标签
声称在纳维–斯托克斯方程研究上花费了超过1000万美元的算力，在其他科学发现上花费了超过1亿美元，其中许多成果尚未发表。该帖子附有配套的 YouTube 视频链接。
Anthropic 正将 AI for Science 计划从面向个人研究者扩展到与 20 家领先的科学基金会、研究机构和研究团队合作，提供免费的 Claude 额度，并开展 Model Hardware Standard 等合作项目。
Pero 是一个面向 AI for Science（AI4S）的开源 Agentic Workspace，旨在将科研工作流（如脚本、Notebook、模型演示）转化为可自主运行的 App，并探索一种新的开源协作方式：贡献 Agent、Tokens 和算力，让 Agent 自动认领 GitHub Issue 并在本地执行任务后贡献结果。项目目前处于开发预览阶段，首个应用为 Virtual Cell。
该论文提出了 RxnExBench，这是一个包含 3,565 个专家标注反应的多模态基准，用于评估视觉语言模型从科学文献中提取结构化化学反应的能力。对 9 个最先进的视觉语言模型的评估表明，多模态整合与具备化学知识的推理仍是关键瓶颈。
OpenAI 介绍了 GPT-Rosalind 在药物发现上的新线索：恢复胆固醇运输是否能保护神经元免于退化。在小鼠脑部数据中，破坏与 Perry 综合征相关的 DCTN1 基因会增加相关基因表达。
Anthropic 与 Citrini Research 使用一款内部 Claude 模型，自主生成了针对五种蝎神经毒素的蛋白迷你结合剂，在受试的 211 个中获得 17 个功能性结合剂，标志着 AI 驱动的抗蛇毒药物发现向前迈进了一步。
MIT 研究人员在《Nature Communications》上发表了一篇论文，介绍了一种多模态 AI 模型，该模型将 3D 原子结构与自然语言相结合，以更好地预测和设计晶体材料。在识别有潜力的候选材料（如固态锂离子电池电解质）方面，该模型的表现优于仅使用文本的模型。
Anthropic 研究发现，Claude 通过纯语言描述和自动评估器，独立设计出八个量子电路（涵盖化学、优化、物理模拟和数论），在某些情况下比已发表的最优电路效率提升一个数量级以上，有望加速实用量子计算机的到来。
清华大学人工智能学院助理教授、ApexIntelligence创始人陈永超宣布其公司上月完成5000万美元天使轮融资，专注自进化基础模型、机器人与AI for Science研究。
PMO-Dock 提出了一套标准化基准，包含 25 项基于分子对接的分子优化任务，涵盖命中化合物生成、先导化合物优化以及一项新的特异性任务，并采用严格的验证集/测试集划分和预言机调用预算，评估了 Saturn、GenMol、Genetic-guided GFlowNet 和 ChemLlama 等方法，结果表明没有一种方法在所有任务中都表现最佳。
Google DeepMind 表示其 Argon 系统正在加速量子纠错与算法设计，例如将内部的量子纠错解码器 AlphaQubit 转化为高度优化的单个硬件"megakernel"，使推理吞吐量接近翻倍。
SwarmRSI 通过共享研究图谱与反馈引导的突变、重组机制，让科学智能体群体实现递归自我改进，在 OpenProblems、NatureBench 和 MLE-Bench Lite 上显著超越人类专家与现有智能体系统。
哈佛物理教授 Matthew Schwartz 借助开源工具 BootLoops 与 Claude，在三个月内跨 18 个学科产出 36 篇研究手稿，其中多篇计算此前从未被完成。该工具由 Anthropic 资助、以 MIT 协议开源，可与 Claude、Gemini 或 ChatGPT 等多种模型配合使用。
Anthropic 宣布在未来三年内向联邦 Genesis 任务投入 1.5 亿美元，为包括 NASA、NIH 和 NSF 在内的 15 多个联邦机构提供 Claude、Claude Code 和 API 额度，以加速人工智能驱动的科学发现。
Emma Scharfmann 介绍了 EmbeddingGemma 如何推动了众多 AI for Science 项目（医学、地理、肿瘤学、PubMed 嵌入模型）的开展，并提到 EmbeddingGemma 2 已在 Hugging Face 上发布，为科学研究开启了新的可能。
DeepMind 的全新 AI 从零设计酶，其中一种酶合成常见药物化学构建模块的效率比竞品工艺高 99 倍，另一种酶则能在 90°C 下降解天然酶无法处理的塑料污染物。
研究人员推出 AI Theorist，一个多智能体 AI 系统，可通过假设生成与第一性原理计算自主构建物理模型，并将其应用于从光谱中揭示 α-RuCl₃ 的激子结构。据称这是 AI 系统自主创建物理模型以解释量子材料中尚未发表的实验观测的首次演示。
TasteBench 推出了一个面向感官预测的多模态基准及注重隐私保护的竞赛，涵盖食品层面的风味排序（对215种植物基食品进行超过2.1万次人类评价）和分子层面的味觉分类（1.5万个风味分子），其基线模型在两两比较准确率上可与人类感官评审的中位水平相媲美。该基准旨在为可持续蛋白质的发现提供计算层面的代理手段，其意义类似于药物设计中的分子对接。
加州大学伯克利分校的研究人员提出了一种混合系统，将认知算法的发现视为一个程序精化问题：LLM 智能体根据行为数据的不匹配来修正人类编写的概率程序，并在问题求解范式中持续提升模型拟合效果。
加州理工学院（Caltech）与 Accelerated Understanding 的 Animashree Anandkumar 将在 SC26 上发表题为《大模型之后的下一个扩展律：理解物理世界的 AI》的主题演讲，内容涵盖从 FourCastNet 到天气、核聚变和生物学领域 AI 驱动科学发现的最新进展。