В новой подборке ИИ для науки — спор о пользе многоагентных дебатов для рецензирования, попытка сделать белковые модели понятнее, усиление молекулярной оптимизации через самоулучшающееся рассуждение и более реалистичный расчёт кинетики связывания лекарств.
Шесть свежих работ по AI в науке показывают общий сдвиг от красивых обещаний к более жёсткой проверке: где модели действительно ускоряют биологию и белковый дизайн, а где они пока заметно слабы — например, в строгой математической верификации и в реальном планировании химического синтеза. Это полезная подборка именно потому, что в ней есть не только прорывы, но и трезвые ограничения.
В новом наборе научных работ ИИ всё заметнее уходит от роли «говорящей модели» к роли инструмента, который считает, проверяет, ищет литературу, помогает ставить эксперименты и собирает данные для биологии, медицины и материаловедения.
В свежем AI-for-science цикле выделяются три сильные работы: LLM-система Affinage для аннотирования функций генов по первичным публикациям, объяснимый подход к прогнозу ответа рака на лекарства и мультимодальная модель для холодного старта в предсказании белок-белковых взаимодействий.
Immunai ищет исследователя агентного ИИ в Рамат-Гане: работа на стыке больших языковых моделей, биологических данных и прикладной науки. Это редкая вакансия для тех, кто хочет строить не просто очередного корпоративного помощника, а агентные системы для интерпретации иммунологических данных и научной литературы.
В этой подборке — пять свежих работ о том, как ИИ помогает биологии и медицине: от извлечения иммунных маркеров из стандартных снимков тканей до виртуальных клеток, проектирования пептидов и более трезвой оценки того, когда структура белка действительно полезнее одной только последовательности. Общая тема одна: поле движется от красивых обещаний к более проверяемым и прикладным решениям.
Nature Biomedical Engineering описывает систему BioMedAgent, которая не просто отвечает на вопросы, а сама собирает и выполняет цепочки биоинформатических инструментов по текстовому запросу. На новом наборе из 327 биомедицинских задач система показала 77% успешных выполнений.
