提出一套階層式深度學習架構，以 Windows PE 檔案的 RGB 影像為輸入，在單一多輸出架構中執行偵測、家族分類及 33 個子家族的歸屬判定。四個加入注意力機制的遷移學習模型，二元分類準確率達 99%，家族層級為 96–97%，子家族層級為 91–95%，細粒度歸屬的 macro F1 分數最高達 0.89。 https://www.nature.com/articles/s41598-026-75054-6https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/98c95c02f9/sc-98c95c02f9Fri, 16 Oct 2026 00:00:00 +0900生物工程與合成生物學前沿 AI 模型無法穩定地推理 3D 幾何與實驗室的實體狀態，因此難以將液體處理機器人自動化。Google Research 讓 AI 代理以實體實驗室機器人為基礎，使其能執行快速的閉環分子設計循環。這些代理發現了對癌症標靶具有個位數奈莫耳親和力的蛋白質結合體。 https://research.google/blog/grounding-ai-agents-in-biological-reality-building-blocks-for-autonomous-wet-labs/https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/73240ab217/sc-73240ab217Fri, 16 Oct 2026 00:00:00 +0900醫學與藥物探索中國一項新研究以臉部與舌頭的照片訓練 AI 系統，用以偵測冠狀動脈心臟病（CHD）。在一項小型測試中，該系統正確辨識出每一位 CHD 患者。 https://medicalxpress.com/news/2026-10-ai-coronary-heart-disease-tongue.htmlhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/348cfe0470/sc-348cfe0470Fri, 16 Oct 2026 00:00:00 +0900醫學與藥物探索兒童疾病整合管理指引對肺炎的敏感度高，但特異度低。孟加拉的醫事人員使用數位聽診器，記錄疑似肺炎的五歲以下兒童的肺音，並將 AI 演算法與小兒科醫師小組進行比較。AI 偵測異常肺音的整體敏感度為 61.8%、特異度為 60.7%；在依 IMCI 判定的肺炎病例中則分別為 63.5% 和 66.8%。作者認為這屬於中等表現，在分類無法判讀的錄音方面仍需改進。 https://www.nature.com/articles/s41598-026-76222-4https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/31ff5bbcae/sc-31ff5bbcaeFri, 16 Oct 2026 00:00:00 +0900醫學與藥物探索病理學中評估手術切除邊緣，會受到人工塗墨錯誤、組織變形及燒灼損傷的影響。作者開發了一種虛擬塗墨網路，採用凍結的基礎模型與小型分類器，無需實體墨水即可在全切片影像上標示邊緣。在來自未見過的組織塊的 20 張切片上，其區域層級準確率約為 73.3%，所產生的疊圖在定性上與專家標註相符。這些結果屬於概念驗證，仍需在更大型的臨床世代中進行驗證。 https://www.nature.com/articles/s41598-026-74284-yhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/12f1eb5dff/sc-12f1eb5dffFri, 16 Oct 2026 00:00:00 +0900化學與材料能量最小化後對小分子位能的準確估計，對於設計藥物和基因遞送分子至關重要。作者建構了深度學習模型，包括有無多頭注意力機制的 CNN-BiLSTM 架構，並使用以原子為單位的序列表示法，在小分子結構資料集上進行訓練。據報導，這些模型的表現優於傳統基於描述符的機器學習方法，且注意力機制據稱可提升泛化能力。 https://www.nature.com/articles/s41598-026-76095-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/caed039f5f/sc-caed039f5fThu, 15 Oct 2026 00:00:00 +0900化學與材料結構決定功能,因此科學家越來越常利用 AI 來設計新材料中的原子排列,以獲得所需的特性。東京大學生產技術研究所的研究人員擴充了一個領先的生成式 AI 模型,使其能同時設計材料的電子結構與晶體結構。這個新模型 MatterGen-e⁻ 已發表於《npj Computational Materials》。 