标签
本文提出了一种数据驱动的本构建模框架，使用带有因果注意力的神经算子来预测路径依赖材料的应力响应，重点关注塑性和损伤，实现准确且可并行化的预测。
Gemini Co-Scientist 是一个基于Gemini的多智能体系统，已在材料科学、生物学和计算机科学等实际科学研究中得到验证，展示了在实验设计、结果预测和改进AI生成研究方面的能力。
Packora 是一种基于流的生成模型，用于分子晶体结构预测，它从分子图中联合预测原子坐标和晶格，在生成和排名基准测试中超越了基线。
SchemaRouter为异构智能体RAG系统引入了一个轻量级的模式图路由层，通过仅选择必要的工具和字段来最小化检索开销，同时保持答案准确性和出处归因。
MIT的研究人员开发了一种预测方法，用于识别有前景的电化学氨生产催化剂，旨在使这种可持续方法与高能耗的Haber-Bosch法竞争。
科学家利用先进的X射线成像技术，发现独角鲸长牙中存在双螺旋结构，这种结构增强了长牙的强度，并可能记录随时间变化的环境信息。
This paper proposes a self-evolving memory framework for lifelong AI partners in materials science, storing scientific experience as facts and skills to improve agent performance across models. Evaluations show memory nearly doubles GPT-5.2 task success in materials tool-use questions and reduces repeated errors in simulations.
本文介绍了DyRIS，一种使用动态少样本检索和规则引导推理的LLM智能体框架，用于预测双钙钛矿的空间群，在取得有竞争力准确率的同时，显著提升了少数空间群类别上的性能。
Discovered Materials 是一家由 YC 支持的初创公司，利用 AI 智能体和物理模型来发现可低温运行的半导体新材料，旨在降低数据中心的功耗。该公司完成了 900 万美元的种子轮融资，并发布了一个名为 Material Discovery Bench 的基准测试。
介绍了CrystalGRPO，一个用于流基晶体结构预测的强化学习后训练框架，它对齐目标恢复并保持候选覆盖，在MP-20和MPTS-52基准上提升了Top-1和Top-20性能。
ED-CSP 是一种根据电子衍射图案预测晶体结构的机器学习模型，其匹配率优于基于粉末X射线衍射的 PXRDGen，并展示了多视图衍射数据的价值。
本文介绍了SEE，一个由专家策划的、面向化学、生物学和材料科学科学发现的多模态基准。对19个多模态大语言模型（MLLMs）的评估显示，最佳模型的准确率仅达到48.7%，即使使用工具也只有52.7%，这表明当前模型缺乏可靠的、受证据约束的科学推理能力。
本文介绍了CGMas，一个多智能体LLM框架，可自动化聚合物的粗粒化分子动力学，包括拓扑构建、平衡、映射、势推导和验证。它完成了27项聚合物任务，并在大多数情况下将原子级密度匹配在5%以内，大幅缩短了模拟时间。
研究人员分析了五种蜗牛粘液，发现IV型胶原蛋白构成结构基础，而蛋白质含量和无定形碳酸钙调节每种粘液的力学性能，包括防御性的粘稠分泌物和泡沫状分泌物。
本文介绍了Graph-PRefLexOR-8B的图到答案机制追踪案例研究，该模型是一个材料科学假设生成模型，利用可视化和基于激活的诊断方法，定位生成过程中机制支持在何处丢失或恢复。
本文提出使用来自预训练MLIP（如MACE）的原子平均特征作为粗粒度坐标，用于评估和指导无机晶体结构生成，并引入了一种在基于分布的框架中同时捕捉质量和新颖性的粗-细传输距离（CFTD）度量。