MI-PEFT: более точная классификация белков, работающих в кислой среде

Авторы предлагают MI-PEFT — способ донастройки белковой языковой модели ESM C-600M для поиска ацидофильных белков, то есть белков, которые сохраняют свойства в кислой среде. Это важно для кислото-устойчивых ферментов и промышленного биокатализа, где лабораторный отбор дорогой и медленный.

Техническая идея сочетает экономную донастройку в духе LoRA и классификатор с несколькими экспертными ветками. В обычных словах: модель стараются не переучивать целиком, а аккуратно направить её уже накопленное знание о белковых последовательностях, чтобы лучше справляться с редкими классами и сильным перекосом данных.

Physical Law Ecology: сначала карта механизмов, потом формула

Эта работа спорит с привычной постановкой задачи, где ИИ ищет одну красивую формулу для всей физической системы. Авторы предлагают сначала понять, сколько разных механизмов одновременно действует в системе, и уже потом строить карту областей, где каждый механизм доминирует.

Подход проверили на механике эластомеров, кипении, галактической динамике и испарении капель. По описанию, прогноз с несколькими взвешенными законами снижал ошибку на 67–72% по сравнению с одной универсальной формулой и при этом оставался интерпретируемым. Для научного ИИ это сильный сигнал: иногда открытие начинается не с ответа, а с правильного разбиения задачи.

Медицинские языковые модели оценивают всё позже, чем меняются сами модели

Метаисследование показывает неприятный разрыв между скоростью развития медицинских языковых моделей и строгостью их клинической проверки. Авторы изучили 11 628 записей PubMed с 2023 года до середины 2026 года и нашли, что только 2,5% работ использовали рандомизированный, контролируемый или перспективный дизайн.

Самый тревожный результат — задержка оценки выросла с 1,33 до 6,08 квартала. При этом 62% рандомизированных испытаний проверяли уже снятую с разработки семью моделей. Практический вывод простой: клиническому ИИ нужны схемы проверки, которые не устаревают ещё до окончания исследования.

DINO-Med адаптирует признаки обычных изображений к снимкам печени

DINO-Med пытается использовать признаки, выученные на обычных изображениях, для мультимодального анализа медицинских снимков. Система объединяет регистрацию изображений, автоматическую локализацию, выделение фрагментов по маскам и сбор результата на уровне пациента.

На 360 участниках из набора CARE 2025 Liver Track 4 версия на базе DINOv3 обошла радиомические признаки, ResNet и SAM-Med2D: точность составила 78,4% для лёгкого фиброза и 75,8% для стадии цирроза. Это не замена врачу, но полезный пример того, как базовые зрительные модели можно осторожно переносить в узкую медицинскую задачу.

LogiMed-RoB показывает, как маленькие ошибки логики ломают итоговую медицинскую оценку

LogiMed-RoB проверяет, умеют ли большие языковые модели следовать экспертной логике Cochrane при оценке риска предвзятости в рандомизированных испытаниях. Набор включает 860 испытаний и 14 820 запросов.

Главная цифра хорошо отрезвляет: лучшая модель показывает 98,88% согласованности на отдельных простых шагах, но только 45,13% на полной цепочке рассуждений. В медицине это особенно важно, потому что правильные фрагменты ответа ещё не гарантируют правильный итог, если модель плохо собирает доказательства в строгую иерархию.

Моделирование HfO2 показывает, что границы фаз можно использовать как переменную проектирования

В работе по диоксиду гафния HfO2 машинно-обученные атомистические расчёты помогают понять, как границы между фазами управляют устойчивостью полиморфов и путями превращения. Это важно для материалов, где свойства зависят не только от состава, но и от того, как именно встречаются разные фазы внутри структуры.

Авторы сообщают, что смесь фаз M/T удерживалась в расчётах 3 наносекунды при температурах от 300 до 1800 K, а один путь превращения через границу имел барьер на 29,2% ниже. Для материаловедения вывод практичный: ориентация границы фаз становится не побочным эффектом, а ручкой, которой можно проектировать метастабильные состояния.