科学摘要

分类： AI

  • 调查显示：超80%大学生用AI辅助学习，而非作弊

    来源：The Conversation

    美国明德学院一项调查发现，超过80%的学生将生成式AI用于课业，远高于全美成年人40%的使用率。研究显示，61%的学生主要用AI增强学习（如概念解释、总结资料），仅42%用于自动化任务（如写论文）。全球130所大学数据印证了这一趋势。实际使用日志与调查结果一致，表明AI更多作为”按需导师”而非作弊工具。研究者建议高校应制定差异化政策，而非全面禁止。当前亟需研究AI对不同学生的学习效果影响。

  • 人工智能成功预测核聚变实验结果

    来源：《科学》

    人工智能助力核聚变研究取得新突破。美国国家点火装置(NIF)的科学家利用机器学习模型，成功预测出核聚变实验结果。该AI系统通过分析2021-2022年实验数据，能在数天内完成传统方法需数月的复杂物理过程模拟，准确预测出下一次实验74%的成功概率并获得验证。这项研究为可控核聚变及其他复杂系统的预测建模提供了新范式。

  • 西北大学开发兆级材料库技术，快速发现铱替代催化剂推动绿氢生产

    来源：Journal of the American Chemical Society

    西北大学研究团队利用其首创的“兆级材料库”技术（单个芯片包含数百万纳米粒子），仅用半天时间就从钌、钴、锰、铬四种廉价金属组合中筛选出新型催化剂（Ru₅₂Co₃₃Mn₉Cr₆氧化物），其析氧反应性能媲美甚至优于贵金属铱，成本仅为铱的1/16，且稳定性优异（1000小时高效运行）。该突破不仅为绿氢规模化生产提供可行方案，更证明了兆级材料库结合人工智能可颠覆传统材料研发模式，加速能源、电池等多领域新材料发现。

  • 人工智能助力量子计算机“大脑”构建

    来源：《物理评论快报》

    中国科学院团队利用人工智能模型，成功计算出快速组装“中性原子阵列”的最佳方案。该原子阵列有望成为未来量子计算机的核心“大脑”。研究指出，量子计算面临的关键挑战是如何高效、快速且可扩展地重组原子阵列，而人工智能迅速解决了这一难题。

  • 谷歌首度披露Gemini大模型单次查询能耗数据

    来源：谷歌

    谷歌发布技术报告，首次透明披露Gemini大模型单次文字查询平均能耗为0.24瓦时（相当于微波炉运行1秒），碳排放当量为0.03克。此为大型AI企业首次公开详细能耗数据，被研究人员誉为行业透明度突破。

  • 全球首届全AI作者学术会议即将举办

    来源：《自然》

    计算机科学领域将迎来首个完全由人工智能生成论文和评审的学术会议“Agents4Science”。组织者表示，该会议旨在构建一个实验性平台，探索不同论文提交与评审模式的可行性。AI伦理专家指出，这一创举促使学界更深入审视AI系统的优势与局限，推动对AI应用边界的理解。

  • 蜜蜂飞行运动优化视觉学习机制，助力新一代AI发展

    来源：《eLife》

    谢菲尔德大学研究发现，蜜蜂通过飞行运动（如扫描花朵特定区域）主动塑造视觉输入，其大脑神经网络利用运动产生的电信号高效识别复杂图案（包括人脸）。研究团队构建的数字模型显示，这种“主动视觉”机制仅需少量神经元即可完成高级认知任务，揭示了智能源于大脑、身体与环境互动的原理。该成果为新一代AI与机器人设计提供了新范式，强调通过运动获取信息而非依赖庞大算力，可推动更高效自主系统的开发。

  • 韩研究团队突破材料研发瓶颈，物理信息机器学习实现小数据精准预测

    来源： 《应用力学与工程中的计算机方法》

    研究团队提出物理信息机器学习新方法，将物理定律直接嵌入AI学习过程，成功解决了新材料研发中数据稀缺的瓶颈。该技术仅需单次实验的有限数据，即可准确推断超弹性材料的变形特性，或热电材料的热导率与塞贝克系数。更突破性的是，经20种材料训练的物理信息神经算子模型，能直接泛化至60种未知材料并保持高精度预测，为大规模、高通量材料筛选提供了全新解决方案，将显著加速多领域工程材料的开发与验证效率。

  • 研究揭示大语言模型重大安全漏洞，仅需数百份恶意文档即可植入后门

    来源： arXiv预印本服务器

    研究发现，大语言模型比想象中更易受“数据投毒”攻击。仅需250份恶意文档，就能在参数量高达130亿的大型模型中成功植入后门（一种隐藏的恶意触发机制）。关键在于，攻击所需的有毒数据量并不随模型规模增大而增加，即使加入海量干净数据也无法稀释毒性。这表明，单纯扩大模型规模无法提升安全性，研究呼吁AI界必须优先开发更强大的防御机制，而非一味追求模型体量。

  • 哈佛医学院研发AI诊断系统Dr. CaBot，可模拟专家临床思维

    来源：《新英格兰医学杂志》

    哈佛医学院团队开发的人工智能系统Dr. CaBot，能够模拟专家医师对复杂病例进行鉴别诊断并详细解释推理过程。该系统基于OpenAI o3模型构建，具备检索数百万临床文献、生成带参考文献的书面报告及制作拟真视频演示的能力。在《新英格兰医学杂志》首次刊发的AI诊断案例中，Dr. CaBot与人类专家得出了可比诊断结果。目前该系统主要应用于医学教育，未来或发展为临床决策辅助工具。