学科: 系统科学

美国埃默里大学研究团队将人工智能与尘埃等离子体实验结合，首次用AI直接发现新的物理规律——揭示了粒子间不对称、非互易作用力的精确形式。该方法仅需少量实验数据，普通人也能理解：AI不只是算得快，还能帮人类‘看见’以前看不见的自然法则。

标签: 人工智能发现物理规律 可解释人工智能 多体系统 尘埃等离子体 非互易力

本文研究牧羊犬如何控制犹豫不决的羊群——小群羊在受威胁时会随机切换‘逃跑’和‘跟随’行为，形成难以预测的动态网络。研究发现，训练有素的牧羊犬巧妙利用羊的‘犹豫’本身作为控制工具，既能聚拢羊群（驱赶），也能将其精准分开（分群）。受此启发，作者提出‘犹豫型群体算法（ISA）’，该算法在噪声环境下比传统方法更省力、更可靠，可应用于机器人集群、舆论引导等场景。

标签: 控制能量 时变网络 牧羊犬启发算法 犹豫型群体 群体控制

本文提出一种通用人工智能（AI）评估新方法：通过18个可量化的认知能力维度（如逻辑推理、知识掌握等），为任务和AI系统分别建立‘需求画像’与‘能力画像’，从而解释AI为何在某些任务上成功或失败，并准确预测其在全新任务上的表现，尤其适用于传统评测难以覆盖的场景。

标签: 人工智能评估 可解释性 能力画像 需求画像 预测性

本文开发了一套基于重组酶的基因工具，能精确控制单一起始细胞分裂后产生的多种细胞类型的比例。该技术已在细菌、酵母和哺乳动物细胞中验证，可用于优化色素合成、纤维素降解等生物制造过程，还能编程构建具有特定形态的多细胞结构。

标签: 人工菌群 多细胞形态发生 比率控制 细胞命运编程 重组酶技术

科研进展依赖研究者整合文献的能力。本文推出OpenScholar，这是一种专业的检索增强语言模型，能从4500万篇开放获取论文中找出相关段落，生成带引文的科学问答。我们还开发了多领域基准ScholarQABench。评估显示，OpenScholar-8B在多论文合成任务中正确性优于GPT-4o和PaperQA2，引文准确率与人类专家相当，人类专家对其响应的偏好度高于专家撰写内容。

标签: 学者问答基准 开放学者 引文准确性 检索增强语言模型 科学文献整合

大型语言模型能力快速提升，现有测试基准难度不足（如MMLU准确率超90%）。为此，研究人员推出“人类终极测试”（HLE），含2500道多学科专家级题目，覆盖数学、人文等，现有模型表现差，凸显能力差距，已公开供研究。

标签: 专家级评估 人类终极测试 多模态问题 大型语言模型 能力基准

人工智能正影响社会诸多方面，包括科学领域。《自然》研究显示，自然科学中AI工具的应用虽扩大科学家影响力（发表更多论文、被引频次更高、职业发展更快），却缩小研究领域范围，引发对其影响的疑问与担忧。

标签: AI工具 人工智能 研究领域 科学影响力 自然科学

一项针对4100万篇论文的分析显示，人工智能虽提升科学家个人影响力（论文多3倍、引用多5倍、晋升更快），却缩小整体科研探索范围，导致研究主题集中、文献关联减少。

标签: 人工智能 科学研究 科研多样性 科研趋势 论文引用

1月6日发表于《统计力学杂志：理论与实验》的新研究，提出了一种热力学框架，能计算此前被忽视的代谢能量消耗，有助于理解地球早期生命如何选择和优化代谢途径。

标签: 代谢效率 代谢途径 热力学框架 生命起源 能量消耗

德国科研国际地位突出，2012 - 2022年主要非大学研究机构国际科学家数量翻倍，研究机构及高校排名靠前。这得益于稳定的公共资金支持与结构化生态系统，各研究组织分工明确，推动科研卓越。

标签: 德国科研 科研生态系统 非大学研究机构 马克斯·普朗克学会