04 / ESSAYS & FIELD NOTES
把读过的东西，
变成自己的地图。
这里收录「你好不吃虾」关于 AI for Science 的文章、论文解读与研究笔记。按主题持续更新。
6月前沿速递 | AI推理模型是假的？苹果证明DeepSeek-R1等大模型根本没有推理能力？
6月前沿速递 AI推理模型是假的？苹果证明DeepSeek-R1等大模型根本没有推理能力？ 引言 近期，一系列被称为大型推理模型（Large Reasoning Models, LRM）的新模型被提出，其特点是在生成最终答案前会产生详细的思考过程。尽管这些模型在多个推理基准上展示了性能提升，但学术界对其基本能力、扩展规律及内在局限性的理解仍不充分。现有评估范式主要依赖固定的数学…
AI大语言模型重塑化学材料研究：从文献助手到发现引擎的回望与前瞻
AI大语言模型重塑化学材料研究：从文献助手到发现引擎的回望与前瞻 人工智能已成为改变科学研究范式的关键力量，而化学与材料科学作为基础学科，正经历着由大型语言模型（LLMs）带来的前所未有的变革。从自动化处理海量科学文献、提取结构化数据，到预测材料的关键性能；从提供战略性的研究洞察，到攻克复杂的化学推理难题；再到驱动自动化实验的初步探索，LLMs的应用边界正在不断拓展，展现出重塑…
AI开始‘反侦察’？看RAG如何通过主动检索破解模型‘幻觉’困局”
AI开始‘反侦察’？看RAG如何通过主动检索破解模型‘幻觉’困局” 引言： 博士生小张 （抓头）：“导师，我的模型又‘幻觉’了！生成的病例分析全是虚构的药理数据……” 导师 （微笑）：“试试RAG+Search-o1吧，它能像侦探一样主动检索知识库，还能自我修正推理链。” 小张 （瞪大眼）：“啥？AI还能自己查资料、做验证？” 导师 （递咖啡）：“最新的模块化RAG，已经进化到…
Angew.Chem. | 机器学习与大语言模型集成：高效探索电化学C-H氧化反应体系
Angew.Chem. 机器学习与大语言模型集成：高效探索电化学C-H氧化反应体系 摘要：电化学C-H键氧化反应为碳氢化合物的官能团化提供了可持续路径，然而底物筛选与合成条件优化仍存在重大挑战 。本研究开发了一种融合机器学习与大语言模型的集成策略，用于高效探索电化学C-H氧化反应体系 。通过搭建批量快速筛选电化学平台，我们系统评估了多种反应体系，首先基于反应活性对底物进行分类，…
Autonomous chemical research with large language models
Autonomous chemical research with large language models 这篇论文展示了一种基于GPT-4的人工智能系统Coscientist，该系统能够自主设计、规划和执行复杂的化学实验。通过整合大型语言模型（LLM）与多种工具（如互联网搜索、文档检索、代码执行和实验自动化），Coscientist在多个化学研究任务中展现了其高效性和创新…
Chemical Science封面文章SynAskAI：如何成为化学家的“全能助手”？
Chemical Science封面文章SynAskAI：如何成为化学家的“全能助手”？ 一、 研究背景与核心贡献 随着大语言模型（LLMs）在通用领域的突破，其在垂直领域的专业化应用成为研究热点。然而，有机化学领域因分子结构复杂、实验数据稀疏等特点，传统LLMs在生成式任务（如逆合成路径规划）中表现有限。本文提出的 SynAsk 平台，通过“领域数据微调+工具链集成”的双轨策…
Communications Chemistry| XpertAI如何用科学文献赋能机器学习解释化学结构-性质关系，打破黑盒困境
Communications Chemistry XpertAI如何用科学文献赋能机器学习解释化学结构-性质关系，打破黑盒困境 2025年初，Communications Chemistry期刊发表的一篇研究论文提出了一个名为XpertAI的创新框架。这一框架巧妙地结合了可解释人工智能 XAI 和大型语言模型 LLM ，解决了化学领域中机器学习模型不透明的问题，为化学家提供了能…