https://techxplore.com/news/2026-10-electronic-ai-materials.htmlhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/a674da9f35/sc-a674da9f35Thu, 15 Oct 2026 00:00:00 +0900經濟學與社會科學壓力的線索可能藏在日常的智慧型手機習慣中，例如聊天、搜尋與付款。KAIST 研究人員開發出一項技術，可分析在應用程式內反覆進行的多種日常行為，以辨識一個人的日常壓力狀態。 https://techxplore.com/news/2026-10-smartphone-chatting-payment-habits-ai.htmlhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/484681c927/sc-484681c927Thu, 15 Oct 2026 00:00:00 +0900生命科學這項研究探討基因變異如何影響發育中人類大腦的基因調控,而這方面的資料相當有限。作者建立了 Seal,這是一個可解釋的 AI 遷移學習框架,能預測 26 個腦區、30 種細胞類型與 7 個發育階段的基因表現與變異效應。在自閉症全基因體資料中,Seal 發現短暫存在的胎兒興奮性神經元中,新生(de novo)調控變異的負擔顯著增加。 https://www.nature.com/articles/s41593-026-02470-2https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/170c9bf7f3/sc-170c9bf7f3Thu, 15 Oct 2026 00:00:00 +0900地球與氣候科學臨界點一旦越過,系統便無法回到原本的狀態,因此比短期天氣變化更難預測。一支由加州理工學院領導的團隊證明,遞迴神經算子 (RNO) 這種神經網路,能在簡單模型中預測臨界點何時出現,這些模型包括氣候變遷系統模型,以及飛機機翼上方紊流氣流的模擬。該論文發表於 PNAS。 https://www.caltech.edu/about/news/forecasting-tipping-points-with-aihttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/0bb2f2bda6/sc-0bb2f2bda6Thu, 15 Oct 2026 00:00:00 +0900生命科學該研究旨在預測大型蛋白質複合體的結構。作者開發了 HDOCK-Multimer (HDM),這是一個結合從頭對接與組合式組裝的自動化框架。在三項基準測試中,對於大型蛋白質組裝體,HDM 比最先進的組裝方法及基於深度學習的方法更準確、更穩健。 https://www.nature.com/articles/s43588-026-01067-whttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/0769c8ddfc/sc-0769c8ddfcThu, 15 Oct 2026 00:00:00 +0900生命科學在胚胎發育過程中,細胞會接收化學訊號,這些訊號會開啟或關閉基因,並決定細胞的角色。由於過去一直認為訊號傳遞路徑在不同細胞類型間差異很大,要追溯一個細胞接收過的訊號順序一直相當困難。MIT 與懷特黑德研究所(Whitehead Institute)的研究人員開發了一個計算框架來解決這個問題,有望加速幹細胞工程、改善疾病模型,並為癌症治療提供參考。 https://news.mit.edu/2026/ai-model-decodes-language-cells-use-communicate-1015https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/e98fb20321/sc-e98fb20321Wed, 14 Oct 2026 00:00:00 +0900地球與氣候科學預報技巧在未來 2 至 6 週的次季節時間尺度上會大幅下降。作者提出機率偏差校正，這是一種學習修正歷史機率預報的機器學習框架，並將其應用於 ECMWF 領先的動力模式與 AI 模型。它使 AI 預報系統原本有限的次季節預報技巧提升一倍，並改善了動力模式在多數氣壓、溫度與降水目標上的表現；在 ECMWF 2025 年的即時競賽中，其全球預報表現最佳。 https://www.nature.com/articles/s41586-026-11126-xhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/ac068f4878/sc-ac068f4878Wed, 14 Oct 2026 00:00:00 +0900醫學與藥物探索目前缺乏可大規模量化人體棕色脂肪組織（BAT）活性的方法。