一周 60 篇论文提炼：AI for Science 的六条关键经验
bravo_abad · x · 2026-10-19
Discovery at Scale 最新一期汇总了过去一周 60 篇 AI for Science 论文的核心结果：
- 气象：在 ECMWF 业务预报之上加学一个误差校正模型(不建新预报系统)，对气压、温度、降水目标的改进比例分别达 91%、92%、98%。
- 材料：晶体文本表示很容易学到“含哪些元素”，却很难学到原子坐标几何——只学组成与加全几何的预测误差几乎相同。
- 化学：一个策略模型在机器人化学平台上连续运行 30 天、做出 3000+ 次决策，完成四个高对映选择性反应；结果预测器是独立模型。
- 蛋白质设计：135 个锌蛋白酶设计中 36% 实验有效(49 个成功切割目标键)，第二期半胱氨酸化学 69 个中 13 个有效——分母(全流程命中率)才是值得关注的数字。
- 合成生物学：细菌在胞内维持两质粒相对丰度的模拟权重，无需计算机在环即可自我更新。
另含 38 条按领域整理的简讯。
「研究」频道最新
- 诺奖得主 Betzig：科学的试金石是可重复性，而非同行评审 — anshulkundaje · 2026-10-19
- 模型能在 logit lens 里留密信：「我能看到你在看我」 — CatAstro_Piyush · 2026-10-19
- 四位数学家验证 OpenAI 证明 Brennan 猜想：正确但太啰嗦 — robleclerc · 2026-10-19
- 投稿量激增难堪重负，四本数学期刊 10 月 19 日起暂停收稿 — michaelchchoi · 2026-10-19
- Caltech 物理系主任：AI 或以人类无法理解的方式解决物理 — TOEwithCurt · 2026-10-19
- Ariadne:不学轨迹数据也能让生成模型规划轨迹,入选 NeurIPS — du_yilun · 2026-10-19