Пять свежих работ показывают, где ИИ для науки уже полезен, а где пока опасно доверять красивым результатам: от почти бесплатного улучшения белковых моделей до ошибок в автономных лабораторных циклах и проверки тканевых анализов.
В свежем научном дайджесте — шесть работ о том, как ИИ меняет исследовательскую практику: от самоорганизующихся исследовательских роёв и формального описания лабораторий до раннего скрининга болезней почек, проектирования белков, лекарственных молекул и автономной микроскопии.
Свежая подборка по AI Science: Albilich решает исследовательские математические задачи с опорой на символьную алгебру и поиск литературы, PlantBGC ускоряет поиск растительных биосинтетических кластеров, Chem World задаёт более строгую проверку моделей для химии, а новая работа по автономным лабораториям бьёт в главное узкое место — дорогую экспериментальную проверку.
В свежей научной подборке сразу четыре сигнала о том, куда движется ИИ в науке: более точные правила вывода для медицинских моделей, более экономное управление автономными лабораториями, поворот к термодинамике в поиске энергетических материалов и попытка проектировать белковые связующие, устойчивые к смене биологического контекста.
В сегодняшней подборке по AI-науке четыре заметные работы: система DiscoPER для автономного поиска закономерностей без заранее заданного вопроса, планировщик для реально работающих автономных лабораторий, управляемая экосистема клинических AI-навыков для медицины и Proteo-R1 для более прозрачного проектирования белков. Общая линия у всех работ одна: исследователи двигаются от красивых одноразовых демонстраций к длинным, управляемым и проверяемым циклам научной работы.
