Четыре свежие работы с arXiv показывают трезвую картину ИИ для науки: биологические рассуждающие модели могут опираться на текст вместо данных, белковые модели лучше предсказывают стабильность мутаций, онтологии дают проверяемые научные тесты, а агенты для материаловедения получают более реалистичный экзамен.
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.
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.
Четыре свежие работы показывают, как ИИ всё плотнее входит в науку: от большого теста для полимеров и физически ограниченной модели спекания керамики до аккуратной проверки микроскопии стали и отбора полезных математических теорем.
Шесть свежих работ показывают, как ИИ помогает в науке: искать катализаторы для электролиза, предсказывать осложнения во время операций и лучевой терапии, связывать производство мемристоров с поведением устройств, находить пьезоэлектрики и стабилизировать физические численные модели.
В свежей группе работ по ИИ для науки выделяется BrainVLM: модель объединяет МРТ, демографические данные и тексты радиологов для диагностики 12 типов опухолей мозга. Рядом — формальные доказательства в математике, оценка ИИ-репетиторов и новые инструменты для медицинских обзоров и физики.
Новая группа работ с arXiv показывает, как ИИ входит в реальную научную практику: от управления лабораторными измерениями и медицинской оценки до моделирования материалов, воды и солнечного ветра.
В исследовании npj Digital Medicine 249 врачей из Индонезии, Кении и Нидерландов работали с клиническими заданиями с доступом к GPT-4o или без него. Результат важен тем, что разговор о медицинских языковых моделях переводится от отдельных историй к контролируемому эксперименту, хотя реальные риски в клинике ещё не проверялись.
Свежие работы с arXiv показывают, как ИИ переходит от красивых демонстраций к научным инструментам: проектирует белковые связки, помогает редким диагнозам, проверяет неопределённость обратных задач и ускоряет поиск материалов.
