标签
OpenAI 分享了一份实地报告，介绍如何使用像 Codex 和 Claude Code 这样的 AI 代理来协助科学计算项目，展示了在软件开发和维护方面的显著加速，同时将研究人员的角色转变为验证和编排。
为工程师和科学家提供的Python实用指南，涵盖NumPy、SciPy、Matplotlib等，包含练习和实际应用案例。
美国能源部与Arcee AI联合发布了Genesis-Science-1（GS1），这是一个开放权重的AI模型，专为科学计算工作流设计，并配备了一个受控执行系统，可保存可复现的记录。该项目涉及多个国家实验室的贡献，旨在帮助研究人员完成诸如高性能计算（HPC）代码现代化、模拟活动以及材料科学等任务。
介绍了PI-Splines，一种基于结构化样条的物理信息学习架构，通过可训练的B样条系数对未知场进行参数化，提供了紧支撑、解析导数以及强边界条件施加能力，被证明是基于神经网络方法的有竞争力的替代方案。
这篇《连线》文章探讨了 Python 在科学计算中的性能限制，并讨论了 Julia 作为两语言问题的潜在解决方案，同时借鉴了图灵奖演讲中的历史类比。
The Well 是一个开源数据集，包含15TB的物理模拟数据，涵盖16个领域，由Flatiron Institute和11所大学共同创建，旨在训练PDE代理模型，使研究人员能够用神经网络替代昂贵的超级计算机模拟。
Anthropic发布的Claude Science桌面应用，专注于解决科学家日常科研中的数字体力活，如数据整合和超算调度，而非追求宏大叙事的AI科学家，通过自然语言接口降低科学计算门槛。
GP_ELITE是一个基于遗传编程的符号回归纯Python库，能够从小型实验数据集中发现可解释的数学公式。0.2.0版本引入了莱文贝格-马夸尔特常数拟合、多重重启可靠性、帕累托前沿输出以及外推模式。
本文探讨了Fortran在科学计算中受欢迎度下降的现状，并提出借助依赖类型对其进行现代化，以解决熟练Fortran程序员短缺的问题。
提出KL-DNN，一种可扩展的算子学习框架，利用Karhunen-Loève展开处理大规模PDE问题，在三维碳封存问题上实现了比DeepONet更低的误差和两个数量级的加速。
ISC High Performance 2026上的半日教程，关于使用编译器辅助工具（FPChecker/LLVM）进行C/C++科学代码的浮点错误分析与性能分析。
介绍ICML 2026论文Functional Attention，将函数作为第一公民，用结构化线性算子替代softmax点对点相似度，解决传统Transformer处理连续函数时离散化、分辨率敏感和计算复杂度高的问题，在PDE求解、3D分割等任务上达到或超过SOTA，并具良好OOD泛化能力。
本文介绍了退化蒸馏器，一种通过估计和平展费希尔信息矩阵来自动检测和解决物理模型中退化参数组合的方法，该方法减少了神经后验估计所需的模拟预算，同时提供物理洞察。
特朗普总统下令启动一项全国性倡议，建造用于重要科学计算的量子计算机。
本文提供了多输入神经算子在Sobolev范数下测量的近似误差和泛化误差估计，分析了多个输入函数（具有不同定义域和正则性）如何影响误差界，适用于偏微分方程和科学计算问题。
为中文科研工作者提供一套集成化AI学术技能包，包含论文写作、学术Office文档生成与科研计算三大场景，可在Claude Code和Codex上直接使用。
本文认为，在使用Ozaki Scheme II的情况下，FP8张量核心可以替代原生FP64硬件，用于像NVIDIA B300这样的AI优化GPU上的高性能科学计算，以更高的吞吐量实现完全的双精度精度。作者提出了张量-内存均衡模型，并表明在所有工作负载中，模拟的FP64性能可以比原生FP64高出数个数量级。
本文讨论了1955年在洛斯阿拉莫斯国家实验室进行的一次计算机实验如何彻底改变了对混沌的理解，该实验很可能指的是费米-帕斯塔-乌拉姆-辛格问题。
本文提出了一种基于空间相关性的物理信息神经网络（PINNs）课程学习框架，通过利用子区域间的空间相关性来提高训练稳定性和求解精度，解决了高维非凸损失景观和多目标约束不平衡等问题。
提出了Constraint-Aware Flow Matching，一种新颖的端到端框架，将模型的学习动态与约束采样过程对齐，减轻了投影校正带来的分布偏移，从而实现高质量的约束生成。