深度学习发现心脏骤停预测生物标志
6 月 24 日 Nature 发表研究,深度学习模型从心电图中发现隐藏的心脏骤停预测因子,为除颤器植入决策提供新工具,可能每年挽救数千未被预测的高危患者生命。
A daily radar for AI · AI4Science · Materials Discovery
Track frontier model releases, scientific ML breakthroughs, materials discovery, benchmarks, and conference deadlines — updated daily.
从今日资讯与论文中提炼出最値得关注的三项进展
提出跨材料深度学习框架,实现催化剂在不同材料体系间的迁移学习与发现。通过学习多种材料类别的共性特征,模型可预测新材料的催化性能,无需针对每个新系统从头训练,显著加速催化剂筛选与优化流程。
Anthropic 的 Fable 5 与 Mythos 5 模型遭美国出口管制,6 月 12 日美商务部以国家安全为由禁止访问,Anthropic 称漏洞范围有限且可比其他公开模型,目前正与政府谈判恢复。
OpenAI 与博通发布 LLM 优化推理芯片,6 月 25 日宣布合作开发专为大语言模型推理优化的定制芯片,旨在降低推理成本并提升性能,挑战英伟达在 AI 芯片市场的主导地位。
由 Claude 搜索汇总,覆盖模型发布、政策动态、行业进展
OpenAI 与博通发布 LLM 优化推理芯片,6 月 25 日宣布合作开发专为大语言模型推理优化的定制芯片,旨在降低推理成本并提升性能,挑战英伟达在 AI 芯片市场的主导地位。
诺贝尔化学奖得主 John Jumper 离开 Google DeepMind 加入 Anthropic,6 月 22 日宣布这一决定。Jumper 因 AlphaFold 获 2024 年诺贝尔化学奖,此前是 DeepMind AI 编码开发团队核心成员,此举加剧 AI 人才争夺战。
Anthropic 的 Fable 5 与 Mythos 5 模型遭美国出口管制,6 月 12 日美商务部以国家安全为由禁止访问,Anthropic 称漏洞范围有限且可比其他公开模型,目前正与政府谈判恢复。
苹果在 iOS 27 中嵌入实用 AI 功能,引入账单自动分账、安全漏洞后密码替换、智能消息建议、自然语言日历创建等功能,强调设备端智能与隐私,而非对话助手。
波士顿动力与 Google DeepMind 合作工业 AI,将 Gemini Robotics-ER 1.6 集成到 Spot 机器狗和 Orbit AI 视觉检测平台,实现增强空间推理、自主决策与持续学习。
Anthropic 发布企业安全工具 Claude Security,基于 Claude Opus 4.7 的公测工具可扫描代码库漏洞、分析跨模块组件交互并生成针对性补丁,微软安全、CrowdStrike 等集成。
Google DeepMind 发布 Gemma 4 开源模型家族,包含 E2B、E4B、26B MoE、31B Dense 四个模型,采用 Apache 2.0 许可,31B 模型在 Arena AI 排行榜位列全球第三大开源模型。
高通考虑 80-100 亿美元收购 Tenstorrent,后者设计基于开源 RISC-V 的 AI 芯片,由芯片老将 Jim Keller 领导,此举标志高通在英伟达与 AMD 主导的 AI 硬件市场中的重大承诺。
纽约市教育局要求所有 AI 工具通过偏见审查,发布初步指南要求针对 110 万学生系统部署的工具通过偏见与公平审查,6 月发布综合合规手册,向自愿框架转为强制治理。
NAVER 与英伟达合作扩展主权 AI 基础设施,使用英伟达 DSX 平台在韩国 GAK Sejong 数据中心起步 55 兆瓦并计划扩展至千兆瓦级,支持 HyperCLOVA X 下一代模型。
精选 AI4Science 突破,涵盖材料发现、自动化实验与科学基础模型
6 月 24 日 Nature 发表研究,深度学习模型从心电图中发现隐藏的心脏骤停预测因子,为除颤器植入决策提供新工具,可能每年挽救数千未被预测的高危患者生命。
5 月 28 日 Nature Materials 发表论文,展示 AI 如何在不同材料体系间迁移学习,加速催化剂设计,无需针对每个新材料从头训练模型,显著提升材料探索效率。
6 月 24 日 Nature 发表研究,通过神经迭代选择-扩展方法实现零样本设计药物结合蛋白,同时优化蛋白序列、结构与配体构象,克服小分子结合蛋白设计挑战。
6 月 19 日 Science Advances 发表论文,机器学习势能首次实现跨成分建模合金,从有序化合物到完全无序合金均可精确描述,突破传统势能固定化学成分限制。
5 月 18 日 ScienceDaily 报道,宾夕法尼亚大学创建混合光-物质粒子(极化激元),有望大幅提升 AI 计算速度并降低能耗,为替代电子计算提供超高效光基方案。
