标签: 机器学习

本文用机器学习自动设计电解水制氢设备的流道结构，发现‘阵列式’流道能更高效排出气泡，使电流密度提升约23%，且效果在放大设备中依然稳定。相比传统试错法或耗时的流体仿真，该方法更快、更准，为绿色制氢提供了可规模化的智能设计新路径。

标签: 机器学习 气液传质 水电解 流道设计

本文提出ArchesWeatherGen——一种基于机器学习的天气预报新模型，能高效、准确地预测未来天气的多种可能情景（而不仅是单一预测）。相比传统方法，它计算成本更低、结果更真实，尤其擅长捕捉极端天气和小尺度天气变化，让天气预报更可靠、更易普及。

标签: 天气预报 扩散模型 机器学习 概率预报 生成式人工智能

研究发现，全球河流溶解氧正持续下降，热带河流（如印度境内河流）受影响最严重。过去近40年，全球78.8%的河流出现缺氧趋势，主因是气候变暖导致氧气溶解度降低。该成果提醒公众：河流‘喘不过气’正威胁水生生命，亟需优先保护热带河流。

标签: 机器学习 气候变暖 河流脱氧 溶解氧 热带河流

本文提出一种新型机器学习方法，帮助低收入和中等收入国家更公平、高效地分配救命药。该方法在塞拉利昂全国推广后，使试点地区药品使用量提升19%，惠及约200万妇女和5岁以下儿童。

标签: 决策支持系统 卫生资源分配 基本药品 塞拉利昂 机器学习

本文介绍了一种专为中低收入国家设计的机器学习系统，能精准预测各诊所每天对药品的需求量，并据此优化药品分配。该系统已在真实医疗环境中落地应用，显著提升救命药的可及性。

标签: 中低收入国家 机器学习 药品可及性 资源分配 需求预测

镍含量高的锂电池正极材料能量密度高、成本低，但容易衰减。本研究用机器学习筛选出铝离子和锡离子作为掺杂剂，成功构建了一种‘由外向内’的稳定结构：表面富锡、内部均匀掺铝。这种结构显著提升了电池寿命（200次循环后容量保持96.9%）并几乎消除了电压下降问题。

标签: 掺杂设计 机器学习 电压衰减 结构稳定性 高镍正极

钙钛矿太阳能电池商业化受困于依赖人工经验的试错式研发，效率低下。本研究构建了首个全自动闭环系统：用机器学习快速筛选高效分子，再通过自动化产线实时优化制造工艺。成功发现新型钝化分子5ANI，小面积电池效率达27.22%，大面积组件达23.49%，运行1200小时后仍保持98.7%初始效率，且重复性是人工制备的近5倍。

标签: 机器学习 自动化制造 钙钛矿太阳能电池 钝化分子 闭环优化

科学家首次利用人工智能大规模发现细菌中大量未知的抗病毒蛋白，揭示其免疫系统远比过去认知的更庞大、更多样。这些新发现有望催生新一代基因编辑等生物技术工具。

标签: 噬菌体防御 基因组挖掘 抗病毒蛋白 机器学习 细菌免疫系统

本文开发了一种新方法：用基质辅助激光解吸电离质谱成像（MALDI-MSI）结合机器学习，无需破坏画作，就能一层层看清油画中颜料、胶结材料（如蛋清、动物胶）、清漆甚至金箔的化学成分。它能帮鉴定真伪、还原画家技法、指导文物修复，让‘看不见’的绘画历史变得一目了然。

标签: 文化遗产保护 无损检测 机器学习 绘画材料分析 质谱成像

本研究利用机器学习分析美国2020年3月至2021年12月的死亡证明数据，发现官方漏报约15.6万例新冠死亡（比报告数多19%）。漏报在教育程度低、西班牙裔/原住民/亚裔/非裔人群、低收入及基础健康差的南部县区尤为严重，揭示了美国死亡调查系统存在系统性不公。

标签: 健康不平等 新冠死亡漏报 机器学习 死亡证明 结构性不公