Математические модели учат не имитировать доказательство, а искать его

Работа о автоматическом доказательстве теорем показывает важный сдвиг: языковая модель в математике часто используется не как автор одного идеального продолжения, а как участник поиска по дереву попыток. Авторы предлагают обучать генератор с учётом бюджета поиска, возвратов и состояний, которые не лежат на правильной траектории. Это важно потому, что прогресс в AI-математике может прийти не от более красивого текста, а от обучения под реальный процесс проб и ошибок.

MT-ProtBERT помогает классифицировать неупорядоченные белки при малом числе данных

Неупорядоченные белки сложно описывать: у них нет устойчивой трёхмерной формы, а сходная функция не всегда означает похожую последовательность. MT-ProtBERT расширяет ProtBERT многоцелевым обучением и дополнительными биохимическими задачами, чтобы лучше работать в режиме дефицита данных. Практический смысл — направлять дорогие эксперименты по белкам, связанным с регуляцией, эволюцией и болезнями, в более перспективные места.

Снимки груди после первого цикла терапии могут раньше показать ответ опухоли

Авторы предлагают схему глубокого обучения для прогноза полного патологического ответа при лечении рака груди. Модель использует диффузионную магнитно-резонансную томографию до лечения и после первого цикла химиотерапии, без контрастного вещества и без ручного набора признаков. Если заявленное качество подтвердится, врач может получить полезный сигнал намного раньше: кому лечение, вероятно, помогает, а кому стоит быстрее менять план.

LabAgent превращает лабораторные методики в проверяемые навыки

LabAgent описан как система для воспроизведения и открытия результатов, где лабораторные процедуры сохраняются как исполняемые навыки с проверками и исправлениями. Авторы применяют подход к свойствам лекарств, биомедицинским вопросам, прогнозу эффектов вариантов и статистической генетике. Важность здесь организационная: многие научные AI-проекты ломаются не из-за идеи, а из-за невоспроизводимых цепочек действий.

GenVoid восстанавливает скрытые дефекты материала по поверхности

GenVoid ищет внутренние пустоты в двух- и трёхмерных телах по поверхностным измерениям смещений. Вместо одного уверенного ответа метод выдаёт вероятностную картину дефекта и учитывает шум в измерениях. Для авиации, аддитивного производства и энергетики это важно: контроль качества может стать менее разрушительным и честнее показывать неопределённость риска.

OMatG-flash ускоряет генерацию неорганических материалов

OMatG-flash — модель для предсказания и генерации кристаллических структур. Авторы утверждают, что она предлагает кандидаты за намного меньшее число шагов и за меньшее реальное время, сохраняя качество на уровне сильных генеративных подходов. Это важно для материаловедения, где узкое место часто не только в точности, но и в стоимости перебора тысяч кандидатов.

UFO-MGen генерирует кристаллы через симметрийные представления

UFO-MGen явно использует признаки позиций Вайкова — способ описывать симметрию атомных положений в кристалле. За счёт этого модель должна чаще попадать не просто в правдоподобные, а в химически осмысленные и потенциально стабильные структуры. Если внешняя проверка подтвердит результат, это шаг к генераторам материалов, которые лучше понимают ограничения кристаллической химии.

Научные агенты независимо пришли к одному фронтиру материалов

Исследователи дали 16 независимым запускам агента одну и ту же базу металлоорганических каркасов, цель по хранению метана и недельный бюджет. Стратегии различались: одни проверяли сотни структур, другие тысячи, часть запусков даже сгенерировала новые гипотетические структуры. Интересный результат в устойчивости вывода: почти все запуски сошлись к одному фронтиру около 200 см³/см³, а девять лучших структур независимого расчёта появились в отчётах агентов.

Общий вывод: AI в науке постепенно смещается от «модель выдала ответ» к системам, которые учитывают поиск, неопределённость, воспроизводимость и стоимость эксперимента. Это менее эффектно, чем один громкий результат, но ближе к тому, как реально делается наука.