作者利用某大型癌症中心 101,243 名患者的資料，以機器學習對約 8,700 名患者的 BAT 活性進行半自動量化。較高的 BAT 活性（尤其是腋窩部位）與較低的心臟代謝疾病發生機率，以及更健康的白色脂肪分布相關。 https://www.nature.com/articles/s41586-026-11162-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/75389c0963/sc-75389c0963Wed, 14 Oct 2026 00:00:00 +0900化學與材料鋰離子電池電解液的本體溶劑化結構,僅憑實驗很難在原子層級上確定。作者結合了機器學習驅動的原子尺度模擬、核磁共振光譜、電化學數據與量子化學計算。他們發現了先前未被研究、不含結合陰離子且容易被還原的多鋰離子(multi-Li+)錯合物,這有助於解釋為何憑經驗選擇的碳酸乙烯酯溶劑混合物行之有效。 https://www.nature.com/articles/s41586-026-11138-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/f6daa0ea6d/sc-f6daa0ea6dTue, 13 Oct 2026 00:00:00 +0900生命科學一組隨機連接的單元，只要給予關於連接何時以及如何改變的簡單規則，就能重新組織成有效的資訊處理網路。MIT 團隊認為，人工網路在沒有開發者引導的情況下自我組織的能力，是檢驗生物合理性的關鍵測試。研究人員提醒，這類網路對於理解生物學習可能無法提供太多洞見。 https://news.mit.edu/2026/how-artificial-neural-networks-build-their-own-learning-machinery-1013https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/e5e310d165/sc-e5e310d165Tue, 13 Oct 2026 00:00:00 +0900數學https://www.science.org/content/article/ai-edges-closer-solving-riemann-hypothesis-one-math-s-hardest-problemshttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/de8281ec59/sc-de8281ec59Tue, 13 Oct 2026 00:00:00 +0900生命科學Anthropic 的新生命科學實驗室使用 Claude 探索 DNA 資料集，尋找尚未被表徵的蛋白質家族。在初步結果中，科學家僅提供高層次的方向，Claude 代理就發現了一個功能未知、特性類似 CRISPR 的新型酵素系統。這項工作旨在大規模產生假說並在實驗室中進行驗證。 https://www.anthropic.com/news/claude-discovers-novel-enzyme-systemhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/b2711ed99d/sc-b2711ed99dTue, 13 Oct 2026 00:00:00 +0900生命科學NiCLIP 是一種 AI 模型，能從腦部活化模式中解碼認知任務、概念與領域。它以超過 23,000 篇文章訓練而成，據報在群體層級解碼上優於傳統解碼器。它能從人類連結體計畫（Human Connectome Project）的群體層級圖譜中準確預測認知任務，但在處理含雜訊的個體層級圖譜時則顯現出限制。 https://www.nature.com/articles/s41467-026-78451-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/7f7996bdc6/sc-7f7996bdc6Tue, 13 Oct 2026 00:00:00 +0900醫學與藥物探索AMIFound 是一個基礎模型，能修復並增強因雜訊、動作偽影、低對比度或低劑量攝影而劣化的醫學影像，涵蓋七種影像模態，包括 CT、MRI、PET、內視鏡、超音波、眼底攝影和 X 光。該模型以 376 萬組成對影像訓練，在影像品質指標、臨床醫師評估和穩健性測試方面，表現優於 38 個特定任務及通用基準模型。經增強的影像也改善了 44 項疾病偵測任務、腫瘤分期預測，以及非小細胞肺癌的存活風險分層。 https://www.nature.com/articles/s42256-026-01310-zhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/0bcf3c5b5d/sc-0bcf3c5b5dTue, 13 Oct 2026 00:00:00 +0900化學與材料分子黑塞矩陣（Hessian）是位能的二階導數，在許多計算化學工作流程中不可或缺，但計算成本高昂，且隨系統規模擴大而難以擴展。