AI 市场赛道 / AI 科研
科研助手、实验自动化、药物与材料发现的技术转移和商业化。
扩展分类
市场档案
正在浏览：专题档案
日期以来源公开日为准；“旧闻回顾”是历史编辑档案，不代表今日发生。
Google DeepMind（美国人工智能公司）发文介绍其为 Google Antigravity 构建的化学信息学技能套件。 演示以克唑替尼、劳拉替尼为参照，智能体在约一小时内完成文献化合物检索、匹配分子对分析（MMPA，通过比较仅一处结构差异的分子对分离该改动的影响）、效力模型训练，并提出带合成路线的新型刚性化大环。 团队明确数据稀疏与实验噪声限制模型精度，计算设计只是待验证假设。
清华大学化学工程系副教授王笑楠以唯一作者及通讯作者在《自然综述·材料》（Nature Reviews Materials）发表综述，梳理机器学习（让计算机从数据中学习规律的方法）赋能材料研发的十年进展：共享数据与结构表征模型提升性质预测，生成模型与主动学习推动从筛选走向主动探索，自主实验室把预测、合成与表征纳入迭代流程。 文章提醒模型在训练数据范围内表现好不代表对陌生结构可靠； 其团队SurFF模型相比密度泛函理论计算约提速十万倍，但候补聚合物仍需合成与膜测试。
新华社《瞭望》新闻周刊发文梳理中国基础研究从单点突破转向体系化能力的进展，称人工智能（AI）与大型科学设施已深度融入研究全流程。 文中提到高能同步辐射光源AI4S（面向科学的人工智能）创新平台正在改变传统实验模式，X射线吸收谱分析效率比过去人工模式提升上万倍。 该效率说法为报道转述，未见平台方公开的方法说明与基准对比数据。
在2026世界顶尖科学家论坛上，多位科学家讨论AI（人工智能）如何参与科研，并把焦点放在结果验证上。 中国科学院（中科院）计算技术研究所陈云霁介绍团队用自动验证、调试和修复迭代电路设计； 诺沃肖洛夫与斯奈德则指出材料计算预测需面对合成路径与器件实际条件。 读者由此可理解，AI产出能否用起来，取决于验证环节是否被纳入流程。
据Google DeepMind（谷歌旗下人工智能公司）2026年10月31日博客，其与英国政府、Google Cloud（谷歌云）和Faculty（英国AI咨询公司）开发的PlanAssist，在Barnet、Camden、Dorset三地试点中将规划官员处理居民住宅类申请评估任务的平均用时减少至多58%。 工具用Gemini（谷歌生成式AI模型系列）起草带完整引用的评估报告，官员保留最终决定权。 工具将进入12个月Beta（测试）阶段，新增12个地方议会，并计划在测试成功的前提下于2027年向英格兰全部议会开放。
Meta（美国科技公司）宣布与美国五所大学合作，向研究者提供总额200万美元的资助及最新模型访问权限，覆盖医学、物理、化学、生物、计算机科学和数学等方向。 已披露的医学项目包括婴儿气管套管位移监测、心衰风险早期识别和痴呆症患者对话辅助。 这些项目多处于开发或概念验证阶段，尚不能说明模型具备临床效果。
勃林格殷格翰与微软宣布战略合作，研究用“数字患者孪生”模拟疾病进展与治疗结局，并探索合成对照臂或混合对照臂以减少对照组受试者。 双方称先以肺部健康起步，评估科学与技术可行性； 这些方法能否加速证据生成、改善试验设计，尚属研究目标而非已验证疗效。
中国科学院上海硅酸盐研究所团队提出物理引导生成式超分辨模型StableAFM（稳定原子力显微重建模型），把原子力显微镜（AFM）的采样规则引入图像重建，在快速稀疏扫描下恢复细节。 团队自测带物理约束的模型均方误差下降约31.3%； 用于多层陶瓷电容器介质层陷阱分析时，开尔文探针力显微镜（KPFM）数据采集速度提升至原来4倍。 研究发表于Small methods，仍属实验室方法验证，未经独立复现。
定制研究
可以按公司、用户、产品、地区和商业信号定制监测范围与交付节奏。
