公眾號/? ScienceAI（ID：） 編譯 | 紫羅最近，研究人員能夠從少量血液樣本中測量數千種血漿蛋白，這為廣泛的數據提供了新的維度，可以增進我們對人類健康的了解。例如，SomaLogic 公司已經開發出測量 10,000 多種蛋白質的方法，而賽默飛世爾的 Olink 檢測方

公眾號/? ScienceAI（ID：Philosophyai） 編輯 | 蘿卜皮設計具有定制電氣和機械性能的超輕導電氣凝膠，對于各種電子設備的應用都至關重要。傳統方法依賴于在廣闊的參數空間中進行迭代、耗時的實驗。 馬里蘭大學 (UMD) 的研究團隊開發了一種結合機器學習和

公眾號：? ScienceAI（ID：Philosophyai） 編輯 | 綠羅量子計算機 的核心看起來似乎很熟悉：一塊郵票大小的硅芯片。但和你筆記本電腦的相似之處就到此為止了。該芯片被包裹在真空室中，冷卻到接近絕對零度，上面有 198 個金電極，排列成橢圓形的賽道。

公眾號：? ScienceAI（ID：Philosophyai） David Salvagnini。（來源：NASA）編輯 | X 5 月 13 日，美國國家航空航天局（NASA）局長比爾·尼爾森（Bill Nelson）任命大衛·薩爾瓦尼尼（David Salvagnin

公眾號/? ScienceAI（ID：Philosophyai） 編輯 | 綠蘿 電子學在核物理領域從來都不是一帆風順的。大型強子對撞機作為全球最強大的加速器，所產生的 數據 如此之多，使得全部記錄這些數據從來都不是一個可行的選擇。 因此，處理來自探測

公眾號/? ScienceAI（ID：Philosophyai） 編輯 | 紫羅傳統的材料研發模式主要依賴「試錯」的實驗方法或偶然性的發現，其研發過程一般長達 10-20 年。 雖然基于機器學習 (ML) 的數據驅動方法可以加速清潔能源技術新材料的設計，但由于缺乏大型高保真

公眾號/? ScienceAI（ID：Philosophyai） 抗體（粉色）與流感病毒蛋白（黃色）結合（藝術構思）。（來源：Juan Gaertner/Science Photo Library）編輯 | X改進的蛋白質設計工具可以更輕松地解決具有挑戰性的藥物靶點，但 AI 抗體

公眾號/? ScienceAI（ID：Philosophyai） 編輯 | 蘿卜皮來自深度語言模型的蛋白質表征，已經在計算蛋白質工程的許多任務中表現出最先進的性能。近年來，進展主要集中在參數計數上，最近模型的容量超過了它們所訓練的數據集的大小。牛津大學（University of

公眾號/? ScienceAI（ID：Philosophyai） JET 托卡馬克裝置的內部。（英國原子能管理局）編輯 | 紫羅核聚變被稱為人造太陽，其原理和為太陽以及其他恒星提供動力的過程相同，被廣泛視為清潔能源的圣杯。但科學家們只實現并維持了幾秒鐘的核聚變能，還有許多障礙，包括

公眾號/? ScienceAI（ID：Philosophyai） 編輯 | 蘿卜皮治療性抗體廣泛用于治療嚴重疾病。它們中的大多數會改變免疫細胞并在免疫突觸內發揮作用。指導體液免疫反應的重要細胞間相互作用。盡管生成并評估了許多抗體設計，但缺乏用于系統抗體表征和功能預測的高通量工具。