Новая серия работ с arXiv показывает, где ИИ уже помогает науке практически: быстрее подбирать эксперименты для переработки магнитов, проверять аграрные изображения, улучшать прогнозы ливней, строить суррогаты для термоядерных установок, извлекать химические реакции из патентов и искать редкие объекты в астрономических данных.
В свежей группе работ с arXiv ИИ помогает отбирать промышленные ферменты, искать несколько физических законов в одной системе, проверять медицинские модели и проектировать материалы через атомистические расчёты.
В новой порции научных препринтов сильнее всего выделяется OpenDiscoveryTrace: набор полных траекторий для оценки ИИ-учёных. Рядом — инструменты для поиска редких материалов, проверки белкового дизайна, устойчивой медицинской сегментации и быстрых моделей кристаллических структур.
Новая порция научных работ показывает общий сдвиг: ИИ уже не просто предлагает ответы, а всё чаще проверяет их, объясняет ошибки и работает с длинными траекториями — от синтеза молекул и цифровых материалов до океана, органоидов и медицинской диагностики.
Новая подборка работ показывает, где ИИ в науке уже дает проверяемый результат: от улучшенных упаковок кругов и тестов для научных агентов до предсказания электронной плотности и агентных рабочих процессов в материаловедении.
В научном ИИ сразу три свежих сигнала с arXiv: HiPoly делает ставку на полимерный дизайн, новая работа по фотокатализаторам исправляет частую ошибку отбора материалов для зелёного водорода, а исследователи интерфейсов мозг—компьютер предлагают общий способ честно сравнивать речевые системы. Во всех трёх случаях речь не о красивой демонстрации, а об устранении конкретных узких мест, которые мешают полю двигаться быстрее.
Свежая подборка из arXiv показывает, как ИИ всё глубже заходит в науку не только как помощник по тексту, но как инструмент для разбора клинических сбоев, поиска новых правил в материаловедении и генерации биологических гипотез из старых данных. Особенно выделяется работа, где автономные агенты перебрали миллионы кандидатов и вывели восемь правил, которые помогают отсеивать плохие кристаллические структуры ещё до дорогих расчётов.
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.
Пять свежих работ показывают, куда сейчас смещается AI в науке: от проверки того, действительно ли модель рассуждает в медицине, до агентных систем для медицинской визуализации, белковых исследований и материаловедения. Во всех случаях важен не блеск демо, а вопрос, можно ли доверять результату, воспроизводить его и доводить до реальной лабораторной или клинической практики.
