ai4s

【AI4S】DrugChat：迈向在药物分子图上实现类似ChatGPT的功能论文地址：https://arxiv.org/pdf/2309.03907药物发现与开发的过程耗时且成本高昂，通常需要数年时间和数十亿美元，才能将一种新药推向市场（Avorn，2015）。这一过程涉及对广阔化学空间的探索与理解，以及分子结构与其生物活性之间复杂关系的深入剖析，即所谓的构效关系（SAR）（Idakwo等，2020）。然而，传统方法（Rycker等，2018）往往依赖繁琐的反复试验，导致后期失败率居高不下。尽管近年来计算化学和化学信息学领域取得了一些进展（Zeng等，2022），为这一难题带来

【AI4S】ChemLLM：一种化学大型语言模型这篇文章主要介绍了大语言模型（LLMs）在近年来取得的迅速进展，并成功地应用于各个领域，包括自然语言处理、计算机视觉、自动驾驶和医学诊断等。由于它们令人印象深刻的理解和推理能力，它们在各种科学领域中显示出潜力。值得注意的是，LLMs已经被应用于与化学相关的任务，如分子性质预测、分子生成和实验协议设计等。这些工作展示了LLMs在为化学研究提供有洞察力的建议和解决方案方面的潜力。尽管之前已经尝试过将LLMs适应于各种化学下游任务，但这些LLMs并非专门针对化学而设计，它们对化学空间的理解不足，难以处理复杂的化

【AI4S】通过单一基础模型双向生成分子的结构和特性作者提出了一个多模态分子预训练模型，该模型结合了分子结构和生化特性的模态（structure-property multi-modal，SPMM），在一个共同的嵌入空间中对齐结构-性质特征，这使得模型能够考虑分子结构和性质之间的双向信息。这些信息产生了协同知识，从而能够通过单一分子基础模型处理多样化的分子预测下游任务。实验表明模型性能超越了现有方法。

质谱数据分析环节体系整理该体系以**“数据→特征→分子→结构→验证”为核心逻辑，通过同位素模式分析和质谱图解析实现分子式与结构的双向约束，借助谱库匹配加速已知物鉴定，最终以FEDR量化结果置信度。其核心价值在于多模态证据融合与分层验证机制**，适用于从简单小分子到复杂生物样本的系统性结构解析。

HyperAI超神经

贝式计算的 AI4S 观察：使用机器学习对世界进行感知与推演，最大魅力在于横向扩展的有效性「传统研究方法高度依赖于科研人员自身的特征和问题定义能力，通常采用小数据，在泛化能力和拓展能力上存疑。而 AI 研究方法则需要引入大规模、高质量数据，并采用机器学习进行特征抽取，这使得产生的科研结果在真实世界的问题中非常有效」。

HyperAI超神经

突破1200°C高温性能极限！北京科技大学用机器学习合成24种耐火高熵合金，室温延展性极佳在工程应用中，如燃气轮机、核反应堆和航空推进系统，对具备优异高温机械性能的金属合金需求十分旺盛。由于材料熔点的固有限制，传统镍基 (Ni) 高温合金的耐温能力已接近极限。为满足开发高温结构材料的需求，耐火高熵合金 (RHEAs) 于 2010 年被提出，它因在 1000°C 及以上温度中保持高强度的能力而备受关注。

HyperAI超神经

李飞飞团队 AI4S 最新洞察：16 项创新技术汇总，覆盖生物/材料/医疗/问诊……不久前，斯坦福大学 Human-Center Artificial Intelligence (HAI) 研究中心重磅发布了《2024年人工智能指数报告》。作为斯坦福 HAI 的第七部力作，这份报告长达 502 页，全面追踪了 2023 年全球人工智能的发展趋势。相比往年，扩大了研究范围，涵盖了 AI 技术、公众对 AI 技术的看法以及围绕其发展的政治动态等基本趋势，并对未来的 AI 发展趋势进行了预测。

HyperAI超神经

英伟达黄仁勋发布GB200，比H100推理能力提高30倍，能耗降低25倍，将AI4S能力做成微服务「AI 的 iPhone 时刻已经到来。」黄仁勋在英伟达 GTC 2023 上的金句言犹在耳，这一年，AI 的发展也印证了其所言非虚。

我是有底线的