Пять свежих работ с arXiv показывают, как научные агенты переходят от демонстраций к проверяемым задачам: воспроизводят эксперименты по статьям, ищут признаки в моделях, прогнозируют иммунные реакции и улучшают оценку безопасности лекарств.
В свежей научной подборке об ИИ для науки сразу четыре заметных направления: более надежный вывод для медицинских систем, попытка научить ИИ предлагать сильные математические гипотезы, более честная оценка кандидатов для разработки лекарств и генеративное проектирование пористых материалов под нужные свойства.
В новой подборке по науке с ИИ — система для генерации более пригодных к разработке молекул, более честная проверка моделей для новых материалов, рабочее место для математиков с участием ИИ, агентный поиск уравнений для биологии и тест MedFailBench, который проверяет не просто правильность ответа, а тип клинической ошибки.
В этой подборке пять свежих научных работ, где ИИ двигает не общие обещания, а очень конкретные исследовательские задачи: от выбора пригодных участков на белке для будущего лекарства до прогноза клеточного ответа на вмешательство в ген и поиска новых материалов с необычными электронными свойствами. Общая линия у всех работ одна: ИИ всё чаще помогает не просто считать быстрее, а отсеивать биологически и физически бесполезные направления ещё до дорогой лабораторной проверки.
Cellbyte делает ИИ-помощников для команд, которые выводят новые лекарства на рынок. Проект интересен тем, что берётся за дорогую и узкую задачу, где нужно быстро сводить клинические, регуляторные и ценовые данные, а заметности у него пока мало.
