标签
SciHorizon-eLab 是一个智能体协议至任务编译器，用于将科学协议编译为具身任务以进行可扩展基准测试，并引入了一个包含300个认证任务的基准测试。
本文提出了一种图神经网络方法，用于从三维结构预测跨膜蛋白拓扑结构，通过利用AlphaFold的原子级嵌入，在无需预训练权重的情况下展示了有希望的结果。
本文介绍了Transformer-Mamba for Flow Field (TM4FF)框架，这是一种受物理约束的算子学习模型，通过Residual Wavelet Mamba和physics-informed loss等创新，提升了计算流体动力学模拟的准确性和鲁棒性。
大知识模型（LKM）构建了一个科学知识基础设施，能够将研究论文转化为推理图，形成一个科学推理图景，以支持科学搜索、问题解答和研究规划，并在基准测试中展示了准确性的提升。
Peerify 是一个用于自动验证同行评审声明与稿件证据的流程，使用来自 NeurIPS 2024 和 ICLR 2024 的 800 个声明的基准，证明以检索为中心的验证优于蕴含基线。
EnSol是一种环境感知图神经网络，它通过将溶质和溶剂表示为图，并使用交叉注意力来建模相互作用，同时利用概率输出来捕捉温度效应和实验不确定性，从而预测分子溶解度。该模型在基准数据集上取得了最先进的性能，并经过实验验证。
SAIR Foundation宣布一项倡议，旨在构建面向数学的开放权重AI模型，邀请社区贡献和资金支持，以促进科学中的负责任AI发展。
TorchCraft 是一个统一的结合剂设计框架，它通过反转如 AlphaFold3 这样的全原子结构预测器来优化小型结合剂、VHHs、环肽和配体结合蛋白的序列，并在多种格式中进行了实验验证。
Fraglingo引入了一种连接感知的自回归模型，用于分子设计，该模型通过在连续潜空间中联合预测片段身份和连接来生成分子，增强了属性控制和灵活性。
UCLA的研究人员正与Caltech和NVIDIA合作，利用神经算子提升AI在科学领域的应用，以控制复杂的量子系统。
OpenDiscoveryTrace 是一个公开数据集，包含558条AI科学代理轨迹，不仅捕捉输出，还捕捉推理过程，以便在多个模型和领域间对科学方法进行审计和评估。
Anima Anandkumar 描述了在 Terence Tao 博客上的一篇客座文章，详细介绍了一种使用 Physics-Informed Neural Networks (PINN) 来寻找流体力学中 Euler 方程奇异解的方法，强调了其提前发布和在科学计算中的广泛应用。
本文提出了一种条件生成潜在框架，用于编码连接组图，实现储备池计算中的重建、生成和功能分析，并提供任务特定结构机制的见解。
Northwestern大学宣布一个新的AI4Energy IIN/Trienens博士后奖学金，用于结合AI、纳米技术和能源科学的跨学科研究。
本文介绍了Elite-Weighted Supervised Fine-tuning（EW-SFT），这是一种用于目标导向分子优化的方法，它使用奖励来指导精英选择，并通过模型自身的损失进行更新，适用于各种生成架构和任务。
本文提出了一种多智能体框架，使LLM智能体能够使用模拟模型为药物过程设计进行受控实验，从而产生比纯语言推理更具体和可操作的建议。
DeepSCan 是一种新的 AI 模型，它学习细胞表面展示的规则，并生成全新的膜展示模块，其中几个模块的性能优于强天然序列，标志着向可编程细胞工程学迈出了一步。
这篇《麻省理工科技评论》文章认为，基于海量数据集的AlphaFold式深度学习并非加速科学发现的理想模板，而具备推理和实验能力的AI智能体将推动未来的突破。
This paper investigates how molecular generative models internally organize molecular identity in their latent spaces, revealing piecewise-constant regions and coarse-to-fine boundaries across three architectures.
本文介绍了 ADSL-PDE，一种领域特定语言，为神经 PDE 求解器的自动设计提供结构化搜索空间，通过抽象底层实现细节来提高搜索效率和优化稳定性。基于该表示构建的进化代理在 PDE 基准测试的前十次迭代中实现了超过 52% 的性能提升。