02:33Latent Space (swyx)@Brandon AndersonRadical AI的Joseph Krause在访谈中指出,材料科学领域的竞争优势不在于AI模型本身,而在于能够自主运行的实验室系统。他认为,自驱动实验室能够实现高通量实验、数据采集和模型迭代的闭环,这才是真正的护城河。这一观点挑战了当前AI优先的材料研发范式,强调了实验基础设施和数据质量的关键作用。行业Radical AIJoseph Krause自驱动实验室材料科学行业观点推荐理由:Radical AI创始人说材料界真正的壁垒不是模型,是实验室。想搞AI+材料的朋友值得一看。原文
09:44Pandaily@contact@pandaily.com (Pandaily)精选Deep Principle 发布了 MPA(Materials Property Axiom),一个用于材料科学的 AI 基础模型。该模型借鉴了大语言模型的训练技术,在 40 项真实工业任务上取得了最先进的结果。MPA 能够预测材料属性,加速新材料发现和设计过程,有望在电池、半导体、合金等领域产生重大影响。这标志着 AI 在材料科学领域的应用迈出了重要一步。AI模型材料科学基础模型MPADeep Principle工业应用推荐理由:材料科学家和工业研发团队终于有了一个强大的 AI 工具,MPA 在 40 项工业任务上达到 SOTA,能大幅缩短材料筛选周期,做新材料开发的团队值得关注。原文
09:40arXiv cs.AI@An Vuong, Minh-Hao Van, Chen Zhao, Xintao Wu该研究提出了一种多模态学习方法,用于预测堆叠双层二维材料的性质。双层材料堆叠是探索新型功能材料和固有现象的关键,但AI在此领域的应用尚不充分。该方法通过整合不同材料界面的多模态信息,预测垂直集成下的新性质。实验表明,该方法在效率和准确性上优于基线方法。代码已开源,可复现。论文材料科学多模态学习双层材料性质预测开源/仓库推荐理由:做材料科学AI研究的团队值得关注——它解决了双层材料堆叠性质预测的空白,开源代码可以直接复现和扩展。原文
14:31IT之家(博客/媒体)精选72°中国科学院大连化学物理研究所团队成功研制出全球首套智能透射电镜系统“原眼一号”,实现了从样品传递、成像到解析的全流程无人化、智能化运行。该系统攻克了具身智能高真空样品传递、电子光学成像自主调节等五大关键技术,图像分析效率较人工提升300倍以上,运行两周的数据量相当于传统电镜一年。该成果首次实现透射电镜从人工操作到AI全流程自主运行的跨越,为能源化工、材料科学、生命科学等领域提供大规模高质量结构数据,支撑AI驱动科研范式变革。AI产品智能透射电镜原眼一号AI自主分析科研仪器材料科学推荐理由:做材料科学、能源化工或生命科学研究的团队,终于可以摆脱透射电镜人工操作的效率瓶颈——原眼一号两周干完一年的活,建议相关实验室直接关注。原文
09:55arXiv cs.LG@Marius Tacke, Matthias Busch, Kian Abdolazizi, Jonas Eichinger, Kevin Linka, Roland Aydin, Christian Cyron精选传统本构模型开发需要多年连续介质力学和编程经验,LLM虽能自动生成模型,但单智能体管道缺乏物理一致性检查。研究者提出双智能体框架:Creator智能体根据数据生成模型,Inspector智能体审计模型是否违反9项物理约束,违规则退回修改。在脑组织、实验橡胶和合成橡胶数据集上,使用Claude Opus 4.7和Kimi K2.5测试,Inspector将Opus的物理约束满足率从91%提升至100%,Kimi从37%提升至56%,同时保持高精度和强泛化能力。该框架技术无关,可随LLM能力提升自动扩展,为自动化、物理感知的模型发现开辟新路径。论文本构模型多智能体物理约束LLM材料科学推荐理由:做材料本构建模的团队终于有了靠谱的AI助手——双智能体框架自动生成物理有效的模型,省去手动校验的繁琐,建议做固体力学或生物力学仿真的开发者点开看看。原文
00:33IT之家(博客/媒体)精选73°上海人工智能实验室联合苏州国家实验室、清华大学等团队,利用AI辅助材料研发,成功制备出厘米级尺寸、厚度超过200微米的高质量单晶石墨,厚度是当前世界水平的3倍以上。团队构建了亿级计算材料数据库,开发了机器学习势函数模型,突破了传统第一性原理计算的尺度与时间限制,实现了原子级动力学模拟。通过模拟揭示了碳原子在镍晶格内的迁移全过程,并明确了关键参数对生长质量的调控规律。这一成果验证了AI作为科学发现工具的价值,为材料制备从“试错摸索”转向“机制驱动”提供了新路径。论文AI辅助材料研发单晶石墨机器学习势函数上海人工智能实验室材料科学推荐理由:做材料科学或AI辅助研发的团队值得关注——这项研究用AI把单晶石墨厚度做到世界纪录3倍,从数据到模型到实验的全链条智能化路径可以直接借鉴。原文
10:11arXiv: OpenAI@Matteo Cobelli, Stefano Sanvito精选Autoresearch 是一种自动化科学任务的范式,AI 智能体自主提出、实现、评估和优化解决方案。本文提出 Automat 框架,使用基于 GPT-5.5 的 Codex 编码智能体,为化学化合物生成仅基于化学式的成分描述符,并通过随机森林工作流评估。在预测无机材料带隙和铁磁化合物居里温度两个任务中,Automat 超越了分数成分、Magpie 等基线,生成的描述符具有化学可解释性。该研究证明 autoresearch 智能体无需手动特征工程即可生成任务专用描述符,但也暴露了描述符冗余、贪婪特征扩展敏感性和需要复杂度控制等局限性。论文Autoresearch材料科学描述符设计GPT-5.5随机森林推荐理由:材料科学家和 AI for Science 研究者终于有了一个能自动设计描述符的框架——Automat 用 GPT 智能体替代了繁琐的手动特征工程,在带隙和居里温度预测上直接超越经典 Magpie 基线,做材料信息学的团队值得一试。原文
18:29Microsoft Research@MSFTResearch精选微软研究院宣布MatterSim项目正在扩展AI在材料科学中的应用,推出了新多任务模型MatterSim-MT。该模型不仅能进行更快的大规模模拟,还能模拟势能表面以外的多种材料属性。这标志着AI在材料科学领域从单一任务向多任务能力的重大进步,有望加速新材料的发现和设计过程。AI模型MatterSim材料科学多任务模型微软研究院AI模拟推荐理由:做材料科学研究的团队终于有了一个能同时模拟多种属性的AI工具,MatterSim-MT直接提升了研发效率,建议材料科学家和AI研究者点开看看。原文