Communications materials | LLM从聚合物文献中提取数据，大模型如何”阅读理解“240万篇论文
Communications materials LLM从聚合物文献中提取数据，大模型如何”阅读理解“240万篇论文 材料信息学领域受到缺乏数据准备和数据可访问性的困扰。尽管材料数据可以通过计算和物理实验系统地生成，但大量历史数据被困在已发表的文献中。科学期刊文章中不断发布越来越多的数据，但这些数据通常以非结构化自然语言文本格式存在，这给依赖结构化数据集可用性的现代信息学的即时…
DARWIN 1.5 | 在8个材料设计任务中优于SOTA机器学习方法 & 为材料科学量身定制的最大的开源大型语言模型！
DARWIN 1.5 在8个材料设计任务中优于SOTA机器学习方法 & 为材料科学量身定制的最大的开源大型语言模型！ 现实材料往往充满缺陷、杂质，而理论计算通常假设“完美晶体”，导致预测与实验偏差巨大。如何让AI既理解科学文献，又能准确预测真实材料的性能？近期有一篇论文给出了答案。作者团队提出了一种 开源大语言模型 ，通过自然语言直接预测材料性能，在多个任务上超越传统方法，甚至…
Day 1 慢思考
Day 1 慢思考 引言 现有的研究已经证实了一件事：随着模型规模和训练数据的增长，LLMs 的表现会不断优化 但随着训练阶段规模的进一步扩大，大模型性能提升的边际收益正逐渐减小。 换句话说，提升大模型性能已经到达瓶颈阶段，我们不能再仅仅通过量变去引起质变，而是需要探索在不增加模型参数量的情况下，如何提升推理的质量。 近年来，引入“慢思考”的概念是一个重要的议题。OpenAI …
ECCV2024|SQ-LLaVA：通过自我提问提升视觉语言能力
ECCV2024 SQ-LLaVA：通过自我提问提升视觉语言能力 前言 以LLM为核心的多模态大模型工作LLaVA： 通过在CLIP和Vicuna之间使用一个线性投射层连接的方式完成多模态聊天 - CLIP（Contrastive Language-Image Pre-Training）模型是一种多模态预训练神经网络 - 核心思想是使用大量图像和文本的配对数据进行预训练，以学习…
LLM+知识图谱|材料化学领域的大分子逆合成规划
LLM+知识图谱 材料化学领域的大分子逆合成规划 在材料化学领域，找到合适的合成路径一直是科研人员面临的重大挑战。特别是对于聚合物等大分子材料，其合成路径的设计往往需要研究人员阅读大量文献、进行繁琐的实验验证，耗时费力。复旦大学在2024年的研究提出了一种结合大语言模型和知识图谱的自动化逆合成规划代理系统。 摘要：识别材料化学中可靠的合成途径是一项复杂的任务，特别是在聚合物科学…
MaScQA：探究大型语言模型的材料科学知识
MaScQA：探究大型语言模型的材料科学知识 摘要：从材料文献中提取信息和文本理解对于开发能够加速材料发现的详尽知识库至关重要。语言模型已经证明了它们能够回答特定领域的问题并从知识库中检索信息。然而， 材料科学领域没有基准数据集可用于评估这些语言模型对关键概念的理解。 在这项工作中，我们整理了一个包含650个材料领域挑战性问题的数据集，这些问题需要一名已获得本科学位的材料科学学…
Meta重磅开源！联合发布 OMol25 数据集与 UMA 模型，分子发现、语言学习、神经解码… Meta如何赋能AI研究
Meta重磅开源！联合发布 OMol25 数据集与 UMA 模型，分子发现、语言学习、神经解码… Meta如何赋能AI研究 2025年5月14日，Meta旗下基础AI研究团队（FAIR）发布了一系列激动人心的开源成果，再次彰显了其通过聚焦科学与学术进步，致力于实现先进机器智能（AMI）的决心。此次发布的模型、基准和数据集，预示着在分子性质预测、语言处理和神经科学等领域的研究方法…
Nature Machine Intelligence 上海交大 | 加速有机化学合成的大语言模型
Nature Machine Intelligence 上海交大 加速有机化学合成的大语言模型 化学合成分子，作为创造新物质的核心科学，深刻影响着从新药研发到能源材料的每一个前沿领域。然而，这一创造过程至今仍严重依赖于化学家们耗时、昂贵且充满不确定性的“试错”实验。如果AI能像一位资深化学家一样，不仅能预测反应，更能主动探索和优化实验条件，将会带来怎样的变革？今天，我们解读一项…
Nature Reviews Materials | 大型语言模型在框架化学(Reticular Chemistry)中的三类应用：数据挖掘、结构设计与合成自动化
Nature Reviews Materials 大型语言模型在框架化学 Reticular Chemistry 中的三类应用：数据挖掘、结构设计与合成自动化 近年来，金属-有机框架（MOF）和共价有机框架（COF）的研究呈现爆发式增长，剑桥结构数据库中MOF结构已突破10万种。面对海量的文献数据和复杂的合成条件优化，传统研究方法面临巨大挑战。最新研究表明，大型语言模型（LLM…
Nature computational science | NMRNet：统一深度学习框架实现液固态核磁共振化学位移精准预测
Nature computational science NMRNet：统一深度学习框架实现液固态核磁共振化学位移精准预测 核磁共振（NMR）光谱是现代化学和材料科学不可或缺的分析工具，它能揭示分子的结构与动态行为，为科学家提供关键的结构信息。然而，准确预测NMR化学位移一直是科学界面临的挑战，尤其是当面对复杂分子结构时。近日，厦门大学研究人员推出了一个名为NMRNet的深度学…
Nature npj | 最新论文！回顾NLP和LLM在材料信息提取、材料发现以及自主研究等方面的应用进展
Nature npj 最新论文！回顾NLP和LLM在材料信息提取、材料发现以及自主研究等方面的应用进展 人工智能（AI）与机器学习（ML）的浪潮，正以前所未有的深度和广度渗透到科学研究的各个角落，材料科学——这个关乎物质创新与应用的古老而核心的领域，也正沐浴在这股“智慧之光”下，经历着一场深刻的范式革命。从最初的经验试错，到如今的数据驱动创新，AI的力量日益凸显。特别是自然语言…
Progress in Materials Science | 语言模型如何赋能材料科学的未来与可持续发展？
Progress in Materials Science 语言模型如何赋能材料科学的未来与可持续发展？ “自然语言处理（NLP）的淘金热已经到来！” 随着OpenAI的GPT系列等大型语言模型（LLM）展现出令人瞩目的能力，人工智能的一个关键分支——自然语言处理，正以前所未有的速度发展。这股浪潮不仅席卷了大众的日常生活，也为严谨的科学研究带来了深刻变革。材料科学，这个关乎人类…
Towards an AI co-scientist
Towards an AI co-scientist 这篇名为 "Towards an AI co-scientist" 的论文，由 Juraj Gottweis, Wei-Hung Weng, Alexander Daryin 等众多研究者共同完成，（根据arXiv的提交日期，我们暂且将其视为一项非常近期的、可能在2025年左右的工作），其核心目标是\ \ 构建一个能够辅助甚…
[ICLR 2025 AI+化学] MOOSE-CHEM：AI化学家诞生？大语言模型如何突破科学发现的「无人区」
[ICLR 2025 AI+化学] MOOSE-CHEM：AI化学家诞生？大语言模型如何突破科学发现的「无人区」 科学发现在很大程度上促进了人类社会的繁荣，最近的进展表明，LLMs可能会催化这一过程。然而，目前尚不清楚LLMs是否能在化学中发现新颖有效的假设。在这项工作中，我们研究了一个核心研究问题： LLM能否在仅给定化学研究背景（由研究问题和/或背景调查组成）的情况下自动发…
nature computational science|物理引导的机器学习框架用于数据稀疏下的LLM聚合物性质预测
nature computational science 物理引导的机器学习框架用于数据稀疏下的LLM聚合物性质预测 从日常用品到尖端科技，高分子材料无处不在，其性能的精准预测与优化是推动材料创新的关键。机器学习，特别是大型语言模型（LLM），正越来越多地被应用于加速这一进程。通过将复杂的聚合物结构转化为SMILES等文本表示，LLM能够像学习语言一样学习化学结构，并预测其性质…
【ACL2024】突破化学合成瓶颈！ReactXT开源：用AI预测实验步骤
【ACL2024】突破化学合成瓶颈！ReactXT开源：用AI预测实验步骤 化学反应的自动化与智能化是药物发现和材料科学的核心挑战之一。现有研究多聚焦于单个分子的文本建模（如分子描述生成）或单纯基于分子结构的反应预测，但缺乏对化学反应与文本联合建模的探索。例如，实验步骤预测（预测合成某化合物的具体操作流程）因缺乏开源数据集而进展缓慢。为此，本文提出了一种名为 ReactXT 的…
【AI+分子理解】Mol-LLaMA | 探索分子通用理解的大型分子语言模型
【AI+分子理解】Mol-LLaMA 探索分子通用理解的大型分子语言模型 在药物发现和分子设计的前沿，理解分子的结构与特性一直是科学家们面临的重大挑战。随着人工智能技术的发展，大型语言模型展现出在科学领域提供辅助的潜力。然而，现有的模型在理解分子的复杂性和多维特性方面仍存在局限。近期发表的研究论文提出了一种创新的解决方案，旨在构建能够全面理解分子特性的通用分子语言模型。本文将探…
【AI+化学】Nature通讯 | GPT-4赋能化学合成，从文献检索到产物纯化，全流程自动化！
【AI+化学】Nature通讯 GPT-4赋能化学合成，从文献检索到产物纯化，全流程自动化！ 化学合成是药物研发和工艺开发的核心任务，但其过程复杂且高度依赖专家经验。传统的合成开发通常需要化学家进行大量的文献检索、实验设计、条件优化和数据分析，这一过程不仅耗时，还涉及高昂的成本。尽管机器学习技术已经在某些环节（如催化剂设计、反应条件优化）展现出潜力，但现有的方法通常是单一功能的…
【AI+材料/化学】如何改变材料科学和化学的14个例子：对大型语言模型黑客马拉松的反思
【AI+材料/化学】如何改变材料科学和化学的14个例子：对大型语言模型黑客马拉松的反思 近年来，以GPT-4为代表的大型语言模型（LLMs）不仅在自然语言处理领域掀起革命，其触角也正以前所未有的速度延伸至科学研究的核心地带。当“人工智能驱动科学发现”（AI for Science）从口号变为现实，我们不禁要问：这些强大的语言模型，究竟能为严谨、复杂的化学与材料科学带来什么？它们…
【AI+材料/化学】材料科学与化学领域的AI革命：2024黑客松揭示：科研人的「失业焦虑」与「进化密码」🔬🤖
【AI+材料/化学】材料科学与化学领域的AI革命：2024黑客松揭示：科研人的「失业焦虑」与「进化密码」🔬🤖 在当今科研竞争日益激烈的环境中，材料科学和化学领域的研究人员常常感到压力山大。传统实验方法耗时长、成本高，而计算模拟又需要专业知识门槛。当你日夜奋战在实验室，却发现国际同行已经提前发表类似成果时，那种挫败感想必让人窒息。如何在保证研究质量的同时提高效率？如何在海量文献中…
【CCF B| EMNLP】ReLM：LM&GNN的化学反应预测新范式
【CCF B EMNLP】ReLM：LM&GNN的化学反应预测新范式 在化学领域，准确预测反应产物是药物合成、材料设计等应用的核心挑战。传统图神经网络（GNN）虽擅长解析分子结构，却受限于数据稀缺与文本信息的利用不足。而语言模型（LM）虽具备丰富的化学知识推理能力，却难以处理分子图结构。如何让两者优势互补？来自中国科大、新加坡国立大学等团队提出的 ReLM框架 ，通过融合GNN…
【Nature Machine Intelligence】大语言模型驱动分子科学发现：从知识合成到可解释预测的革命
【Nature Machine Intelligence】大语言模型驱动分子科学发现：从知识合成到可解释预测的革命 ✨ 当AI不仅能预测分子性质，还能像科学家一样“思考” 近年来，科学发现的效率面临严峻挑战，许多领域的进展速度每13年减半。分子性质预测作为药物设计与材料发现的核心任务，亟需突破传统方法的局限。 Nature Machine Intelligence 最新研究提出…
【知识星球】AI+光谱学：从预测到生成，谱学与机器学习的交汇点
【知识星球】AI+光谱学：从预测到生成，谱学与机器学习的交汇点 随着人工智能（AI）和机器学习（ML）的蓬勃发展，它们正在为化学领域带来前所未有的变革。从分子属性预测到反应建模，AI正在显著提升科学家的研究效率和创新能力。然而，谱学领域的AI应用——尤其是谱学机器学习（SpectraML）——依然处于相对早期阶段，未完全释放其潜力。谱学技术，如质谱（MS）、核磁共振（NMR）、…
【集合】大模型的自我评估
【集合】大模型的自我评估 目的 预训练之后的模型就是next token prediction（文本续写），预测需要微调才能够使其的回答符合人类的期望。 将生成和强化学习结合起来，强化学习通过奖励函数直接或间接地为模型提供有监督的判定标准。因此，在大模型中引入强化学习可以提升其判断能力。 - 最新大模型反思 - 用强化学习做 - 过程奖励 - 蒙特卡洛树 论文 RLHF 英文名…
中科大认知智能实验室 | ChemTable基准发布，为何化学表格成了MLLM的“滑铁卢”？
中科大认知智能实验室 ChemTable基准发布，为何化学表格成了MLLM的“滑铁卢”？ 多模态大型语言模型（MLLM）在AI4Science中正被寄予厚望，人们期待它们能像人类专家一样，从海量科学文献中快速、准确地汲取知识。然而，在化学研究的实践中，有一种信息载体，它简洁、高效，却也极其复杂，常常成为AI理解的“拦路虎”——那就是化学实验表格。这些表格，远非简单的行列数据。它…
全球首款通用AI Agent「Manus」来了！中国团队打造，让AI真正替你干活！
全球首款通用AI Agent「Manus」来了！中国团队打造，让AI真正替你干活！ 引言： 2025年3月6日凌晨，AI圈被一款名为「Manus」的产品彻底引爆！它不仅是全球首款真正意义上的通用型AI Agent，更以“中国造”的身份在GAIA基准测试中碾压OpenAI等巨头。这款由Monica.im团队研发的产品，凭借其“从规划到交付”的全链路自主能力，被誉为“AI Agen…
北大ChemCoTBench | 超越化学QA，评估LLM化学推理能力，这个新基准让你看到AI如何一步步“解开”复杂化学难题
北大ChemCoTBench 超越化学QA，评估LLM化学推理能力，这个新基准让你看到AI如何一步步“解开”复杂化学难题 大模型的“智慧火花”已经在数学、编程等领域点燃了熊熊烈火，它们通过一步步的“思维链”展现出惊人的复杂问题解决能力。化学，这个同样充满复杂逻辑和精细操作的学科，自然也对AI的这种“慢思考”能力充满了期待。我们希望AI不仅能记住化学元素周期表，更能像经验丰富的化…
厦门大学 Dral's Group| AI实现自动化计算化学Aitomia：计算自动化，从“望而生畏”到“触手可及”？
厦门大学 Dral's Group AI实现自动化计算化学Aitomia：计算自动化，从“望而生畏”到“触手可及”？ 计算化学，作为现代化学研究不可或缺的“第三只眼”，通过模拟原子和分子的行为，为我们揭示反应机理、预测材料性质、辅助药物设计提供了强有力的工具。从第一性原理的量子化学（QC）计算到日益兴起的AI驱动原子模拟，这些计算方法正以前所未有的深度和广度拓展着我们对物质世界…
回顾与前瞻 | AI赋能化学与材料创新：从数据洪流到智能发现的回顾与前瞻
回顾与前瞻 AI赋能化学与材料创新：从数据洪流到智能发现的回顾与前瞻 化学与材料科学的“数据宇宙”与AI罗盘 我们正处在一个化学与材料科学知识以前所未有的速度积累的时代。从金属有机框架（MOF）到高性能聚合物，从复杂的生物大分子到精密的纳米结构，新的物质及其性能以前所未有的速度被发现和报道。剑桥结构数据库中MOF结构突破十万种，材料科学文献总量超过六百万篇 ] —— 这构成了一…
大模型首次通过图灵测试 | 人类辨别失败率超70%！科学研究揭示人工智能发展新里程碑
大模型首次通过图灵测试 人类辨别失败率超70%！科学研究揭示人工智能发展新里程碑 3月31日，一项来自加州大学圣地亚哥分校的研究表明，最新一代的大型语言模型 LLM 首次成功通过了经典的三方图灵测试。这一研究结果标志着人工智能发展史上的重要里程碑，也引发了关于AI智能本质和社会影响的深入讨论。 摘要： 我们在两个针对独立人群的随机、对照和预先注册的图灵测试中评估了 4 个系统 …
康奈尔大学尤峰崎团队：材料科学的“奇点”临近？看LLM如何驱动“智能体在环”的自主研发革命
康奈尔大学尤峰崎团队：材料科学的“奇点”临近？看LLM如何驱动“智能体在环”的自主研发革命 人工智能的浪潮，正以前所未有的力量席卷科研的各个角落。材料科学，这个关乎物质创新与应用的核心领域，也迎来了属于自己的“AI时刻”。传统材料研发依赖大量实验试错和科研人员经验的模式，正面临着效率瓶颈和知识获取的挑战。大型语言模型的崛起，为打破这些瓶颈、实现更高效、更智能的材料发现与设计，提…
弥合知识鸿沟与数据稀缺：AIMatDesign如何用LLM增强强化学习进行材料逆向设计？
弥合知识鸿沟与数据稀缺：AIMatDesign如何用LLM增强强化学习进行材料逆向设计？ 在通往智能材料设计的道路上，一个严峻的现实始终横亘在我们面前——实验数据的极度稀缺。机器学习模型的强大，往往建立在海量、高质量数据的“喂养”之上。但在新材料研发这一探索性极强的领域，我们拥有的实验数据往往只是广阔化学空间中的“沧海一粟”。让AI仅凭这零星的几个“路标”，就在高维、复杂的“数…
当GPT-4能同时读懂你的表情、语调和心跳数据
当GPT-4能同时读懂你的表情、语调和心跳数据 想象一下：你正在参加一个充满活力的鸡尾酒会🍹，充满了谈话的嗡嗡声和酒杯的碰撞声🍻 .你是一个悠闲的观察者👀，舒适地坐落在一个角落里。 然而，你仍然可以通过解读人们的语言和非语言暗示，轻松地找出不同人之间的社交关系，了解发生了什么，甚至提供社交建议。 如果大型语言模型（LLM）能够复制这种社交能力，那么我们就可以说它具备了一定的社交…
最新！AI化学研究新突破！首个学术级化学问答数据集与高效模型ChemMatch问世
最新！AI化学研究新突破！首个学术级化学问答数据集与高效模型ChemMatch问世 AI能否攻克化学研究难题？ 近年来，大语言模型（LLMs）在通用领域和生物医学领域的问答能力备受关注，但在 化学研究场景 中的表现却鲜少被系统评估。化学作为材料、能源、制药等领域的基石，其复杂的专业术语和推理逻辑对AI提出了更高挑战。一篇发表于《Communications Chemistry》…
浙江大学 | iChemFoundry：用于高通量化学合成的智能自动化平台
浙江大学 iChemFoundry：用于高通量化学合成的智能自动化平台 iChemFoundry IC ： 该平台旨在通过深度整合自动化机器人、微流控技术、高通量合成与表征以及AI技术，实现化学合成系统从数字化设计到自动化高通量执行与表征的全流程覆盖，目标是将传统实验室每日约10个反应条件的通量提升至 每日100-1000个反应条件 。本文将聚焦于对iChemFoundry平台…
突破性进展！ChemAgent让AI化学推理能力提升46%，开启科学智能新纪元
突破性进展！ChemAgent让AI化学推理能力提升46%，开启科学智能新纪元 在化学领域，复杂的多步骤推理常令科研人员头疼。一个公式的微小误差可能导致整个计算链崩溃，这种精确性要求使得传统人工智能模型在化学推理任务中屡屡碰壁。即便是当前最先进的GPT-4模型，在处理专业化学公式、代码执行和复杂推理步骤时，仍存在明显短板——错误常数引用、单位转换混乱、代码语法错误等问题频发，甚…
重磅！微软NatureLM横空出世：AI“炼丹师”破解自然语言，化学、材料、生物迎来新范式！
重磅！微软NatureLM横空出世：AI“炼丹师”破解自然语言，化学、材料、生物迎来新范式！ 摘要： Foundation 模型彻底改变了自然语言处理和人工智能，显著增强了机器理解和生成人类语言的方式。受到这些基础模型成功的启发，研究人员为各个科学领域开发了基础模型，包括小分子、材料、蛋白质、DNA、RNA 甚至细胞。然而， 这些模型通常是孤立训练的，缺乏跨不同科学领域整合的能…