科学摘要

分类： AI

  • AI成功设计人工蛋白，实现皮质醇生物传感器突破

    来源： Nature Communications

    韩国科学技术院李圭列教授与David Baker教授合作，利用AI从零设计出能选择性识别特定化合物的人工蛋白，并开发出皮质醇生物传感器。该技术突破传统天然蛋白改造局限，可应用于疾病诊断、新药研发和环境监测，相关设计已申请美国临时专利。

  •  AI工具DefensePredictor快速发现数千种细菌抗病毒蛋白

    来源： Science

    MIT团队开发AI系统DefensePredictor，通过分析蛋白特征，在数千个细菌基因组中快速识别防御蛋白。测试显示，其在E. coli中预测的防御系统中近45%能有效抵抗噬菌体感染，并发现大量此前未知的免疫系统。该工具将数月的实验室工作缩短至数分钟，已向全球科研界开放。

  • 受魔方启发，物理学家用AI简化粒子物理复杂方程

    来源： arXiv（预印本）

    罗格斯大学物理学家David Shih受魔方还原逻辑启发，开发出一种AI方法，可将粒子物理学中极其冗长的方程简化。该方法将方程简化视为“打乱与还原”过程，简化率接近完美，远超此前基于机器学习的方法。研究全程与AI系统Claude协作完成，展示了AI辅助科研的新范式。

  • AI医疗聊天机器人实际辅助决策效果不佳

    来源：《The Conversation》

    研究发现，公众使用AI聊天机器人处理常见健康问题后，正确判断病情与就诊场所的能力并未提升，甚至低于未使用者。尽管模型本身具备医学知识，但人机沟通失败（信息遗漏、误解）导致效果下降。研究指出，AI更适合整理信息等辅助性工作，尚不能胜任诊断或导诊，临床判断仍需人类医生。

  •  AI分析文献图谱可预测未来研究热点

    来源： Nature Machine Intelligence

    研究结合大语言模型与机器学习，分析材料科学论文中的关键词共现关系，构建概念图谱并预测未来两三年内可能升温的研究组合（如“钙钛矿”与“太阳能电池”）。专家访谈证实部分AI建议具有创新性。该工具旨在辅助而非取代研究者，为跨学科合作和选题提供数据支持。

  • AI模型可凭单次血样检测多种神经退行性疾病

    来源：Nature Medicine

    瑞典隆德大学团队基于全球最大的神经疾病蛋白质数据库，开发出可同时诊断阿尔茨海默病、帕金森病等五种痴呆相关疾病的AI模型。该模型通过联合学习识别蛋白质模式，预测认知衰退能力优于临床诊断，为未来单次血检实现多病共诊奠定基础。

  • AI框架发现新型碳同素异形体，兼具超硬与奇异特性

    来源：Applied Physics Letters

    中国研究人员结合大语言模型CrystaLLM与物理验证框架，通过混合熵引导搜索，发现了多种新型稳定碳同素异形体。其中包含硬度超过金刚石的超硬相、负泊松比金属相及窄带隙半导体相。该方法大幅提升了新材料发现效率，可拓展至其他元素体系的功能材料设计。

  • AI 辅助发现铜基催化剂通用设计原则

    来源： Angewandte Chemie International Edition

    由多机构组成的团队利用 AI 系统 Catalysis AI Agent 和大型实验数据库 DigCat，发现了铜基单原子合金催化剂的通用设计原则。该 AI 通过分析数据揭示催化机制，帮助研究者建立结构与活性关系，实现了从经验试错向 AI 加速、理论指导的材料发现范式转变。

  • AI写作助手“悄悄”改变用户观点，预警无效

    来源：Science Advances

    康奈尔理工通过涉及2500多人的实验发现，使用带有偏见的AI写作助手（如自动补全建议）后，用户对社会议题（如死刑、水力压裂）的观点会不自觉地向AI的立场偏移。即使提前警告用户AI存在偏见，也无法阻止这种态度改变。研究表明，AI不仅影响表达方式，还可能通过诱导写作内容，在用户无意识中重塑其观点，对舆论和社会认知构成潜在风险。

  • AI聊天机器人正在“标准化”人类思维，威胁认知多样性

    来源：Trends in Cognitive Sciences

    南加州大学等研究指出，随着数十亿人使用相同的AI聊天机器人，人类的语言风格、思维方式和观点正在被“同质化”。研究表明，LLM输出内容趋于单一，偏向西方主流价值观的线性推理模式，导致集体创造力下降、个体表达趋同。研究者警告，这种隐性标准化可能削弱人类适应能力和集体智慧，呼吁AI开发者在训练数据中融入更广泛的人类多样性。