上海AI实验室等推出自进化合金设计专家模型书生·衍金,3D打印钛合金抗拉强度达1817MPa
上海AI实验室联合中国科学院金属研究所、苏州国家实验室、上海电气推出自进化合金设计专家模型书生·衍金(AlloyEvo),由AlloyDes生成候选方案、AlloyLLM预测性能与机理、AlloyExp沉淀经验卡三模块协同迭代。
入选理由材料交代了AlloyEvo的设计、评估与经验沉淀模块及钛合金实测结果,材料研究者可据此判断AI驱动合金研发的可用范围。
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。
上海AI实验室联合中国科学院金属研究所、苏州国家实验室、上海电气推出自进化合金设计专家模型书生·衍金(AlloyEvo),由AlloyDes生成候选方案、AlloyLLM预测性能与机理、AlloyExp沉淀经验卡三模块协同迭代。
入选理由材料交代了AlloyEvo的设计、评估与经验沉淀模块及钛合金实测结果,材料研究者可据此判断AI驱动合金研发的可用范围。
中国科学院上海硅酸盐研究所团队构建物理引导生成式超分辨模型 StableAFM,将 AFM 采样物理与潜空间扩散模型结合,在快速稀疏扫描条件下复原精细空间信息。
MIT 研究人员构建了一个面向晶体材料的多模态视觉语言模型,把 3D 原子结构与自然语言描述结合,描述涵盖化学组成、结构、性质、工艺考量与潜在应用,论文发表于 Nature Communications。
Anthropic 的 STEM Fellows 项目披露,Claude Mythos 5 在给定自然语言指令的情况下设计出量子线路,效果优于已发表的最优线路,部分情况下提升一个数量级或更多。
我们的研究人员还在 @Antigravity 中使用 Argon 来优化 xTB——这是最常被引用的开源量子化学软件包之一,用于预测分子的三维结构以及筛选药物和材料候选物。 他们使 xTB 在预测分子结构方面提速最高达 2.3 倍,在构象搜索方面提速 1.8 倍,并将这些改动贡献到了 GitHub 上的 xTB 官方代码仓库 → http://goo.gle/4s6dko0
在都柏林 AI in Science Summit 上,欧盟委员会启动 AI in Science Enablers Initiative,这是与 RAISE(Resource for AI Science in Europe)相连的共享框架,NVIDIA 宣布加入并提供加速工具、算力云资源、培训与技术支持、合作试点及初创生态支持。
入选理由欧盟 RAISE 框架下 NVIDIA 开放模型、课程与算力通道,欧洲小型实验室和初创可据此判断能拿到哪些资源。
NVIDIA 披露其在北欧的技术生态投入,包括投资瑞典初创公司 Lovable 和 Legora,前者正用 NVIDIA Dynamo 与 Nemotron 优化开放模型推理。
NVIDIA 发布 CUDA-X 新库 cuPotential,开发者可用它构建模拟原子与分子相互作用的 AI 智能体,早期访问测试中在已针对 GPU 优化的流程上再提速 2-3 倍。
入选理由cuPotential 面向原子与分子相互作用模拟,早期测试在已 GPU 优化流程上再提速 2-3 倍,材料与半导体研究者可据此评估现有模拟流程的改造空间。
Google DeepMind 发布前沿模型 Gemini 4 Argon,今日起通过 Gemini API 在 AI Studio 和 Gemini 平台面向开发者与企业开放。
入选理由Google 官方给出 Argon 在量子化学、聚变、酶设计与罕见病分析中的具体案例,研究者可据此判断它在自身计算流程中的可用边界。
Google 发布前沿模型 Gemini 4 Argon,今日起通过 AI Studio 和 Gemini 平台的 API 面向开发者与企业开放,Google AI Ultra 订阅者可在 Google Antigravity 使用。
入选理由Google 官方给出 Argon 在量子化学、聚变、罕见病与酶设计上的自测案例,研究者可据此判断它在自身领域的可用边界。
Nature Computational Science 在线发表 Andreas Burger 等人的工作,提出机器学习原子间势的扩展方法 HIP,可直接预测分子 Hessian。作者称在过渡态搜索、几何优化和振动分析中,其精度和速度优于通过自动微分得到的 Hessian。论文发表于 2026 年 10 月 13 日,DOI 为 10.1038/s43588-026-01066-x。
Nature Computational Science 在线发表的一项系统实验显示,大语言模型在预测材料性质时难以利用原子位置信息,主要依据原子类型作出判断。这一局限不会随模型规模或数据集规模增大而改变。准确预测材料性质是计算材料科学的主要挑战之一。
苏州大学王宇航团队联合新加坡国立大学和悉尼大学,用 DeePMD-kit 势函数在 LAMMPS 中模拟 SnO₂(110)/水界面,揭示双极膜表面羟基结构如何影响水解离。
