前 DeepMind 研究員募資 5000 萬美元開發科學 AI
總部位於倫敦的 AI 實驗室 Inherent 結束隱身狀態，獲得 5000 萬美元種子輪融資。該新創公司致力於開發能識別高價值科學研究問題的 AI 系統。
Search
Tag: #scientific-discovery33 results
SciAtlas：用於自動化科學研究的大規模知識圖譜
SciAtlas 是一個包含 4300 萬篇論文與 30 億個三元組的大規模跨學科知識圖譜。它提供了一個結構化的拓撲框架，協助 AI 代理導航複雜的科學連結並減少邏輯幻覺。
AI 代理透過自然語言自動化實驗室流程
研究人員開發了一種整合至 Experiment Orchestration System (EOS) 的 AI 代理架構，讓科學家能透過自然語言建立與管理實驗室流程。該系統具備具備自動驗證與錯誤修正功能的代理迴圈，在流程生成上達到了 97% 的成功率。
SMCEvolve：透過順序蒙地卡羅進行原則性科學發現
SMCEvolve 是一個將 LLM 驅動的程式演化視為從獎勵加權分佈中進行採樣的新框架。它透過使用順序蒙地卡羅 (SMC) 採樣器來確保收斂並減少 LLM 呼叫預算，從而提高科學發現的效率。
自主LLM代理推導材料理論
自主LLM代理從資料中端到端開發材料理論，選擇方程式、執行程式碼並驗證擬合度，無需人工介入。它在Hall-Petch和Paris定律等已知關係上表現出色，提出如應變依賴HOMO-LUMO間隙的新定律，GPT-5表現更優。儘管擬合強，仍需嚴格驗證以防錯誤。
使用潛在基礎模型的PDE空間代理探索
此研究將多代理LLM與潛在基礎模型（LFM）結合，用於連續探索PDE控制的現象，如流體流動。LFM提供緊湊、解耦的潛在表示，並作為任意參數的快速代理模擬器。應用於Re=500的串列圓柱流中，自主發現位移厚度和動量厚度的全新縮放定律。
🤖
給 AI 一個 1901 年的世界，它能發明相對論嗎？
本文探討若 AI 僅接受 1905 年前的知識訓練，是否能推導出相對論。結論指出，儘管 AI 擅長模式匹配，但缺乏人類挑戰基礎科學範式的能力。
加速回報與科學的質性引擎
本文指出，儘管技術加速（Kurzweil 的論點）提升了基礎設施能力，但仍無法解決科學發現的核心挑戰。作者提出了「科學質性引擎」（QES），旨在彌合定量 AI 能力與人類概念推理能力之間的差距。
Anthropic 共同創辦人預測 AI 將於一年內獲得諾貝爾獎級發現
Anthropic 共同創辦人 Jack Clark 預測，AI 將在 12 個月內協助人類達成諾貝爾獎級的科學發現。他同時預期 AI 驅動的公司將在 18 個月內創造數百萬美元營收，並在 2028 年底前出現能設計自身後繼者的 AI 系統。
具身 AI 閉合科學發現迴圈
提出具身科學範式，將代理式 AI 推理與物理實驗緊密整合。介紹 PLAD 框架，涵蓋感知、語言推理、動作執行與發現迴圈。在生命與化學科學中透過物理回饋實現自主系統。