В AI-науке сегодня сразу несколько сильных работ: медицинская система AMIE приблизилась к уровню врачей в видеоконсультациях, клинические модели показали опасную самоуверенность при нехватке данных, а материалы и математика получили новые примеры того, как AI помогает искать структуры, свойства и даже проверяемые доказательства.
Новая подборка по AI в науке: Lean 4 с участием больших языковых моделей помог построить исследовательскую библиотеку по банаховым решеткам, SEE показал слабость мультимодальных моделей в доказательном научном рассуждении, подход к AI для материаловедения требует опоры на физику в поиске материалов, а SecondOpinion экономит вычисления в медицинской визуализации, включая более тяжелую проверку только для сложных случаев.
Новая подборка по AI в науке показывает сразу несколько направлений, где методы машинного интеллекта становятся полезным рабочим инструментом: от формальной математики и материалов для топлива до медицинской визуализации, раннего скрининга болезни Альцгеймера и тренировки клинических помощников. Общая линия простая: ИИ всё чаще пытаются встроить не в демонстрации, а в реальные научные и клинические процессы.
В новой подборке по науке с ИИ — агент для стратегии клинических испытаний, система для расшифровки ЯМР на уровне сильного выпускника, открытый набор рентгеновских спектров для батарей, платформа для самоуправляемых микроскопов и формальная проверка решателей ограничений в Lean. Коротко о том, где ИИ помогает не только считать, но и строить более надёжную научную работу.
Три свежие работы о науке с ИИ: OpenProver пытается сделать машинные доказательства надёжнее, новая статья по пористым оксидам показывает, как добавлять физические ограничения в поиск энергетических материалов, а MolecularCanvas предлагает более дисциплинированный подход к поиску малых молекул для лекарств.
Три свежие работы о том, как ИИ входит в реальную науку и медицину: модель RaDaR заметно улучшила диагностику редких болезней в испытании с врачами, GraphRareBench показал опасные слабые места у систем редкоболезненной диагностики, а MatCreatioNN ускорил поиск фотокатализаторов среди 120 тысяч материалов-кандидатов при заметно меньших вычислительных затратах.
Новая волна работ по науке с ИИ сдвигает фокус от красивых демонстраций к более надёжным инструментам для физики, материаловедения и биологии. Исследователи учат модели не только подгонять формулы и искать молекулы, но и проверять найденные закономерности, сужать огромные пространства поиска и лучше предсказывать реакцию клеток и белков на вмешательство.
Четыре свежие научные работы показывают, как ИИ всё глубже входит в реальные исследовательские процессы: от машинно-проверяемых доказательств по геометрии и новых клинически устойчивых моделей для рентгеновских снимков до прогноза рисков по обычным сканам тела и моделирования сложных фазовых переходов в материалах на масштабах, недоступных классическим расчётам.
В свежей научной подборке сразу четыре сигнала о том, куда движется ИИ в науке: более точные правила вывода для медицинских моделей, более экономное управление автономными лабораториями, поворот к термодинамике в поиске энергетических материалов и попытка проектировать белковые связующие, устойчивые к смене биологического контекста.
