Десять свежих работ arXiv показывают, как ИИ входит в химию, биологию и медицину: от обратного синтеза молекул и эволюции белков до проверки нейроинтерфейсов и выбора подсказок для клинической диагностики.
Восемь свежих работ arXiv показывают, как ИИ для науки взрослеет: от функционалов для квантовой химии и поиска доменных стенок до синтеза ДНК и планирования нейроэкспериментов. Главная линия — меньше красивых опытов отдельно от лаборатории, больше встраивания в настоящие расчёты, материалы и измерения.
Пять свежих работ показывают, как ИИ и смежные методы ускоряют науку не только через новые модели, но и через более быстрый анализ биомедицинских данных, поиск материалов, управление самосборкой, формализацию геометрии и совместное математическое доказательство.
Шесть свежих работ о том, как ИИ меняет науку на практике: от поиска лекарств против малярии и диагностики через сбор доказательств до биологического дообучения моделей, отбора белковых кандидатов и проектирования физических объектов под жёсткие инженерные ограничения. Во всех случаях главный сдвиг один: важнее не громкость модели, а то, насколько она встроена в реальный научный цикл проверки.
Новая работа показывает более зрелый сценарий ИИ в разработке лекарств: система не остановилась на виртуальном отборе молекул, а довела поиск до проверки мишени PIK3CA в ткани опухоли и дополнительных биологических экспериментов. Это важно как пример связки вычислительного отбора с реальной лабораторной проверкой, а не только с красивым списком кандидатов на экране.
В Scientific Reports описали лёгкого генеративного ИИ-помощника для раннего поиска лекарств, рассчитанного на ограниченные вычислительные ресурсы. Это важный сигнал для небольших исследовательских групп, которым обычно недоступна тяжёлая инфраструктура.
Сразу шесть свежих работ показывают, куда AI уже реально толкает науку: от новых математических результатов и поиска уязвимостей рака до более надёжного подбора лекарственных молекул, проверки биологических базовых моделей и фильтрации материалов-кандидатов по законам химии. Общая тема у этих работ одна: исследователи всё чаще пытаются не просто получить красивый ответ от модели, а встроить её в проверяемый научный цикл, где важны доверие, воспроизводимость и границы применимости.
В сегодняшней научной подборке три разных сигнала того, как ИИ входит в исследовательскую практику: от узкого математического результата, где агентная система помогла найти важный критерий для доказательства, до причинного анализа радиационного ответа клеток и нового способа выделять скрытые подтипы рака молочной железы по форме геномных данных.
Три свежие работы показывают, где ИИ уже помогает науке, а где ему пока нельзя доверять без жёсткой проверки: от критериев надёжности для физики до нового набора задач для оценки научного мышления и реального геномного исследования гипертонии на данных 286 тысяч человек.
