ai-for-science

§ 01综述

AI for Science（人工智能驱动的科学研究）是指利用机器学习、深度学习等方法加速科学发现与实验验证的跨学科领域，当前处于从辅助工具向自主研究平台演进的关键阶段。

AI for Science 近期进展

2025年6月，阿里达摩院AI智能体ElementsClaw通过逆合成设计发现4种全新超导材料，验证了AI在材料科学中的自主发现能力。阿里达摩院AI智能体ElementsClaw发现4种全新超导材料

字节跳动Seed团队开源PAR模型，用于多尺度蛋白质结构生成，可处理从残基到复合物的层级结构，提升生成效率与精度。字节跳动Seed开源PAR模型，用于多尺度蛋白质结构生成

2025年6月，arXiv研究提出结构化概念演化框架，使大语言模型能够通过迭代推理发现量子LDPC码，展示了LLM在抽象科学概念探索中的潜力。结构化概念演化框架让LLM发现量子LDPC码

Google与全球100多家机构合作构建Gemini for Science，整合多模态数据与领域知识，旨在加速从药物研发到气候模拟的科研流程。Google与100+机构合作构建Gemini for Science

当前焦点与观察点

当前AI for Science的焦点集中在数据可靠性、自主发现与开放协作。数据层面，PerfectBit等初创公司通过物理模拟器验证训练数据，试图解决AI模型因“幻觉”产生错误理论的问题。争议在于，AI的“发现”是否真正具备可重复性与物理意义——例如超导材料的合成仍需实验验证。另一方面，OpenAI与美国能源部深化合作，将AI用于能源与材料科学，但学术圈对闭源模型的可访问性存在担忧。整体趋势是AI for Science从单点工具转向平台化（如Google Gemini for Science），并逐步渗透到量子物理、蛋白质设计等前沿领域。

§ 02相关报道10 条在档

§ 03邻近话题