AI4Shttps://ai4s.1956.si人工智能与科研方法、统计分析和实验实践。https://ai4s.1956.si/news/82faee1a0a149152d02347f28d3ca0df/AI4S科学智能风口来临，万亿科研产业链拆解https://ai4s.1956.si/news/82faee1a0a149152d02347f28d3ca0df/https://ai4s.1956.si/news/45eeedbff32f423425299e6f7dec5441/中国 AI4S 的方法前沿：12 个研究节点，四条技术路径https://ai4s.1956.si/news/45eeedbff32f423425299e6f7dec5441/中国AI4S的方法竞争，集中在表示科学对象、预测系统演化、选择昂贵样本并接通实验反馈。本文比较12个研究节点，覆盖研究机构、科研组织、企业和个人，串联天气代理模型、方程发现、三维分子表征、抗体扩散设计、原子势预训练、主动学习与机器人实验，解释方法的输入、输出和关键设计，并讨论数据、算力和评价的衔接。https://ai4s.1956.si/news/9a7e1b5eeb55565059146623cc287519/求解 PDE 时，核几何需要各自学习吗？KAPI-LM 的共享与压缩思路https://ai4s.1956.si/news/9a7e1b5eeb55565059146623cc287519/KAPI-LM 用少量共享几何变量组织完整 RBF 核字典，同时保留每个核的独立展开系数，让核数量与几何自由度可以分别选择。本文结合论文报告的近似性质和多类 PDE 实验，解释共享效果为何依赖具体问题、不同优化方式为何产生不同几何，并提出利用残差热点比较局部放开共享、补充细尺度核与改善训练的方法。https://ai4s.1956.si/news/e64da8c101a6356f372379269c9b414b/分子对接如何兼顾构象合理性与推理效率？IFMDock 的相互作用引导思路https://ai4s.1956.si/news/e64da8c101a6356f372379269c9b414b/IFMDock 从 RDKit 生成的合理构象出发，在笛卡尔坐标空间中以配体—蛋白相互作用引导等变流匹配。论文报告其在 PoseBusters 和 DeepDockingDare 上改善了对接准确性、物理有效性与推理效率。这一路线将构象质量纳入生成过程，也提示效率评价需要同时考察采样步骤、候选数量和完整流程成本。