6 月研究将经典数学平滑函数集成到神经网络形成 Mollifier Layers,大幅提升求解逆偏微分方程的稳定性与效率,应用涵盖基因组学、材料科学、气候建模,将在 NeurIPS 2026 展示。
材料科学 × 机器学习:从催化剂发现到晶体结构预测
提出跨材料深度学习框架,实现催化剂在不同材料体系间的迁移学习与发现。通过学习多种材料类别的共性特征,模型可预测新材料的催化性能,无需针对每个新系统从头训练,显著加速催化剂筛选与优化流程。
开发神经迭代选择-扩展方法,实现小分子药物结合蛋白的零样本从头设计。通过同时优化蛋白序列、三维结构与配体构象,突破以往需要预定义结合口袋的限制,为药物递送与治疗蛋白设计开辟新途径。
提出可跨成分建模合金的机器学习势能函数,从完全有序的化学计量化合物到完全无序的固溶体均可准确描述。该方法克服传统势能固定化学成分的局限,为探索复杂合金相图与设计多主元合金提供高效计算工具。
提出基于替换的结构新颖性分析框架,评估生成式 AI 材料模型是否真正扩展了可访问化学空间。通过对比生成结构与已知晶体数据库的替换距离,揭示当前生成模型在探索新材料结构方面的实际能力与局限性。
开发两阶段深度神经网络,精确识别与测量新型铬基合金中的析出相面积。该方法自动分析微观组织图像,为高温合金性能评估与优化提供高通量表征手段,支持面心立方超合金的新型替代材料开发。
引入原子级语言模型(ALM),实现材料结构与自然语言的原生多模态统一建模。模型直接理解和生成原子坐标与文本描述,无需损失性文本编码,为材料-语言联合推理、跨模态检索与自动化材料设计对话系统奠定基础。
通过大规模自回归预训练实现可控催化剂逆向设计。模型学习催化剂表面-吸附物相互作用的条件生成,允许用户指定目标性能(如吸附能、选择性)生成候选结构,为高效探索异质催化剂化学空间提供逆设计路径。
开发溶剂条件隐式溶剂机器学习势能(ConSolv),突破现有隐式模型仅聚焦水环境的限制。通过条件化建模不同溶剂效应,支持药物化学、电池电解质、催化反应等多种非水环境的高效分子模拟。
追踪流行词随半月周期的热度变化,并标出本期首次出现或显著冒头的新词。
当前主流大模型一览,持续跟踪能力边界
关键基准横向对比,数字不说谎
| 模型 | 机构 | MMLU | MATH | HumanEval | 亮点 |
|---|---|---|---|---|---|
| GPT-5 | OpenAI | 92.5 | N/A | N/A | MMLU 排行榜领先 |
| Claude Opus 4.8 | Anthropic | N/A | N/A | N/A | 编码与长期 Agentic 任务最佳 |
| Gemini 3.1 Pro | N/A | N/A | N/A | GPQA Diamond 94.3%、ARC-AGI-2 77.1% | |
| GPT-5.5 Pro | OpenAI | N/A | 39.6 | N/A | FrontierMath Tier 4 领先 |
| Qwen 3.7 Max | Alibaba | 92.4 | 97.1 | N/A | HMMT 2026 最高分,中档性价比之王 |
| Claude Opus 4.6 | Anthropic | 91.3 | N/A | N/A | GPQA Diamond 91.3% |
| Gemini 3.5 Flash | N/A | N/A | N/A | 前沿性价比最佳,Intelligence Index 55 |
行业领袖在想什么,说了什么
"民主国家不应因 AI 工具部署方式而分裂"
在 6 月 17 日 G7 峰会上,阿莫代与谷歌 DeepMind CEO 哈萨比斯共同呼吁建立美国主导的国际 AI 联盟,制定全球标准。Anthropic 的 Fable 5 和 Mythos 5 模型因国家安全问题遭美出口管制,公司正与政府谈判恢复访问权限。
"有用的 AI 已经到来,它是盈利的"
在 6 月 24 日股东大会上,黄仁勋宣布 Agentic AI 已带来经济回报,GitHub 提交量在 2023-2026 年间增长近三倍。他强调 AI 数据中心是"代币制造工厂",每个代币都是利润单位,并推出面向 Agent 的 Vera Rubin 架构进入量产。
"需要建立国际论坛制定全球 AI 测试标准"
在 G7 峰会上,奥特曼呼吁建立国际论坛,为 AI 能力与风险提供专家分析并促进国家合作。OpenAI 上月推出 GPT-5.5 Cyber 变体,以有限预览形式向网络安全团队开放,6 月 25 日宣布与博通合作推出 LLM 优化推理芯片。
每天早上推送到你的邮箱,领袖观点 · 大事 · 论文,不错过 AI 前沿。
分享 AI4Science 前沿、科研心得与个人实验笔记。欢迎来聊。
对话 AI 与科学交叉领域的一线研究者。每期一位,一个问题:AI 正在如何改变你的研究?