#科学计算

算特征值不用再二选一：先用粗网格 FDM 算个大概，再拿它当偏移去训练神经网络，迭代直接省八到十倍，做科学计算的建议看看。

核工程和惯性约束聚变仿真太慢怎么办？这篇论文把两种神经代理架构放在同一基准上正面对比，还把训练数据全开源了。

不告诉算法传感器测的是什么，它也能反推出热力学变量结构，NIST WebBook六种流体上验证通过

这篇论文提出了EVOLVE，用自编码器压缩科学体数据，压缩比高还支持变码率，比传统方法强很多。

这篇论文搞了个新路子，用误差估计自动告诉你该在网络的哪一层加更多神经元，在流体力学数据上比现有方法都强。

FaNO 把物理系统的快慢变分开建模，比传统算子更准更省参数，科学计算和仿真场景值得一试。

科学研发团队终于有了具体的 AI 智能体落地案例——LangChain 和 Benchling 的对话直击实验自动化和数据整合痛点，做生命科学或研发自动化的开发者建议听听。

官方账号LangChain@LangChainAI原文

做科研或生物信息学的开发者终于有了现成的 AI 智能体工具库——覆盖基因组学、结构生物学等核心领域，可以直接拿来用，省去从零搭建的麻烦。

Philipp Schmid@_philschmid原文

这是首次直接对比两大AI智能体在真实科学计算任务中的表现差异，做科学计算自动化的团队会看到速度与可靠性之间的真实取舍——Claude Code更快但可能静默出错，Codex更慢但更透明，值得点开了解如何选择。