作者提出 HIP，這是一種深度學習模型，利用圖神經網路的 SE(3) 等變特徵，不需自動微分或有限差分即可直接預測黑塞矩陣。據報告，HIP 比自動微分的黑塞矩陣快一到兩個數量級且更為準確，並在過渡態搜尋、幾何結構最佳化與振動分析中表現良好。 https://www.nature.com/articles/s43588-026-01066-xhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/abb85a22ce/sc-abb85a22ceMon, 12 Oct 2026 00:00:00 +0900醫學與藥物探索AI 工具能從單晚睡眠中擷取傳統睡眠指標所忽略的生理模式，而這些模式與疾病和死亡率相關。《Nature Communications》與《Nature Medicine》上的兩篇近期論文指出，睡眠資料蘊含的健康資訊遠多於臨床醫師和研究人員目前所擷取的。越來越多的證據也顯示，睡眠變化可能在疾病確診之前就已出現。 https://www.nature.com/articles/d41586-026-03207-8https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/8f745cbb31/sc-8f745cbb31Mon, 12 Oct 2026 00:00:00 +0900醫學與藥物探索原發性纖毛運動障礙（PCD）是一種纖毛運動異常的遺傳性疾病，診斷仍具挑戰性。作者開發了 CiliaTracks，這是一個機器學習框架，可分析高速顯微鏡所拍攝的培養氣道細胞上的粒子傳輸。傳統機器學習模型與卷積神經網路對 14 位 PCD 患者和 10 位健康捐贈者的影像紀錄進行分類，準確率達 95-97%。 https://www.nature.com/articles/s42003-026-11149-0https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/8c16b42aed/sc-8c16b42aedMon, 12 Oct 2026 00:00:00 +0900化學與材料從座標—類別資料預測性質（例如由晶體結構預測形成能或彈性模數）是計算科學的核心，大型語言模型（LLM）也已被應用於此。作者利用合成資料集與 MatText 基準測試發現，LLM 始終無法掌握座標資訊，但能妥善處理類別模式。這個結果在高達 700 億參數的各種模型規模、多達 2 × 10^6 個結構的資料集以及不同的文字表示方式下皆成立；對於以結構效應為主的性質預測，專門的幾何架構表現優於 LLM。 https://www.nature.com/articles/s43588-026-01045-2https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/81b97ba554/sc-81b97ba554Sun, 11 Oct 2026 00:00:00 +0900生命科學在雜訊多的低溫電子斷層掃描體積中，細胞膜很難區分。作者提出 ETSAM，這是一種兩階段方法，透過微調 Segment Anything Model 2（SAM2）來分割細胞膜，並以 83 個實驗斷層影像與 28 個模擬斷層影像進行訓練。在 17 個實驗測試斷層影像上，其表現優於其他深度學習方法，具有高靈敏度與更佳的精確度。 https://www.nature.com/articles/s41467-026-77962-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/d21d6bf4e1/sc-d21d6bf4e1Fri, 09 Oct 2026 00:00:00 +0900物理學作者展示了一種基於物理的原位學習方法,可直接測量光子積體電路中的光學梯度。它讓各種不同的電路拓撲在製造完成後也能進行訓練,而不需要電路的完整數位模型。據報導,該硬體可實現矩陣設計、多波長運算與快速元學習。 https://www.nature.com/articles/s43588-026-01071-0https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/ecd6faecf1/sc-ecd6faecf1Thu, 08 Oct 2026 00:00:00 +0900生命科學深度學習模型能夠準確預測基因體資料,但更困難的步驟是將其用於生物學發現。本文介紹 tangermeme,這是一套高度最佳化的工具包,用於處理基因體深度學習中模型本身以外的各個環節。文中展示了 tangermeme 如何將模型所學到的順式調控模式,提煉成人類可理解的見解。 