标签
This paper introduces a discrete diffusion model with a novel 'germline absorbing' modification to improve conditional antibody sequence generation. It addresses germline bias in protein language models and demonstrates superior performance in optimizing antibody binding affinity and developability compared to existing methods like EvoProtGrad.
最新研究论文提出了一种名为ASI-Arch的自主AI系统。该系统无需依赖人工预设的搜索空间，即可自动探索并发现全新的神经网络架构。通过执行数千次自动化实验，AI成功生成了100多个性能领先的新型线性注意力模型，这标志着人工智能正迈向由AI主导的科研协作新阶段。
本文提出了一种基于大语言模型的代理系统，用于自动化发现密度泛函理论中的交换相关泛函。该系统在性能上超越了人工设计的基线，同时也凸显了基准过拟合带来的挑战。
本文介绍了AeroJEPA，一种用于可扩展3D气动场建模的联合嵌入预测架构。它通过预测流场的语义潜在表示，解决了当前代理模型在可扩展性和设计实用性方面的局限性，从而实现了高效的高保真分析和设计优化。
由MIT研究人员Tristan Bepler和Tim Lu创立的OpenProtein.AI，推出了一款无代码平台，旨在普及先进的AI蛋白质设计与工程模型，使广大生物学家都能便捷使用。
MIT研究人员在《Matter》期刊上发表论文，介绍了一种AI模型，该模型利用非侵入式中子散射数据对材料中的原子缺陷进行分类和定量分析。该模型可同时检测多种缺陷类型，在不损坏材料的情况下改进半导体及其他材料的表征。
Google DeepMind宣布与印度政府建立新的合作伙伴关系，通过AI加速科学发现和教育，包括提供AlphaGenome等模型的访问权限，并启动3000万美元的Impact Challenge。
OpenAI 与美国能源部签署了一份合作备忘录，共同推进人工智能与先进计算项目，其中包括“创世纪任务”。该合作旨在通过在实际研究环境中部署前沿 AI 模型，加速科学发现。
Google DeepMind宣布加强与英国政府的合作，部署AlphaEvolve和AlphaGenome等前沿AI模型，用于科学发现、教育和国家安全。该合作还包括计划在英国建立DeepMind首个自动化科学实验室，专注于材料科学。
Google DeepMind 正与美国能源部合作支持 Genesis 任务，为科学家提供 AI co-scientist 等 AI 工具，以加速科学发现与创新。
Google DeepMind与耶鲁大学发布了C2S-Scale，这是一个基于Gemma构建的270亿参数基础模型，用于单细胞分析，该模型发现了一种有前景的药物组合（silmitasertib和干扰素），可增强“冷”肿瘤的免疫可见性，其预测已通过实验验证。