Nature Computational Science 在线发表的研究显示,大语言模型无论模型规模或数据规模如何,都无法从空间坐标中学习。专用几何神经网络在材料性质预测任务上持续优于语言模型。论文发表于 2026 年 10 月 12 日,DOI 为 10.1038/s43588-026-01045-2。
上海人工智能实验室推出实验设备访问与协同协议书生SCP-Lab,为科研智能体提供统一的设备能力发现、任务交互与可信反馈机制,支撑书生·端砚把科学构想转化为真实物理实验。
入选理由材料给出协议的分层架构与五级控制粒度,研究者可据此判断自家异构设备能否接入科研智能体的实验流程。
西北工业大学陈福义团队在 Computational Materials Science 发表研究,用基于 DP-GEN 主动学习构建的深度学习势对 Pd309@Ag1106 核壳纳米团簇在 500 K 下进行 200 ps 分子动力学模拟,观察到八面体到二十面体的结构转变。
香港科技大学(广州)、伦敦大学学院等团队提出自学习衍射分析代理 Gan Jiang,它把分析经验写成可执行技能,通过诊断失败、修改技能指令与代码并在复用前验证,在不重训语言模型、不改物理模型的前提下改进分析流程。
TIB 莱布尼茨科学与技术信息中心的研究者提出 SciKGExtract,一个由 schema 引导的智能体框架,把大语言模型抽取、化学归一化、基于智能体的评估与修正串成流程,再接入知识图谱。
Genentech 与 KAIST 团队提出 AutoSciBench,用高层 concept 与低层 recipe 两级规划自动生成科学智能体评测任务,并依据求解器轨迹与评审反馈迭代修订,把任务推向原始数据复核、中间结果解读与多步证据整合。
华东理工大学、复旦大学与腾讯的研究者提出 PathAnchor,一个基于路径化证据工作区的科学推理系统,把文献证据组织为 Material–Sensor–Signal–System 功能轨迹,保留角色、方向与每条转换的来源证据,控制器用三个只读工具检索、追踪路径并打开原文,输出带引用的答案和明确的证据边界。
Michael Levin 在 MDPI 发表论文提出"柏拉图心智空间"假说,认为心智与大脑的关系如同数学模式与其引导的形态发生结果之间的关系,身体(生物、工程或混合)只是模式进入物理世界的接口。该假说尚无决定性实验支持,但 xenobots、anthrobots 及排序算法扰动实验被视为旁证。
K-Dense 发布免费开源的 LabMCP,基于 Model Context Protocol 提供连接器,让 AI 助手用自然语言操作天平、加热搅拌器、pH 探头等实验室仪器。
入选理由原文说明了连接器覆盖的仪器范围、安全限制和全部连接器尚未在真实硬件上验证的状态,研究者可据此判断能否接入自己的实验台。
Lila Sciences 团队用 AI 驱动的闭环实验室(AI Science Factory)在酸性析氧反应(OER)中筛选出钯基催化剂,其最优组成的活性与稳定性可与钌相当,相关细节已写入一篇预印本。
入选理由AI 闭环实验室在数月内找到被领域视为死路的钯基 OER 催化剂,研究者可据此判断自动化实验平台在材料发现中的实际位置。
Anthropic 表示已阻止利用其 Claude AI 系统进行包括可能设计生物武器在内的多种不当用途,相关报告由 Science 报道,但五起案例中有三起涉及修改基孔肯雅病毒、禽流感病毒和某种未指明的正痘病毒,是否属于恶意修改尚存争议。
上海大学材料基因组工程研究院与计算机工程科学学院团队联合日本筑波大学,基于开源密度泛函理论软件 ABACUS(v3.9.0)结合 DFT+U 与机器学习,提出数据驱动策略寻找能同时匹配 TiO₂ 多性质实验结果的电子密度,成果发表于 Computational Materials Science。
微软研究院在 Nature 发表逆合成预测框架 RetroChimera,它把基于 Transformer 的 R-SMILES 2 与基于图神经网络的 NeuralLoc 两个子模型的排序结果用学习式集成策略合并,在常见与罕见反应类别上均表现较强。
入选理由RetroChimera 已开源并上线 Microsoft Foundry,化学与药物研究者可据此评估它能否接入现有的逆合成路线设计流程。
上海AI实验室在2026浦江创新论坛上发布书生多模态大模型S2(书生-S2),称其在知识、代码、智能体等通用能力上处于开源模型第一梯队,在Biology-Instructions。
入选理由上海AI实验室公开了书生-S2的权重与体验入口,并说明其可插拔专业记忆如何在不重训基座的情况下扩展学科能力,研究者可据此判断能否用于长程科研任务。
Periodic 用峰值 1300 块 H200 GPU 完成中期训练与强化学习,训练出在其 X 射线衍射评测上 Pareto 优于 GPT-6 Astra 和 Claude Fable 5.1 的专用模型,现已用于高通量实验室寻找超导体与磁体。
Periodic Labs 用自家实验室数据训练出 Periodic Neon,在其内部最难评测集 FrontierXRD 上成功率为 55.3%,高于 GPT-6 Astra 和 Claude Fable 5.1,且单次分析成本更低。
入选理由材料给出自建 XRD 评测集与专家标注的一致性数据,研究者可据此判断实验室自训模型能否接手耗时的物相分析。