https://www.nature.com/articles/s41592-026-03254-zhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/bd824ddb04/sc-bd824ddb04Wed, 07 Oct 2026 00:00:00 +0900數學OpenAI 以一個尚未發布的模型處理數百道備受矚目的數學問題，並於 10 月 6 日在 GitHub 上發布了 700 多篇由 AI 生成的預印本。部分數學家對長年懸而未決的問題獲得解答表示歡迎，也有人在社群媒體上抱怨成果被搶先發表。一位數學家將這波大量湧現的內容稱為「垃圾末日」（slopocalypse），不過這些內容仍有可能在形式上被證明是正確的。 https://www.nature.com/articles/d41586-026-03196-8https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/7cda060db9/sc-7cda060db9Wed, 07 Oct 2026 00:00:00 +0900生命科學細胞擾動資料能揭示因果調控關係，但這類資料往往稀少，因而促使人們研發能根據其他情境來預測某一情境下反應的方法。作者開發了 State，這是一種機器學習模型，結合了針對單細胞擾動效應的 Transformer 狀態轉換模型與預訓練的細胞嵌入模型。該模型以來自逾 1 億個細胞的擾動資料及來自 1.67 億個細胞的觀察資料進行訓練，團隊也建立了用於比較模型的評估框架 Cell-Eval。 https://www.nature.com/articles/s41592-026-03260-1https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/7bb39cbee1/sc-7bb39cbee1Wed, 07 Oct 2026 00:00:00 +0900醫學與藥物探索MRI 中的腦腫瘤分割速度緩慢、容易出錯，且受操作者偏差影響，而深度學習模型往往缺乏可解釋性。作者提出 SPOHE-VGGNet，結合改良版 U-Net 與 VGG-19，並以粒子群最佳化直方圖等化來增強 MRI 對比度。在 Figshare 資料集上，其 Dice 分數分別為 0.9522（腦膜瘤）、0.9428（神經膠質瘤）與 0.9518（腦下垂體腫瘤）；在 BraTS 2021 上，整個腫瘤分割的 Dice 分數為 0.9463。不過作者指出，在臨床使用前，仍需進行外部驗證、體積驗證及以臨床醫師為中心的驗證。 https://www.nature.com/articles/s41598-026-72923-yhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/9ef1894996/sc-9ef1894996Tue, 06 Oct 2026 00:00:00 +0900醫學與藥物探索公共衛生決策經常因通報延遲、資料孤島和資料稀疏而受到拖累。Google 的 Population Dynamics Foundation Model（PDFM）將保護隱私的搜尋趨勢、人口移動、建成環境密度及環境因素壓縮為地點嵌入。這些嵌入可直接接入現有的流行病學模型，無需針對特定任務進行微調，並已展示五項合作夥伴的案例研究。 https://research.google/blog/earth-ais-planetary-geospatial-foundation-models-for-global-public-health/https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/204538468b/sc-204538468bTue, 06 Oct 2026 00:00:00 +0900生命科學現有的空間分子資料分析方法常採用限制性過強的假設，可能遺漏重要的疾病訊號。VIMA 是一種深度學習方法，運用變分自編碼器的集成來摘要小型組織區塊，並找出其豐度與病例或對照狀態相關的微型生態位。在模擬中，它的校準良好且檢定力強；應用於涵蓋三種疾病的資料集時，它重現了已知的生物學機制，並發現了新的疾病空間特徵。 https://www.nature.com/articles/s41592-026-03236-1https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/a681028c9f/sc-a681028c9fMon, 05 Oct 2026 00:00:00 +0900生命科學目前的蛋白質體學工作流程通量低,且需要大量資料處理,拖慢了樣本分類的速度。ProFormer 是以 Transformer 為基礎的深度學習流程,可直接從質譜資料中擷取 MS1 層級的胜肽離子特徵。在 14 種架構的比較中,它的表現優於傳統機器學習與 CNN,並能依細胞類型、細胞週期階段與分化軌跡對單細胞蛋白質體進行分類,也能根據血漿蛋白質體判斷患者的疾病狀態。 