科学摘要

标签： AI

  • 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。

  • AI筛选药物组合有望治疗高危神经母细胞瘤

    来源：《EMBO分子医学》

    瑞典隆德大学研究团队利用机器学习，通过分析基因数据和现有药物作用机制，发现降胆固醇的他汀类药物与止吐的吩噻嗪类药物联用，对高危神经母细胞瘤具有显著协同治疗效果。该组合通过双重途径降低肿瘤细胞胆固醇水平，抑制肿瘤生长并提高化疗敏感性。动物实验显示该疗法能延缓肿瘤进展、提高存活率，为治疗这种难治性儿童癌症提供了新策略。

  • 研究揭示AI高估人类理性，在策略游戏中易“过度聪明”

    来源：《经济行为与组织杂志》

    研究通过“选美比赛”游戏（0-100选数实验）测试了ChatGPT、Claude等主流AI模型。结果显示，AI能根据对手身份（如大一新生或学术会议参与者）调整策略，但其普遍高估了人类的理性程度，常因预设对手逻辑过强而选择偏离实际的最优数字，导致失败。这表明AI在模拟人类决策时仍存在“过度理性”偏差，未来需优化其对人性的理解，以在经济决策等场景中更贴近真实人类行为。

  • AI助力核物理，时隔25年发现新型双Λ超核

    来源： 《自然·通讯》

    研究团队利用深度学习技术，分析了J-PARC E07实验中尚未开发的大量核乳胶数据，成功识别出新型双Λ超核（硼-13）。这是全球首次通过AI辅助发现的含双奇异夸克原子核，也是25年来第二次明确观测到双Λ超核。该方法仅分析了0.2%的数据即获突破，估算全数据中可能隐藏超2000个类似事件，为探究核力本质与中子星内部物质提供了关键线索。

  • 研究揭示AI助力科学论文数量激增，语言门槛降低

    来源：《科学》

    研究分析了近210万篇预印本论文发现，使用大语言模型的研究者论文产出显著增加，其中非英语国家学者产量提升最高达89%，AI协助还使论文语言更复杂、引用更广。然而，语言复杂化可能与研究质量呈负相关，可能掩盖薄弱论点。研究者呼吁建立更严格的审核机制，防止AI对科学质量评估体系产生负面影响。

  • 杜克大学新AI框架揭示复杂系统底层规律

    来源：《npj·复杂性》

    杜克大学研究团队开发了一种新型人工智能框架，能够像科学家推导物理定律一样，从复杂系统的时序数据中发现简单、可解释的规则。该框架基于库普曼理论，利用深度学习与物理约束，从数百甚至数千个变量中提取出少数核心隐藏变量，从而构建出紧凑的线性模型，既能准确预测系统长期行为，又能识别系统趋于稳定的状态。该方法已成功应用于气候模型、电路及神经活动等多个领域，有望成为连接AI与人类科学发现的桥梁。

  • AI新框架CatDRX加速催化剂智能设计

    来源：《通讯·化学》

    日本东京科学大学团队开发了一种生成式人工智能框架CatDRX。该模型能通过学习大型化学反应数据集，结合反应物、产物等具体反应条件，来预测催化剂性能并设计全新的催化剂结构。研究团队在多个真实反应案例中验证了其有效性，证明了CatDRX能够大幅缩短传统催化剂研发所需的时间与实验成本，为可持续化学和工业生产提供了高效的智能设计新路径。

  • AI助力量子磁体模型突破，解决数十年物理难题

    来源：《物理评论B》

    研究团队利用OpenAI的推理模型“o3-mini-high”，首次成功求解了长期未解的一维受阻Potts模型。该模型描述具有多取向电子自旋的量子磁体系统，其复杂性曾使传统数学方法难以处理。AI在一天内解决了三自旋取向的特定情况，帮助研究者识别规律并最终推导出适用于无限自旋取向的普适解析解。这一突破不仅揭示了新型物态相图，还通过精确映射发现了几何阻挫与外磁场诱导阻挫的深层关联，为设计新型量子材料与探索高温超导等强关联电子系统提供了新路径。