AI for Science
预测所有物种DNA、RNA、蛋白质的形式和功能，Arc、斯坦福、NVIDIA发布最大AI生物模型Evo2
编辑 | 萝卜皮所有生命都用 DNA 编码信息。 虽然测序、合成和编辑基因组代码的工具已经改变了生物学研究，但智能地编写新的生物系统还需要深入了解基因组编码的巨大复杂性。 科学家们今天发布了他们所称的有史以来最大的生物学人工智能（AI）模型——Evo-2。
深势科技张林峰：平台化科研入口雏形初现，玻尔赋能未来教育科研
近日，AI在线旗下ScienceAI以了解深势科技旗下AI加持的先进工具玻尔空间站（Bohrium）为契机，对深势科技创始人兼首席科学家、北京科学智能研究院院长张林峰进行了专访。 作为AI for Science领域的先行探索者，张林峰在采访中与我们深入探讨了AI for Science的内涵与发展趋势，玻尔空间站在教育、科研与产业融合中的角色，以及如何通过技术创新解决传统科研中的痛点。 他还分享了玻尔空间站在未来科研生态中的愿景，以及如何通过平台化的方式推动科研范式的变革。
AWS与纪念斯隆凯特琳癌症中心合作加速药物研发
编辑 | ScienceAI纪念斯隆凯特琳癌症中心（Memorial Sloan Kettering Cancer Center）正与 AWS（Amazon Web Services）合作，利用人工智能加速其肿瘤学研究。 2025 年 2 月 17 日，他们在纳什维尔举行的 ViVE 会议上宣布了这一消息。 纪念斯隆凯特琳癌症中心首席战略官 Anaeze Offodile 表示，通过使用人工智能分析大量数据，纪念斯隆凯特琳癌症中心将能够获得可实现更好的癌症治疗和更加个性化护理的见解。
自动化、高精度，告别人工测量！Meta SAM模型高效解析复杂纳米颗粒
编辑 | 2049在材料科学领域，纳米颗粒的形态特征直接决定了其物理化学性质与应用潜力。 然而，面对电子显微镜图像中数以千计的颗粒，传统的人工测量方法需要耗费数十小时，且易受主观偏差影响；而基于分水岭算法等半自动工具，则难以准确分割高度重叠的复杂颗粒结构。 德国康斯坦茨大学与巴西米纳斯吉拉斯联邦大学的研究团队提出了一种创新解决方案：利用预训练人工智能模型（Segment Anything Model， SAM）实现纳米颗粒的自动化分割与形态分析。
哈佛、英特尔等60+顶尖机构联手打造：NeuroBench定义神经形态计算评测新范式
编辑 | 2049在人工智能快速发展的今天，计算效率成为制约其进一步发展的关键瓶颈。 神经形态计算凭借其借鉴生物大脑的创新架构，在能效比和实时处理等方面展现出巨大潜力。 然而，该领域长期缺乏统一的评测基准，使得技术创新难以得到客观衡量和有效比较。
超强DNA大模型「GENERator」问世！解锁生命密码设计新范式
编辑 | ScienceAI在基因组学研究领域，DNA 序列的解码与预测一直是科学家们面临的核心挑战。 随着测序技术的飞速发展，我们能够以前所未有的速度获取海量基因组数据，但如何高效解读这些复杂的遗传信息，仍是一个亟待解决的难题。 近年来，大语言模型（LLMs）在自然语言处理领域的成功，为生物序列分析带来了新的契机。
复旦团队提出Transformer生成的原子嵌入策略，可通过ML提高晶体特性的预测准确性
编辑 | 白菜叶近年来，在化学分子性质与结构预测领域出现了大量基于 Transformer 的训练方法和预测模型，例如 OrbNet、3D-Transformer 等。 科学家们认为这些方法和模型，能够充分发挥 Transformer 架构在处理原子相互作用和捕捉三维结构方面的优势，从而高效地表示原子间复杂的相互作用。 在这些进步的推动下，复旦大学的研究人员开发了自制的 CrystalTransformer 模型，基于 Transformer 架构生成称为 ct-UAE 的通用原子嵌入，该模型为每个原子学习独特的「指纹」，捕捉它们在材料中的功能和相互作用的本质。
智能电子粘附皮肤：机器人与环境交互的新进展！
编辑丨ScienceAI皮肤是人类与外界交互的重要窗口，而机器人要像人类一样灵活适应复杂环境，也需要一套能够「感知」与「操控」的智能皮肤。 以往的电子皮肤侧重模仿皮肤组织的传感功能，常常忽略了皮肤附属器的特异化功能（如鳞片的保护、摩擦控制功能）。 近期，新加坡南洋理工大学夏焜校长讲席教授、清华大学高华建院士、南洋理工王一凡教授、湘潭大学王秀锋教授团队联合，在《Science Advances》上发表了最新研究成果：一款突破性设计的智能电子粘附皮肤！
