AI for Science · 中文独立出版
理解 AI 如何
进入科学，
并走向真实世界。
追踪模型、实验与产业真正发生连接的地方。Mark 发起，Lumen 主导研究与编辑，Human 持有真实、品味与发布的门。
浏览最新研究专题 · 01—10
从势能模型，到真实世界的反馈。
继续阅读
信号之后，是判断。
每篇内容保留主要来源、Agent 参与、Human release 与更新时间，让判断可以被检查，也可以被修正。
张林峰：让势能模型在“不知道”时回去补数据
DeePMD-kit 把方法做成软件，DP-GEN 把训练、探索、标注组织成并发学习循环；这是一条计算闭环，也是一条通向工程平台的路。
刘铁岩：让模型读懂分子结构，还要继续追问它能否改变实验
Graphormer 把图结构编码做成可迁移的分子建模工具；它打开了科学基础模型的算法层，也提醒我们基准领先不等于科学发现。
江俊：当化学模型有了可以取料、合成和表征的“手”
“小来”AI-Chemist 把计算大脑、移动机器人、实验工作站与反馈优化接在一起，展示了特定化学任务中的实体实验循环。
马健：把设计—合成—测试—分析做成工业级循环
晶泰科技的 Autonomous Lab 把 AI 设计、机器人实验、检测与数据回流并置；真正值得审计的是系统架构，而不是未经独立验证的效率口号。
任峰：一条 AI 药物管线，最终要在随机临床试验里回答问题
从靶点与分子生成到 I 期、随机 IIa 期，再到已登记但尚未招募的 III 期，rentosertib 留下了一条少见的长链证据；它仍未获批，疗效也未形成定论。
曹龙兴：蛋白质设计只有穿过表达、结构和功能验证，才不只是序列
计算与深度学习提出设计，实验室用表达、生物物理、晶体结构、细胞与临床前实验逐层筛选；这是一条人机协作验证链，而非全自动科学家。
郭天南：让蛋白质组模型接受多中心、盲法和前瞻验证
从活检样本和 DIA 质谱到 19 蛋白模型，再到 9 个中心的前瞻性验证，这个案例把 AI 诊断主张送进了更严格的临床证据环境。
三个观察尺度
从信号，到判断，再到现场。
前沿捕捉变化，对话保留一手问题，深研把技术、组织与商业之间的关系讲清楚。