В новой подборке ИИ для науки — спор о пользе многоагентных дебатов для рецензирования, попытка сделать белковые модели понятнее, усиление молекулярной оптимизации через самоулучшающееся рассуждение и более реалистичный расчёт кинетики связывания лекарств.
Пять новых работ по AI в науке рисуют трезвую картину: модели всё чаще входят в реальные научные контуры — от переработки лекарств до проверки статей и подготовки данных, — но самые ценные результаты пока приходят не от «магии модели», а от хороших бенчмарков, инфраструктуры и человеческой проверки. Особенно показательно, что на сложных диаграммах материалов современные мультимодальные системы всё ещё сильно уступают экспертному пониманию.
Свежая подборка по ИИ в науке показывает сразу несколько сильных направлений: от новых вычислительных приёмов для квантовой химии и поиска сверхпроводников до более надёжного открытия материалов, автоматической сборки баз данных по метаматериалам, формально проверяемых математических доказательств и более честной оценки ИИ-агентов для доклинической фармакологии.
В этой подборке — пять свежих работ о том, как ИИ помогает биологии и медицине: от извлечения иммунных маркеров из стандартных снимков тканей до виртуальных клеток, проектирования пептидов и более трезвой оценки того, когда структура белка действительно полезнее одной только последовательности. Общая тема одна: поле движется от красивых обещаний к более проверяемым и прикладным решениям.
OpenAI усилила GPT-Rosalind — специализированную линейку моделей для наук о жизни. Обновление важно не только само по себе: оно показывает, как рынок больших моделей всё активнее уходит в узкие профессиональные направления, где ценится не общий чат, а польза для конкретной исследовательской работы.
Свежая подборка AI-in-science: от проверки математических открытий и медицинских исследовательских агентов до микроскопии и дизайна молекул.
