Periodic Labs 用自建高通量实验室数据训练万亿参数模型 Periodic Neon
Periodic Labs 介绍其自建高通量实验室与大规模物理模拟基础设施,并用实验室数据通过 midtraining 和强化学习训练出万亿参数模型 Periodic Neon,称其在衍射分析任务上表现优于 Claude Fable 5.1 和 GPT-6 Astra。
入选理由材料给出实验室自训科学模型在衍射分析上的定位与数据闭环思路,可供材料与自动化实验室方向的研究者参考。
按时间排列的全部内容。默认只显示通过双重评分的入选条目;切换到“全部收录”可以检索所有抓到的资料。
72 条收录动态,更新于 15:29
全部收录包含没有通过评分的资料,标题以常规字体显示并标为“未入选”,只供检索,不写入选理由。
Periodic Labs 介绍其自建高通量实验室与大规模物理模拟基础设施,并用实验室数据通过 midtraining 和强化学习训练出万亿参数模型 Periodic Neon,称其在衍射分析任务上表现优于 Claude Fable 5.1 和 GPT-6 Astra。
入选理由材料给出实验室自训科学模型在衍射分析上的定位与数据闭环思路,可供材料与自动化实验室方向的研究者参考。
中国科学技术大学与合肥综合性国家科学中心人工智能研究院团队用第一性原理软件 ABACUS 和 PyATB,系统计算了 GeTe/SnSe 范德华异质结的位移电流响应,成果发表于 npj Computational Materials。
K-Dense 在 arXiv 发布两项预印本:Scientific Agent Skills 是支撑其技能库的开放库,覆盖基因组学、化学信息学、医学影像与研究设计等 16 个实践领域的 163 项流程;mimeo 会检索某人的公开成果,逐条核对提取的引文与原文,并生成智能体可加载的文件。
华东师范大学潘丽坤、王成龙团队联合暨南大学李金亮团队等,在 Angewandte Chemie International Edition 发表研究,提出定量静电势比值描述符 ESPratio(|ESPmin|/ESPmax),并据此确定溶剂化调控区间 0.9 < ESPratio < 2.4。
入选理由研究给出可量化的溶剂描述符与筛选区间,并用实验验证候选分子,为电解液设计提供可复用的筛选流程。
北京大学、中国科学技术大学、中科院物理所等团队在开源密度泛函软件 ABACUS 中实现了基于数值原子轨道(NAO)的实时含时密度泛函理论(RT-TDDFT)统一异构计算框架,相关功能已在 ABACUS v3.9.0.26 及后续版本正式发布,并配有 LCAO 基组中文教程。
OpenLAM 团队联合北京大学、DP Technology 和北京应用物理与计算数学研究所发布 DPA4 系列进展:DPA4 面向高精度路线,公开 OMat24 无机材料与 OMol25 复杂分子的预训练模型。
入选理由材料给出 DPA4C 在完整分子动力学基准上的吞吐与精度对比,材料计算研究者可据此判断它能否替代经验势做百纳米级模拟。
Wiley 发布光谱分析 API 组合,把其光谱参考数据、分析算法和预测模型接入用户自有系统与工作流。首批包含四项能力:光谱数据库检索、谱图与结构验证、化合物分类(含药物)以及谱图预测,面向制药、法医、环境、化工、食品、材料等领域的实验室、仪器厂商和软件平台。
Wiley 发布新版 Wiley Registry/NIST Mass Spectral Library,将 Wiley Registry of Mass Spectral Data 与 NIST/EPA/NIH EI Mass Spectral Library 合并为单一数据库,2026 版新增数万种经校验化合物,电子电离(EI)质谱总数超过 120 万条。
中国科学院宁波材料技术与工程研究所陶波副研究员团队联合华北电力大学等,在 Chemical Engineering Science 发表研究,用 DPGEN 主动学习结合深度势能分子动力学,系统模拟了 21 种 LiF-NaF-KF 配比下的 FLiNaKTh 四元熔盐体系。
深势科技发布 Bohrium 科研 Skills v0.1.0,新增专利检索、Wiki-Tools 技能与 bohrium skills CLI,并将 OpenAPI 网关接口由 v1 升级至 v2。
Lila Sciences 入选 2026 CNBC Disruptor 50 榜单第 25 名。这家由 Flagship Pioneering 于 2023 年创立的公司正在打造其所称的"全球首个科学超级智能平台",可自主生成假设并设计、执行实验,同时建设由 AI 模型驱动的自动化机器人实验室 AI Science Factories。
Latent Space 上线 AI for Science 专栏,由 Melissa Du 提出分类框架,把 AI 科研模型分为擅长推理与文献综合的"科学家"(LLM)和直接从数据学习物理动态的"模拟器"(领域模型)。