https://www.nature.com/articles/s41467-026-78143-2https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/7488a954c0/sc-7488a954c0Mon, 05 Oct 2026 00:00:00 +0900生命科學高解析度空間轉錄體學平台要不是每個位點只能擷取稀疏的轉錄本計數，就是只能測量有限數量的基因，導致難以萃取單細胞資訊。CellART 結合染色影像、空間轉錄體學資料與單細胞 RNA-seq 參考資料，運用深度學習與機率模型同時進行細胞分割與細胞類型註解。作者指出，它具備高效率、可泛化且穩健的特性，其輸出也與廣泛使用的社群工具相容。 https://www.nature.com/articles/s43588-026-01054-1https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/37746dff6b/sc-37746dff6bMon, 05 Oct 2026 00:00:00 +0900醫學與藥物探索肥厚型心肌病變（HCM）與心臟類澱粉沉積症（CA）在心臟超音波上外觀相似，因此難以區分。該研究開發了一套深度學習架構，可將二維超音波影像分類為五種臨床相關切面，從各切面擷取特徵並加以融合。在對 212 名 HCM 患者、119 名 CA 患者及 200 名對照組患者進行的五折交叉驗證中，其精確率為 0.83、敏感度為 0.81、特異度為 0.89，micro-F1 為 0.82，作者稱其為可靠的診斷工具。 https://www.nature.com/articles/s41598-025-15443-5https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/5b6346b11a/sc-5b6346b11aThu, 01 Oct 2026 00:00:00 +0900物理學UCLA 的研究人員打造出一款光學神經處理器，利用光來偵測深偽影片，目標是篩檢日益增多的 AI 生成影片。有別於逐一檢查影片的傳統系統，它在單次光學通過期間即可同時分析 15 個或更多影片串流。研究團隊報告偵測準確率接近 98%，該研究已發表於 eLight。 https://www.sciencedaily.com/releases/2026/09/260929053534.htmhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/4563f76666/sc-4563f76666Thu, 01 Oct 2026 00:00:00 +0900物理學Matthew Schwartz 教授描述，在他不再與 Claude 對抗、轉而讓它尋找適合其現階段能力的問題之後，他打造了 BootLoops，這是一套用於量化科學中精確計算的工具包。由於相似的計算會在各個領域反覆出現，Claude 發現了與生態學、族群遺傳學以及其他十幾個領域之間的關聯，不過這些發現往往在技術上正確，但起初並不起眼。Schwartz 隨後與各領域專家合作，引導 BootLoops 轉向這些領域所關心的問題。 https://www.anthropic.com/research/claude-shaped-sciencehttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/27c9a04ad4/sc-27c9a04ad4Thu, 01 Oct 2026 00:00:00 +0900理論資訊科學組合最佳化支撐著製造、物流與能源領域的決策,但針對每個新變體設計啟發式演算法,需要專家耗費數月心力,而單次式的大型語言模型程式碼生成往往失敗。LACE 將演算法設計拆分為模式(schema)、工具庫與啟發式組合,接著在執行時間限制內演化出互補的專用啟發式演算法。在 36 個經典 CO-Bench 問題上,其平均得分為 0.945,而先前最強的 LLM 方法為 0.870,直接提示則為 0.571。 https://www.nature.com/articles/s42256-026-01307-8https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/def62dff8c/sc-def62dff8cWed, 30 Sep 2026 00:00:00 +0900理論資訊科學研究人員打造了一套 Stratego 的 AI 系統。Stratego 是一款雙人棋盤遊戲,對手的棋子是隱藏的,常被用來測試策略思考能力。這套系統結合高效率的訓練演算法與在隱藏資訊下進行決策的新技術,大幅擊敗了排名頂尖的人類玩家,表現也優於次佳的模型,且訓練成本更低。它也在其他規則不同的策略遊戲中擊敗了頂尖人類玩家。 