Discovery at Scale 周报:AI for Science 瓶颈正向上游转移
bravo_abad · x · 2026-09-24
作者本周 AI for Science 周报的核心论断：最有说服力的工作正从「用神经网络替代科学计算」转向补足计算之外的其他环节。
- 上游瓶颈显现：分子动力学变快了，不代表知道哪些构型值得模拟；原子间势更准了，不自动给出化学上合理的反应路径——AI 开始负责决定算什么、在求解器看到问题前先构造问题、把科学直觉翻译成可计算量。
- 案例一 Gen-COMPAS（Tang 等，Nature）：用扩散模型生成蛋白质稀有跃迁的合理中间构型，再用短 MD 轨迹判断其行为，避免暴力模拟的浪费。
- 案例二：AUC 仅 0.62 的分类器把 65,578 个候选缩到 145 次 DFT 计算仍产出 6 项新发现——排序够好比精度最高更有用。
- 还涉及把论文变成可执行工具的 agent，以及让已发表方法更易复用的方向。
所属事件:弱分类器筛出 6 项新发现，AI 科研瓶颈上移(2 条相关)→
「研究」频道最新
- AI 管线扫描 Linux 内核发现 2386 个漏洞,170 个补丁已合入主线 — ycombinator · 2026-11-12
- CoRL 联合主席忆 2021 展区仅三张桌，对比 2026 规模感概行业巨变 — Ed__Johns · 2026-11-12
- 预训练原子模型筛选 1620 种组合，为单原子金属找稳定衬底 — bravo_abad · 2026-11-12
- Claude Fable 5.2 机器人实验被拿去吊打李飞飞 World Labs?作者称搞错了研究问题 — dotey · 2026-11-12
- Claude 数周产出 239 个形式化证明,验证 123 个开源库无崩溃 — kieranklaassen · 2026-11-12
- SynthICL：纯合成数据训练，单演示泛化 16 项真实操作任务 — Ed__Johns · 2026-11-12