科学摘要

分类： 软件

  • 新方法可精准识别颠覆性科学突破

    来源： Science Advances

    研究团队利用神经嵌入技术分析了约5500万篇论文和专利，构建出创新地图。新指标通过衡量一篇论文所继承的研究与其启发的研究之间的距离来判定颠覆性，能有效识别诺贝尔奖级成果及同时发现案例（如进化论）。该方法为科学政策制定和科研资助优先排序提供了量化依据。

  • 科学家首次完整模拟“最小细胞”整个生命周期

    来源：Cell

    伊利诺伊大学团队利用超级计算机，对仅含不到500个基因的“最小细胞”Syn3A进行了历时数年的全细胞模拟，以纳米级分辨率再现了DNA复制、代谢、分裂等全部生命过程。模拟细胞周期与实际仅差两分钟，为探索生命基本原理、预测细胞行为提供了强大的计算模型。

  • 新方法CoBiSe设计出高特异性活细胞铁离子生物传感器

    来源： ACS Sensors

    德国杜塞尔多夫大学团队开发出名为“CoBiSe”的计算方法，可快速设计荧光生物传感器。利用此法研制的“IronSenseR”传感器，能高选择性、实时监测活细胞内的亚铁离子（Fe²⁺），已成功应用于大肠杆菌等多种细菌。该技术有望拓展至其他代谢物与金属离子的检测，推动铁代谢及相关疾病研究。

  • ZENN框架：嵌入熵理论的AI更懂真实世界数据差异

    来源：《美国国家科学院院刊》（PNAS）

    宾夕法尼亚州立大学研究团队开发了名为“ZENN”的新型AI框架。该框架将“Zentropy”熵理论嵌入神经网络，使模型能自动识别并适应不同来源数据在分辨率、噪声等方面的隐藏差异。它将数据分解为表征有效信号的“能量”和表征噪声不确定性的“内禀熵”，从而在整合计算机模拟与真实实验等异构数据时更稳健、可解释。该框架已在材料科学（如反常热膨胀合金）中成功验证，未来有望应用于阿尔茨海默病研究等领域，帮助揭示现象背后的物理机制，推动科学发现。

  • 新模型结合波动光学，实现超逼真数字织物渲染

    来源：计算机协会SIGGRAPH Asia 2025会议

    康奈尔大学与英伟达的研究团队在织物数字渲染领域取得突破。新模型首次同时模拟光线作为“射线”在纱线表面反射，以及作为“波”在纤维间隙衍射与穿透的物理过程。该方法兼顾了渲染效率（射线光学）与逼真细节（波动光学），能精确再现丝绸、缎纹等织物特有的光泽、透感与细微闪烁。研究历时二十余年，从基础纤维结构建模演进而来，未来结合生成式AI，有望为动画、游戏及定制纺织业带来高质量、高效率的渲染方案。

  • 类脑计算芯片首次高效求解偏微分方程，有望革新科学模拟

    来源：《自然·机器智能》

    桑迪亚国家实验室团队开发出一种新型算法，首次使类脑（神经形态）计算硬件能够高效求解偏微分方程（PDEs）——这类方程是流体力学、电磁场等物理现象模拟的数学基础。研究表明，类脑计算机不仅可处理传统上由超级计算机完成的复杂数学问题，且能大幅降低能耗。该突破为建造全球首台神经形态超级计算机铺平了道路，有望在保障计算性能的同时，为国家安全应用及大规模科学模拟带来革命性的能效提升。

  • 深度学习模型实现果蝇胚胎细胞动态分钟级精准预测

    来源：《自然·方法》

    研究团队开发出一种深度学习模型，通过“双图”结构同时将胚胎表示为移动点与气泡，以捕捉细胞位置、接触及折叠分裂等几何动态。在果蝇胚胎原肠胚形成阶段（约1小时）的高分辨率视频数据训练后，该模型能以约90%的准确率，分钟级预测超5000个细胞的折叠、移位与重组过程。该技术有望扩展至斑马鱼、小鼠等更复杂生物，并用于揭示哮喘、癌症等疾病的早期组织发育异常模式，为发育生物学与疾病诊断提供新工具。

  • MIT开发AI模型VideoCAD，通过模拟人类点击操作实现草图自动3D建模

    来源：NeurIPS 2025 / arXiv预印本

    MIT团队开发出新型AI模型VideoCAD，能够像人类工程师一样操作CAD软件，将2D草图自动转换为3D模型。该模型基于包含41,000段CAD操作视频的新数据集训练，学习并模拟人类在建模过程中的具体点击、拖拽和菜单选择等界面操作。研究旨在打造“CAD协同助手”，不仅可自动完成重复性建模步骤，还能为新手提供操作引导，显著降低CAD学习与使用门槛。该技术有望提升工程师效率，并让缺乏专业训练的用户更便捷地进行3D设计。

  • 蒂宾根大学开发新型大脑模拟软件Jaxley实现突破

    来源：《自然-方法》

    蒂宾根大学研究团队开发出新型大脑模拟软件Jaxley，首次实现了在保持生物真实性的同时完成复杂认知任务。该软件通过“误差反向传播”方法，训练大脑模型中数百个无法直接测量的神经参数（如神经元大小、连接强度等），使模拟不仅能详细复现大脑内部过程，还能成功进行图像分类和记忆存取等任务。这一突破为神经科学研究提供了强大工具，有助于深入理解大脑工作机制，未来还可应用于神经系统疾病研究和药物效果预测。

  • 深度学习新模型显著提升路边空气污染物预测精度

    来源：《环境建模与软件》

    研究团队开发了一种新型动态共享与任务特定多头注意力双向长短期记忆模型（DSTMA-BLSTM），有效提升了路边空气污染物预测的准确性与可解释性。该模型通过共享注意力层提取污染物间共同时序模式，并利用任务特定注意力头捕捉各污染物的独特响应特征，在复杂交通-气象耦合条件下表现出优越性能。实际监测数据验证表明，其对主要污染物的预测R²值超过0.94，较传统LSTM模型误差降低约30%。