https://news.mit.edu/2026/game-playing-ai-stratego-new-champ-0930https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/ca6b7010c4/sc-ca6b7010c4Wed, 30 Sep 2026 00:00:00 +0900物理學在能量前沿的微中子偵測器中,事件詮釋對傳統重建方法而言不切實際,而在標註資料稀少時,對監督式模型也相當困難。作者以遮罩自編碼器重建與體素層級的關係型目標,對稀疏 Vision Transformer 進行預訓練,接著同時針對分類與迴歸任務進行微調。在擬議中的 FASER 熱量計模擬事件上,預訓練改善了味(flavour)與魅夸克的辨識、動量迴歸以及頂點重建;而且在僅有約 1,000 個標註事件時,經預訓練的編碼器在味分類表現上即可媲美從頭訓練的模型。 https://www.nature.com/articles/s42256-026-01309-6https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/a3455247ae/sc-a3455247aeWed, 30 Sep 2026 00:00:00 +0900地球與氣候科學極端太空天氣事件可能在輸電網路中感應出電流而損壞設備，電網營運商需要提前得知影響最嚴重的時間與地點，且預警時間要足夠。Microsoft Research 建立了一套機器學習流程，結合太陽風資料、AE 與 Dst 預報、當地緯度、地質和地面導電率，為美國本土 66,935 座變電所產出風險估計。在評估期間，它偵測到近 80% 的重大太空天氣事件，並能在特定風險出現前 30 至 60 分鐘向營運商發出警告。 https://www.microsoft.com/en-us/research/blog/forecasting-space-weather-risks-on-power-grids/https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/832a7ab3b2/sc-832a7ab3b2Wed, 30 Sep 2026 00:00:00 +0900理論資訊科學https://deepmind.google/blog/d4rt-teaching-ai-to-see-the-world-in-four-dimensions/https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/c9854dc125/sc-c9854dc125Tue, 29 Sep 2026 00:00:00 +0900地球與氣候科學塞內加爾的小型雨養農場使許多人口暴露於氣候衝擊之下,然而衛星作物測繪工具卻大多遙不可及。劍橋大學的研究人員使用 Tessera(一個以衛星影像訓練的開源 AI 模型),繪製塞內加爾花生盆地的作物分布。在測試中,它有 84% 的時候給出正確結果,比現有方法更準確,同時只用到一小部分的運算資源與標註資料。在某個情境中,它的表現比次佳模型好 28%。 https://www.cam.ac.uk/research/news/ai-tool-for-mapping-smallholder-crops-proves-itself-in-senegalhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/6ab9873a8d/sc-6ab9873a8dTue, 29 Sep 2026 00:00:00 +0900生命科學微軟研究院的 Quine 是一項早期階段的嘗試，旨在建立生物學的多模態世界模型，以及一個串連模型、科學工具、文獻與研究人員的互動式框架，協助科學家在進行實驗室測試前先排定假說的優先順序。該團隊與哈佛大學和麻省理工學院博德研究所（Broad Institute）的研究人員合作，運用它來優先篩選預測可促成治療性腫瘤狀態轉變的化合物，並在多項濕式實驗室檢測中驗證了數個排名最高的候選化合物。該系統仍屬實驗性質，僅供研究使用，其輸出結果需經合格研究人員審查。 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/zh-hant/ai-science/s/ce8a4de60a/sc-ce8a4de60aMon, 28 Sep 2026 00:00:00 +0900醫學與藥物探索RNA 疫苗通常需要超低溫保存，因此 MIT 的研究人員利用 AI 演算法調整遞送 mRNA 疫苗的脂質奈米粒子周邊的配方。該演算法預測出最佳配方，減少了所需實驗的數量並加快開發速度。所得疫苗在室溫下可穩定保存長達一年，或在接近 100°F 的環境下穩定保存兩個月；在小鼠實驗中，一款 Covid-19 疫苗所產生的免疫反應，與類似 Moderna 的 RNA 疫苗一樣強。 