materials-science

CARAT 提出了一个匹配证据基准，用于检验材料大模型是真正对晶体结构进行推理，还是仅仅复述输入中已印出的答案，结果发现那些看似显著的性能提升很大程度上反映的是基线之间的差距，而非推理能力的提升。

研究提出一种潮湿电壁纸（Moist-Electric Wallpaper），可用于室内能量收集与湿度管理，为自供能智能室内材料提供了新思路。

Lila的科学家最初怀疑他们的AI工作流程的材料选择，但持续测试显示，一种催化剂在酸性实验室条件下存活了超过1000小时，突显了在研究中探索非传统想法的价值。

C5R建立了一个完全由AI模型GPT-6 Astra运营的研究设施，实现了跨多个科学学科的实验的自主设计、执行和观察。

Nuceptive Labs，一家专注于伤口护理低痛感粘合剂技术的初创公司，正在寻找首席商务官，以扩大其皮肤友好型产品在医疗保健市场的影响力。

Solcoa Tech 已成功获得7500万美元融资，用于建造其首座商业化稀土金属化工厂 Solcoa One。

Microsoft Research 的 RetroChimera，一种用于逆合成的预测模型，已在 Nature 上发表，有助于加速化学合成，推动医学、材料和农业的进步。

本文提出一种通过电极-电解质界面溶解来再生废旧电池的方法，旨在提高电池回收和可持续性。

本文探讨了先进材料在AI基础设施中的关键作用，以Syensqo等公司为例，说明其如何利用AI加速材料发现，解决半导体和数据中心的挑战，并强调可持续性。

Neon 项目利用 AI 和高通量实验室，在实验与模型之间建立循环，旨在加速材料研发。

Liam Fedus 描述了在 Menlo Park 建立的高通量材料实验室，这些实验室在实验和 AI 模型之间创建了一个循环，利用 1,300 个 H200 GPU 和实验数据来中间训练模型，以做出下一步决策。

研究人员于Yunnan University开发了钙钛矿太阳能电池，通过调整其对特定光波长的响应并使用添加剂增强耐久性，使其能在水下发电。

本文建议密切观察人工智能在材料科学与生物科学领域日益提升的能力。

科学家使用基于质谱的蛋白质组学分析古埃及文物，发现粘合剂和颜料中使用了牛胶等动物来源的蛋白质。

本文评论探讨了AI推理、自主实验、高性能计算和量子计算的融合如何重塑化学并加速材料科学发现。

中国科学家受蛋壳启发，开发了一种铝合金材料，以增强航天器对太空碎片的防护能力，这一成果详细发表在Journal of Applied Physics的一篇新论文中。

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。

一项新研究表明，带电雨滴能以类似闪电的火花机制损坏Teflon等保护涂层，从而引发腐蚀。

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。