标签
研究人员开发了一种小分子胶水CyclicFP-fmoc，通过氟-氟相互作用强力粘附在不粘的特氟龙表面，并且可以用乙醇轻松去除，从而实现回收和再利用。该胶粘剂具有高强度和延展性，性能优于商业环氧树脂，且用乙醇清洗后不留残留物。
本文表明，在开源权重的Gemma模型中，可以通过隐藏状态分析、因果干预和反事实基准来识别和控制材料科学机制，揭示了物理关系在状态变换中比在绝对状态中更为明显。
先进材料通过解决半导体制造和数据中心基础设施中的性能挑战，对于实现下一代AI至关重要。文章强调了聚合物、流体和热管理方面的材料创新如何支撑日益强大的AI系统的物理需求。
金属有机框架（MOFs）是一类革命性的多孔晶体固体，在碳捕获、从沙漠空气中收集水分以及药物输送方面具有应用前景。本文重点介绍了伯克利化学家奥马尔·亚吉的工作，以及MOFs在应对环境和能源挑战方面的潜力。
提出了一种新颖的多级图提示学习框架用于晶体性质预测，通过节点级和图级的软提示捕捉局部化学语义和全局结构对称性，将最先进的GNN性能提升3%-15%，并实现跨性质知识迁移。
本文介绍了面向LLM代理的假设演化协议（HEP），该协议使假设生成、测试和信念更新变得明确且可审计。在材料科学任务上的实验表明，配备HEP的代理能够泛化到不同研究问题，并且随着基础LLM能力的增强而变得更有效。
研究人员发现，简单的非弹性液体在拉伸应力下会发生脆性断裂，这与先前认为弹性是这种行为必要条件的假设相矛盾。
Atomscale认为，材料创新面临的瓶颈在于规模化而非发现，并以半导体制造为例，说明将材料从实验室推向生产阶段的挑战。
研究人员开发了一种新方法，通过在较低温度下控制原子排列来制造'超级合金'，从而产生一种强度是钢的两倍、铝的三倍的金属，可能改变金属制造业。
达摩院（阿里巴巴）推出Elements Claw，这是一个通过筛选数百万晶体结构发现四种新型超导材料的AI智能体，有望加速材料研究。
Google Cloud 将提供 SandboxAQ 的大型定量模型（基于科学方程和实验室数据训练），用于药物研发、材料科学和半导体制造，同时提供 Gemini for Science 工具以加速研究工作流程。
介绍了MatMMExtract流程，用于将复合科学图形分解为子图并使用LLM进行标注，创建了MatSciFig数据集，包含超过390,000个图像-文本对，用于材料科学中的视觉语言学习。
纳米技术分子优化（NMO）基准引入了基于物理的分子设计任务，取代了以药物发现为中心的指标，旨在推动纳米技术领域的科学发现。论文显示，先进方法在NMO上的表现不如更简单的方法，并提出了新的基准方法，包括一种新颖的表示方法和领域无关的预训练。
本文介绍了一种原子语言模型，它集成了3D原子编码器、Qwen大语言模型和扩散晶体生成器，原生处理多模态材料数据，实现了最先进的晶体结构预测和从头生成。
NVIDIA宣布推出新的AI软件库和微服务——DAQIRI、ALCHEMI和cuPhoton——大幅加速天文学、材料科学和粒子物理等领域的科学计算任务，相比基于CPU的流水线可实现高达14,900倍的加速。
麻省理工学院的研究人员开发了一种基于机器学习的方法，能够准确模拟金属合金的行为，无论其化学复杂性如何，从而实现更快、更便宜的材料创新。
研究人员构建了一种范德华晶体，该晶体能够模拟神经元细胞，实现光驱动学习，这是向神经形态计算迈出的一步。
LapidaryEngine是一种新型AI模型，能够通过自由形式的自然语言实现全对话式晶体材料生成。它采用一种枢纽表示法进行双向翻译和迭代优化。通过支持直观的类对话交互，该模型优于现有的文本到晶体系统。
本文介绍了AgentBuild，一个基于科学家编写的合约构建LLM科学代理的框架，该合约包括评分标准、课程大纲和知识库。本文将其应用于X射线衍射数据的Rietveld精修，展示了如何构建和调优代理。