https://news.mit.edu/2026/new-formulation-helps-rna-vaccines-withstand-high-temperatures-0928https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/c73c02fd4a/sc-c73c02fd4aMon, 28 Sep 2026 00:00:00 +0900地球與氣候科學氣候模型的解析度太粗，不足以支援區域風險決策，而現有的降尺度方法對大型系集而言成本過高、無法捕捉多變量相依性，或需要自由運行的推估所缺乏的時間對齊訓練配對。GenFocal 是一種生成式 AI 框架，無需配對訓練資料，即可從粗略推估產生統計上準確的精細尺度天氣。它能合成熱浪與熱帶氣旋等長時間持續的災害，比領先的方法更準確地取樣罕見的高衝擊事件，並改善複合極端事件的區域估計。 https://www.nature.com/articles/s42256-026-01308-7https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/902d1f16cb/sc-902d1f16cbSat, 26 Sep 2026 00:00:00 +0900數學黎曼猜想是一個尚未解決的問題,其內容是黎曼 ζ 函數的零點全部位於某條特定的垂直線上。在嘗試解決這個問題的過程中,一個未發布的 Claude 研究版本雖未證明該猜想,卻改進了一個長期存在的下界,即滿足該條件的零點所占比例,從 41.6% 提高到 67.2%。兩位 Anthropic 的數學家驗證了這篇論文並撰寫了一份非正式的專家說明,Claude 也產出了可形式化驗證的證明。這項成果預期不會促成該猜想本身的證明。 https://www.anthropic.com/research/riemann-zetahttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/24adfd04a8/sc-24adfd04a8Fri, 25 Sep 2026 00:00:00 +0900物理學物理學家暨科學作家 Matt von Hippel 向各家 AI 公司提出挑戰,要求解決一道艱深的理論物理問題:計算 N=4 超對稱楊-米爾斯理論(super-Yang-Mills)中的九圈振幅。Claude 完成了計算,約一個月後便攻克了這項挑戰。 https://www.anthropic.com/research/yes-claude-can-do-nine-loopshttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/c6cf2b4556/sc-c6cf2b4556Thu, 24 Sep 2026 00:00:00 +0900醫學與藥物探索找出自殺高風險族群，是心理健康危機期間輔導員的首要任務。MIT 麥戈文研究所（McGovern Institute）的研究人員開發了一套語言處理工具，可在文字中搜尋與 49 項自殺風險因子相關的字詞和片語，藉此評估個人的風險。在與危機輔導員的文字對話中，該工具準確預測了自殺風險；若經更多驗證，可望用於臨床及危機支援情境中的風險評估。 https://news.mit.edu/2026/estimating-suicide-risk-from-text-0924https://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/dc467c9a7e/sc-dc467c9a7eTue, 22 Sep 2026 00:00:00 +0900理論資訊科學昆蟲尺度的飛行機器人過去通常速度緩慢，且僅能執行簡單的飛行路徑。MIT 研究人員開發了一套基於 AI 的控制器，採用兩段式控制系統，使機器人能夠重複翻轉機身。與團隊先前的最佳成果相比，機器人的速度提升約 450%，加速度提升約 250%，即使在風力干擾下，仍能在 11 秒內完成 10 次翻筋斗。 https://www.sciencedaily.com/releases/2026/09/260921081114.htmhttps://pharma.intelligence-synthesis.com/zh-hant/ai-science/s/5fc14a3904/sc-5fc14a3904Mon, 21 Sep 2026 00:00:00 +0900生物工程與合成生物學科學家用來預測和設計生物分子的開源模型，過去速度緩慢且耗費大量記憶體。Claude 在 Claude Science 中作業，僅用不到四週就最佳化了其中 30 多個模型，平均加速約 4 倍。它還打造了低記憶體模式，使單一 NVIDIA GPU 節點即可準確預測超過 10,000 個 token 的系統，最佳化後的程式碼也將開放原始碼。 https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling