学科: 统计学

一项《自然》杂志针对1900多名科研人员的调查显示：尽管近半数科学家对AI持负面看法，认为其风险大于收益，但近六成仍被迫使用AI工具，唯恐落伍。AI虽提升效率，却未必提升质量，且存在误用、偏见和误导风险。

标签: AI工具使用现状 人工智能科研应用 大语言模型风险 科学伦理与可信度 科研人员态度

每年全球有多少人跨国迁移？这个问题看似简单，实则极难准确回答。本文介绍了一种利用人工智能整合多源数据的新方法，首次为全球人口迁移绘制出迄今最全面、可靠的图景。

标签: 人口流动图谱 人工智能建模 全球人口迁移 多源数据融合 移民统计数据

本文构建了全球首个覆盖230个国家和地区、时间跨度从1990年至今的年度人口迁移数据集。通过融合官方统计、人口普查、净迁移估算和数字痕迹（如Facebook数据），结合深度学习模型，首次实现了高时空分辨率、全球一致的迁移流动估算，显著提升了对全球人口流动动态的理解能力。

标签: 不确定性量化 全球人口迁移 年度迁移数据 数字足迹 深度学习

大型语言模型（LLM）正大量渗入社会科学调查，导致高达45%的问卷回答由AI生成，严重威胁研究真实性。专家警告：虚假数据、AI代写论文、幻觉引用等问题正在侵蚀社会科学研究的可信度，但AI也可辅助提升分析严谨性。

标签: AI污染 大型语言模型 硅基样本 社会科学调查

科学家正努力构建‘虚拟细胞’——用计算机模拟真实细胞的结构与行为。虽然已有初步成果，如模拟细菌分裂或预测药物对组织的影响，但目前模型仍难以准确反映细胞在动态变化中的真实反应，距离真正‘活’的虚拟细胞还有很长一段路。

标签: 基础模型 扰动图谱 虚拟细胞 计算生物学

本文介绍《自然》杂志推广的‘注册研究报告’（Registered Report）新机制：研究者先提交研究方案并经同行评审通过后，无论结果是正面、负面还是不确定，期刊都承诺发表。此举可避免‘抽屉问题’（即失败或无结论的研究被埋没），提升科研透明度与可靠性。

标签: 抽屉问题 注册研究报告 科研可重复性 阴性结果 预注册

复杂性状通常由大量微效常见变异和少量大效罕见变异共同决定。本文发现，在74种数量性状的两端极端值人群中，遗传结构显著偏离常见的多基因模式，且这种偏离主要由大效罕见变异驱动，并受自然选择影响。这提示极端表型人群的遗传机制与普通人群不同。

标签: 复杂性状 多基因风险评分 罕见变异 自然选择 表型极端值

本文发现，极端复合事件（如高温高湿、干旱高温）对累积二氧化碳排放的响应比此前预估更强。历史观测数据表明，这类事件发生频率的上升幅度比气候模型预测高出37%-75%，且模型间差异显著缩小。这意味着：为实现1.5℃或2℃温控目标，人类剩余的二氧化碳排放空间实际比现有评估结果更小。

标签: 复合极端事件 气候风险 累积二氧化碳排放 观测约束

本文构建了人类全生命周期（0-100岁）脑白质结构的标准化参考图表，基于全球35,120例健康人群的脑扫描数据。该图表首次系统描绘了白质通路的发育、成熟与衰老轨迹，为识别神经发育障碍、精神疾病和神经退行性疾病的早期异常提供了可量化的‘健康基线’。

标签: 个体化百分位评分 生命周期参考图表 神经发育 神经退行性疾病 脑白质

本文介绍科学家如何用AI工具（如大语言模型）进行“氛围编程”（vibe coding）：只需用日常语言描述需求，AI就能快速生成代码，帮助非专业人员制作数据图表、分析病毒废水样本、构建生物信息学工具等。它极大提升了科研效率，但也需谨慎验证结果。

标签: 人工智能辅助科研 大语言模型 氛围编程 科学可视化 科研效率