科学摘要

标签： AI

  • AI成功优化量子场论的晶格模拟方法

    来源：《物理评论快报》

    维也纳理工大学等团队利用专门设计的神经网络，成功解决了量子场论在计算机晶格模拟中的长期难题：从数十万参数中自动寻找最优离散化方案，使其满足固定点方程，从而确保理论性质在粗细晶格下保持一致。该方法显著降低了模拟误差与计算负担，为粒子物理及宇宙早期物质行为等复杂问题的精确模拟开辟了新途径。

  • “异种学习”AI实现动物医学影像向人类的跨物种迁移

    来源：《自然·生物医学工程》

    德国癌症研究中心团队开发出“异种学习”方法，使AI能利用动物（猪、大鼠）高光谱影像数据中标注的病理变化模式，将其知识迁移至人类组织分析。该方法克服了物种间绝对组织特征的差异，无需依赖人类标注数据，即可识别血液循环障碍等病理状态，有望推动术中光谱成像技术更安全、精准地应用于临床。

  • AI模型成功设计可调控基因活性的合成DNA元件

    来源：《自然·遗传学》

    布罗德研究所团队基于扩散模型开发出AI工具DNA-Diffusion，能生成具有细胞类型特异性的合成顺式调控元件（CREs）。实验证实，该模型生成的序列在白血病细胞系中成功激活了抗癌基因AXIN2，其活性优于天然序列且具有细胞选择性。该技术有望与现有基因疗法结合，实现更精准的疾病治疗。

  • OpenAI将测试ChatGPT广告，以应对高昂运营成本

    来源： AFP

    OpenAI宣布将在未来几周内为免费及低付费用户测试广告，主要在美国推出。公司强调广告不会影响ChatGPT的回答，对话内容对广告商保密，且不会以延长用户使用时间为优化目标。面对谷歌等对手的竞争，这一举措旨在通过广告收入覆盖激增的AI服务成本，维持其在生成式AI领域的竞争力。

  • AI提升科学家个人产出，却导致整体科学研究范围收缩

    来源：《自然》（Nature）

    芝加哥大学团队分析4130万篇论文发现，使用AI的科学家论文产量增加3.02倍、引用量提升4.85倍、更早成为研究领袖，但整体科学界的研究主题范围却收缩了4.63%，学者间的互动减少22%。原因是AI驱动研究向数据密集领域集中，形成“孤独的拥挤”——热门主题吸引大量重叠研究，却减少了跨领域探索与合作。这可能导致方法单一化和科学范式过早固化。研究者呼吁政策干预，激励在数据贫乏领域开展研究，并开发能扩展感知与实验能力（而非仅优化现有数据分析）的AI系统，以促进可持续的科学创新。

  • 研究揭示用户更愿服从机械感AI，而非人性化AI

    来源： 佐治亚理工学院

    佐治亚理工学院研究发现，尽管用户更喜欢人性化、友善的AI聊天机器人，但在需要听从建议或遵守指令时，他们实际上更倾向于服从听起来“机械感”更强的AI。这一现象源于“自动化偏见”，即人们潜意识认为机器更客观可靠。研究提示，在设计涉及安全的AI系统（如自动驾驶）时，不应盲目追求拟人化，可靠性与合规性更为关键。

  • 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。

  • 中国团队推出超高速AI药物发现框架DrugCLIP

    来源：《科学》

    中国清华大学团队开发出新型AI药物发现框架DrugCLIP，其筛选速度较传统虚拟筛选方法提升千万倍。该系统通过双神经网络将蛋白质口袋与药物分子转化为数学向量，仅需计算向量间距离即可快速匹配。研究人员结合AlphaFold 2预测的约1万个人类蛋白质结构，利用自研工具GenPack优化结合位点精度，在一天内完成了500亿个分子与1万个靶点的10万亿次筛选，并成功为癌症与自闭症相关蛋白TRIP12找到潜在配体。该框架及蛋白数据库已开源，为全球药物研发提供新引擎。

  • 研究揭示财务决策中伴侣信任度高于AI

    来源：《计算机在人类行为中的应用》

    德美联合研究通过四项实验发现，人们在财务决策中更倾向于信任伴侣而非AI机器人顾问。尽管AI在投资建议上可能更精确，但伴侣因“情感信任”与“算法厌恶”心理而获更高信赖。研究表明，为AI添加拟人化特征（如命名）或设计成辅助工具（如“伴侣使用AI给出建议”）能有效缩小信任差距。这提示金融机构在推广智能投顾时，应注重人机协作设计，以增强用户对技术的接纳度。

  • AI模型通过社交媒体帖文预测失业数据，较官方发布提前两周

    来源：《PNAS Nexus》

    研究者团队发表研究，基于2020-2022年间3150万推特用户数据，开发出名为JoblessBERT的AI模型。该模型能够有效识别包含俚语或拼写错误的失业相关帖文，经人口统计调整后，可提前约两周预测美国全国、州及城市层面的失业救济申请数据。相较于传统规则方法，其捕捉的失业披露数量增加近三倍，预测误差较行业共识降低54.3%。该方法在新冠疫情期间成功提前数日监测到失业申请激增，展示了社交媒体数据与AI结合可为经济政策提供实时洞察。