Science新登，David Baker团队用AI从头设计栩栩如生的酶，比同类设计好6万倍
编辑 | 萝卜皮科学家使用人工智能（AI）从头设计酶的研究往往收效甚微，产生的酶通常在反应的第一步后就会停止。 设计具有复杂活性位点并介导多步反应的酶仍然是一项艰巨的挑战。 以丝氨酸水解酶为模型系统，华盛顿大学 David Baker 团队将 RFdiffusion 的生成能力与用于评估活性位点预组织的集成生成方法相结合，从最小活性位点描述开始设计酶。
AI做生物实验？还能迭代？浙大集成PLM和「自动化生物工厂」革新蛋白质工程范式
编辑 | 萝卜皮传统的蛋白质工程方法（如定向进化）虽然有效，但通常速度缓慢且劳动密集。 机器学习和「自动化生物工厂」的进步为优化这些过程提供了新的机会。 浙江大学的研究人员设计了一个基于蛋白质语言模型的自动进化平台，这是一个在设计-构建-测试-学习循环内实现蛋白质工程自动化的闭环系统。
令人惊讶的发现，谷歌混合数模量子计算机揭示了磁性的新面貌
编辑 | 白菜叶当诺贝尔奖获得者理查德费曼首次提出量子计算机的想法时，他提出它们可以执行某种复杂的量子模拟，从而可能为下一代电池或新型药物提供参考。 现在，Google 的一种新型量子模拟器发现磁性并不总是像科学家想象的那样发挥作用，这表明它有望在未来带来更多的发现。 这项新研究结合了两种量子计算——模拟和数字。
无需配对训练数据集，AI赋能协助全新无标记成像显微镜
编辑丨&中红外光声显微镜可以在不染色的情况下捕获生化信息。 但在较长的中红外光学波长下，光声显微镜的空间分辨率明显低于传统的共聚焦荧光显微镜。 一支来自韩国浦项科技大学的团队展示了一种可解释的基于深度学习的无监督域间转换，将低分辨率未标记的中红外光声显微镜图像转换为共聚焦状虚拟荧光染色的高分辨率图像。
轻量开源！微软基础模型LLaVA-Rad：自动生成高质量放射学报告
编辑丨coisini多模态生成式人工智能的最新进展已将生物医学应用扩展到同时处理文本和图像，在视觉问答和放射学报告生成等任务中展现出潜力。 然而，这些模型在临床实现中面临挑战，特别是大型模型在计算成本等方面带来了部署难题。 小型多模态模型（SMM）虽然更高效，但与大型模型相比仍存在显著性能差距。
Nature子刊新登，如何检测小分子机器学习中的覆盖率偏差
编辑丨&小分子机器学习旨在从分子结构中预测化学或生物特性，其应用包括毒性预测、配体结合和药代动力学等。 最近的一个趋势是开发避免显式领域知识的端到端模型。 这些模型假设训练和评估数据中没有覆盖率偏差，这意味着数据代表了真实分布。
登Science，MIT团队推出新蛋白质语言模型ProtGPS，预测蛋白在活细胞内的功能位置
编辑 | 萝卜皮蛋白质是维持细胞运转的主要动力，细胞中有成千上万种蛋白质，每种蛋白质都发挥着特殊的功能。 研究人员早就知道，蛋白质的结构决定了它的功能。 最近，科学家逐渐意识到，蛋白质的定位对其功能也至关重要。
从人才流失到智慧回流：AlphaFold 试图重塑非洲科研DNA
编辑丨toileter2024 年，诺贝尔化学奖再次强调了结构生物学在现代科学中的变革性作用。 它表彰了 David Baker 对蛋白质设计和 AlphaFold 开发的贡献。 AlphaFold 是一种最先进的 AI 工具，用于根据初级氨基酸序列预测蛋白质的 3D 结构。
从纳米到秒级：NanoPyx用AI技术革新显微镜图像处理，效率大幅提升！
编辑 | 2049随着显微镜技术的飞速发展，尤其是超分辨率显微镜（Super-Resolution Microscopy）的出现，生物学家们得以在纳米尺度上观察细胞内部的动态过程，揭示了许多以往无法捕捉的生物学现象。 然而，这种技术进步也带来了新的挑战：显微镜图像的数据量呈指数级增长，传统的图像处理工具在处理这些大规模数据时显得力不从心，尤其是在处理高分辨率、多维度的图像时，计算效率成为制约研究进展的瓶颈。 与此同时，AI 技术在高性能计算和图像处理领域的突破，为解决这一问题提供了新的思路。
AI+超材料双向突破，浙大综述揭示超材料研究进展，登Nature子刊
编辑 | 2049在电磁波调控的舞台上，超材料曾凭借其人工设计的亚波长结构，打破了自然材料的物理限制，实现了负折射、隐身斗篷等奇异现象。 然而，当工程师试图将这类「魔法材料」应用于动态环境时，却发现传统超材料如同精密的机械手表 —— 虽能精准运行，却无法根据环境变化自主调整。 这种矛盾在自动驾驶、智能通信等实时场景中尤为突出，亟待新的技术范式突破。