ai for science

城事漫游Molly

“改全文”还是“逐句诊断”？ChatGPT 润色论文的两种用法很多人第一次用 AI 润色论文时，通常只有一个需求：帮我把全文润色一下。这听起来很合理。但真正用过之后，很多人会发现一个问题：

AI4S 是什么？AI4S = AI for Science（科学智能），直译为"人工智能用于科学研究"。它不是单一技术，而是一种研究范式的转变：用 AI 加速、替代、甚至重构传统科学发现流程，被誉为科学研究的"第四范式"。

城事漫游Molly

质性研究AI工作流（六）：质性研究质量检验的5维清单🎓 核心原则（Miles & Huberman）： "好的质性研究，如同其他研究一样，需要细致的记录保存，以此与重要受众建立联系。"

城事漫游Molly

AI赋能质性研究（六）：跨案例比较分析，5个高质量 Prompt让AI帮你找模式方法论基础：Miles & Huberman《质性数据分析》中的跨案例策略核心逻辑：通过系统比较找出共性模式（What is similar?）、差异规律（What is different?）、条件性关系（When/Why do differences occur?）

城事漫游Molly

质性研究AI工作流（二）：编码工作流 SOP"代码通常是一个词或短语，象征性地为基于语言或视觉数据的一部分赋予总结性、显著性、本质捕捉性和/或启发性的属性。"

城事漫游Molly

AI赋能质性研究（八）：断言与命题写作，实现从数据到理论跨越的5个高质量 Prompt方法论基础：Saldaña 编码体系、Miles & Huberman 因果分析、Strauss & Corbin 概念化过程核心理念：断言与命题是质性研究从"描述"上升到"理论"的关键桥梁。它们不是凭空想象，而是数据驱动、层层递进的理论阐述。

城事漫游Molly

AI赋能质性研究（一）：质性编码全流程 AI Prompt 包📚 理论来源：Qualitative Data Analysis: A Methods Sourcebook（Miles, Huberman & Saldaña）

城事漫游Molly

AI赋能质性研究（四）：AI辅助写分析备忘录使用说明：将 [ ] 中的内容替换为你的实际研究材料，粘贴给 AI 即可生成对应备忘录。用途：明确某个代码的内涵、边界与操作定义，防止编码漂移

城事漫游Molly

AI赋能质性研究（二）：用 AI 做归纳编码，7 个场景提示词模板📖 理论来源：Qualitative Data Analysis: A Methods Sourcebook（Miles, Huberman & Saldaña）

城事漫游Molly

AI与质性研究的融合（三）：AI赋能质性数据分析——从编码到理论构建的新范式质性数据分析一直被认为是最具“研究者参与感”的研究过程之一。它不是简单地“处理文本”，而是在大量原始材料中不断识别意义、比较差异、归纳模式、提炼范畴，并最终建构解释框架。

AI for Science: MaXFlow AI Agent+ 报告体验双升级，让AI智能体更高效易用!很多时候，产品体验的提升，来自更顺畅的路径和更清晰的结构。在MaXFlow 3.14.3中，我们围绕两个高频使用场景做了一轮打磨：

AI核心知识132—大语言模型之 AI for Science（简洁且通俗易懂版）AI for Science (人工智能驱动科学研究，简称 AI4S) 是目前整个人工智能领域最硬核、最具有人类历史意义的革命。

HyperAI超神经

8k长序列建模，蛋白质语言模型Prot42仅利用目标蛋白序列即可生成高亲和力结合剂蛋白质结合剂（如抗体、抑制肽）在疾病诊断、成像分析及靶向药物递送等关键场景中发挥着不可替代的作用。传统上，高特异性蛋白质结合剂的开发高度依赖噬菌体展示、定向进化等实验技术，但这类方法普遍面临资源消耗巨大、研发周期冗长的挑战，且受限于蛋白质序列组合复杂性的固有瓶颈。

HyperAI超神经

融合蛋白质语言模型和图像修复模型，麻省理工与哈佛联手提出PUPS ，实现单细胞级蛋白质定位蛋白质亚细胞定位（subcellular localization of a protein）是指蛋白质在细胞结构中具体的定位情况，这对蛋白质行使其生物学功能至关重要。举个简单例子，如果把细胞想象成一个庞大的企业，其中细胞核、线粒体、细胞膜等对应总裁办、发电部、门岗等不同的部门，那么只有对应的蛋白进入正确的「部门」才能使其正常工作，否则便会导致某些疾病发生，如癌症、阿尔兹海默病。因此，精准定位蛋白质亚细胞可以说是生命科学的核心任务之一。

微软 & CMU - Tag-LLM：将通用大语言模型改用于专业领域🍉 CSDN 叶庭云：https://yetingyun.blog.csdn.net/论文地址：https://arxiv.org/abs/2402.05140

HyperAI超神经

每周编辑精选｜RJUA-QA 医疗数据集上线、 3D 分子生成模型 ResGen 论文解析HyperAI超神经的新栏目来啦～每周一超神经编辑部会精选上一周更新在 hyper.ai 官网的内容（数据集、AI4S 论文案例、百科词条）发布在这里。欢迎直接访问 hyper.ai 查看全部内容哦！

HyperAI超神经

AI「反腐」，德国马普所结合 NLP 和 DNN 开发抗蚀合金内容一览：在被不锈钢包围的世界中，我们可能都快忘记了腐蚀的存在。然而，腐蚀存在于生活中的方方面面。无论是锈迹斑斑的钢钉，老化漏液的电线，还是失去光泽的汽车，这一切的发生都与腐蚀有关。据统计，全世界每年由金属腐蚀带来的经济损失超过 2.5 万亿美元，远超过其他自然灾害。其中，腐蚀在中国造成的经济损失约 3,949 亿美元，占中国 GDP 的 4.2%。正因为此，研究者们一直在探索抗蚀性能更好的合金或是金属保护膜。如今，在优化材料抗蚀性能的过程中，AI 派上了用场。

HyperAI超神经

准确预测极端降水，哥伦比亚大学推出升级版神经网络 Org-NN内容一览：随着环境变化加剧，近年来全球极端天气现象频频出现，准确预测降水强度对人类以及自然环境都十分重要。传统模型预测降水的方差较小，偏向小雨，对极端降水预测不足。

HyperAI超神经

变透明的黑匣子：UCLA 开发可解释神经网络 SNN 预测山体滑坡本文首发自 HyperAI 超神经微信公众平台~山体滑坡的发生受到多种因素的综合影响，如地形、坡度、土壤、岩石等物质特征，以及气候、降雨、水文等环境条件。因此，相关预测一直以来都非常困难。通常情况下，地质学家使用物理和统计模型来估计滑坡发生的风险。虽然这些模型可以提供相当准确的预测，但训练物理模型需要大量的时间和资源，并不适合大规模应用。

我是有底线的