编辑丨%在直径仅 0.1 毫米的血管里操控微型机器人，如同用筷子夹起细菌 —— 传统强化学习需要 2500 万次物理实验才能学会导航，而生物医学场景根本等不起。

从零开始可靠地设计功能性抗体一直是一项艰巨的挑战，这需要对数千甚至数百万个设计进行大规模的实验筛选才能可靠地找到目标。

量子多体方法为计算分子和材料的电子特性提供了系统的途径，但高昂的计算成本限制了其在大规模应用中的应用。由于多电子波函数的复杂性，能够捕捉基本多体物理的机器学习模型仍然有限。

编辑丨%人类专注于物体的含义，而人工智能则专注于视觉特征。在过去的许多研究中，比较人类和 AI 中的表征的工作都依赖于全局标量度量来量化它们的一致性。但若无明确的假设

基于扩散的生成模型近期在从头设计蛋白质方向取得重大突破，显著推动了领域发展。然而，有证据表明：一些特定折叠类别的蛋白质骨架，AI 模型仍难以生成。并且

基因组可以比喻为细胞「指令操作指南」，这本由 DNA 写就的「天书」详细记载了生物体的全套组装说明书。从外貌特征到内部功能，从生长发育到传宗接代

如果你想描述地球表面每米面积的空气流动情况，你需要绘制近三万亿平方公里的陆地、海洋和太空。要做到这一点，你需要一台超级巨大的计算机。正因如此

全球超 30% 超重青少年正陷入「代谢紊乱 + 认知衰退」的恶性循环：体脂超标导致肝酶异常、血脂升高，更会削弱大脑嗅觉识别与工作记忆能力。

上海交通大学人工智能研究院 AI for Science 团队针对反应动力学方程发现问题，提出了 KinFormer 架构，发表于 ICLR 2025。

生物医学研究是我们进行人类健康研究、疾病治疗、药物研发以及促进临床护理进步的基石。然而，随着复杂的湿实验、庞杂的数据集、众多分析工具以及海量文献的增长