AI 科研

研究团队将 AlphaFold 用于分析 Cas 蛋白在脱靶位点上的结构变化，并据此改造关键氨基酸位点。结果显示，新设计的变体可在保持目标编辑活性的同时显著降低脱靶编辑。

特朗普政府推出首批“创世纪任务”拨款，将 50 亿美元投向 AI 驱动的科研项目。这不仅是一次资金分配，更被批评者视为美国科研体系向硅谷式治理转向的信号。

SciForma 面向科学方法图生成中的“结构保真”难题，将图表质量拆分为组件、箭头和文本三条轴线，并用多维偏好优化强化同时正确。它试图解决当前开源模型看起来像图、但逻辑关系和标注容易出错的问题。

Insilico Medicine 等作者提出 3D-Fit，用于评估通用大语言模型在结构化药物设计中处理三维空间约束的能力。结果显示，LLM 已能跟随多种局部空间指令，但距离物理可靠的分子生成仍有明显差距。

一项基于 TokaMark 数据集的新评测把问题从“干净数据上谁更准”转向“传感器失效时谁还能工作”。结果显示，靠时间序列建模的 LSTM、Transformer 等模型在临近等离子体破裂的信号损坏下尤其脆弱。

S1-Omni 试图用一个统一多模态模型连接 AI4Science 中长期分散的任务与数据形态。它覆盖 200 多个科学任务，并开放了模型权重、推理代码和部分数据集。

由 Google 资助支持的 FireSat 项目首批三颗运营卫星已发射入轨，目标是在野火失控前识别更小、更隐蔽的火点。这套系统也折射出 AI 气候应用与数据中心能耗之间的复杂张力。

这篇 arXiv 论文提出 Mycelium：一种面向多人科研团队的主动共享工作空间，让 AI 代理不只服务单个用户，而是在团队、工具与实验流程之间路由关键发现与假设。

一篇 ICML 2026 Spotlight 论文提出“理论级自动形式化”视角：AI 不应只把单个自然语言命题翻译成形式语言，而应构建包含定义、引理、依赖关系的完整形式化知识库。

一项新基准 SDABench 不再只看大模型能否跑通代码或完成分析流程，而是从科学主张所需的能力出发，评估 LLM 在描述、推断、因果与机制解释等任务中的真实短板。

一篇新 arXiv 论文提出 MOJO，将掩码自编码式自监督学习与监督解码目标结合，让 spike-tokenizing 神经解码模型能利用大量未标注数据。实验显示，它在标注稀缺和跨会话微调场景中尤其有优势。

一篇 arXiv 新论文用冻结的 Evo 2 表征训练轻量探针，评估其在宏基因组数据中识别抗微生物耐药性和细菌毒力信号的能力。结果显示，AMR 信号相对容易被解码，但毒力识别与生成序列标签判定仍存在边界。

一篇 arXiv 新论文聚焦可再生能源预测中的特征选择问题，提出了聚类式顺序特征选择 CSFS。该方法在保持与传统顺序特征选择相近预测表现的同时，平均降低了 21% 计算成本。

一篇 arXiv 新论文将经验贝叶斯变分自编码器扩展到药物计量学场景，用于同时建模肿瘤体积变化、患者脱落时间以及基因协变量。研究显示，半机理混合解码器在保持预测能力的同时，也能给出更接近传统非线性混合效应模型的治疗效应解释。

一篇新论文提出 PlumeQuant，用于检查成像光谱仪发布的甲烷羽流产品在掩膜、质量增强、羽流长度、排放率和不确定性之间是否一致。研究指出，仅凭公开的标量指标并不能唯一确定羽流边界，这会影响对弱羽流和模糊羽流的解读。

一项 arXiv 新研究提出两阶段无监督聚类方法，用于处理心脏 PET/MRI 的多模态数据，并为致心律失常性左室心肌病患者生成自动化健康报告。该方法在患者数据和数值仿真队列中，较好复现了心脏影像医生的观察结果。

一篇 arXiv 新论文将 Quantum Kitchen Sinks 用于射频频谱图异常检测，并在真实蜂窝信号与 IBM 量子处理器上做了验证。结果显示，DCT 表示与中等深度纠缠配置是更稳健的组合。

一篇 arXiv 新论文提出 OCP-CT，用器官条件下的放射学模式 token 改进 CT 体数据与报告之间的视觉语言预训练。它试图弥补全局对比学习过粗、器官级对齐仍不够细的问题。

一篇 arXiv 新论文提出用于脑肿瘤演化预测与治疗排程的 AI 增强自适应数字孪生框架。研究亮点在于把可解释的反应-扩散模型、3D 残差学习、在线更新和模型预测控制放在同一流程中。

一篇 arXiv 新论文提出 Quantum Topological Data Encoding（QTDE），试图把数据的几何与拓扑结构通过量子演化编码进量子态。作者在 clique-complex 分类任务上给出初步结果，显示该表示优于直接比较组合拉普拉斯算子的基线。

一篇 arXiv 新论文提出了面向胰腺导管腺癌可切除性评估的全自动多模态深度学习框架。该方法联合分析三维增强 CT 与结构化临床变量，尝试减少专家判读差异带来的不确定性。