hyperai/awesome-ai4s

AI for Science 论文解读合集（持续更新ing），论文/数据集/教程下载：hyper.ai

Awesome AI for Science

从 2020 年开始，以 AlphaFold 为代表的科研项目将 AI for Science (AI4S) 推向了 AI 应用的主舞台。近年来，从生物医药到天文气象、再到材料化学等基础学科，都成为了 AI 的新战场。

随着越来越多的交叉学科人才开始在其研究领域应用机器学习、深度学习等技术进行数据处理、构建模型，加之跨学科研究团队的合作日益加强，AI4S 的能力被更多科研人员所关注到，但却未达到规模化应用的目标。提高相关研究的可复用性、降低技术门槛、提高数据质量等诸多问题亟待解决。

目前，除了高校、科研机构在积极探索 AI4S 外，多国政府及头部科技企业也都关注到了 AI 革新科研的潜力，并进行了相关的政策疏导与布局，可以说 AI4S 已经是大势所趋。

作为最早一批关注到 AI for Science 的社区，「HyperAI 超神经」在陪伴行业成长的同时，也乐于将最新的研究进展与成果进行普适化分享，我们希望通过解读前沿论文与政策的方式，令更多团队看到 AI 对于科研的帮助，为 AI for Science 的发展贡献力量。

目前，HyperAI 超神经已经解读分享了近百篇论文，为了便于大家检索，我们将文章根据学科进行分类，并展示了发表期刊及时间，提取了关键词（研究团队、相关研究、数据集等），大家可以点击题目获取解读文章（内含完整论文下载链接），或者直接点击论文标题查看原文。

本文档将以开源项目的形式呈现，我们将持续更新解读文章，同时也欢迎大家投稿优秀研究成果，如果您所在的团队/课题组有报道需求，可添加微信：神经星星（微信号：Hyperai01）。

AI+ 生物医药

1. AdaDR 在药物重定位方面的性能优于多个基准方法

• 科研团队： 中南大学李敏研究团队

• 相关研究： Gdataset 数据集、Cdataset 数据集、Ldataset 数据集、LRSSL 数据集、GCNs 框架、AdaDR

• 发布期刊： Bioinformatics, 2024.01

• 论文链接： Drug repositioning with adaptive graph convolutional networks

2. IMN4NPD 加快分子网络中广泛集群的去复制，对自循环与成对节点提供标注

• 科研团队： 中南大学刘韶研究团队

• 相关研究： MS/MS 光谱数据库、Structure 数据库、molDiscovery、NPClassifier、molDiscovery、t-SNE

• 发布期刊： Analytical Chemistry, 2024.02

• 论文链接： IMN4NPD: An Integrated Molecular Networking Workflow for Natural Product Dereplication

3. 深度生成模型 MIDAS 用于单细胞多组学数据马赛克整合

• 科研团队： 军事医学研究院应晓敏研究团队

• 相关研究： IPBMC 数据集、dogma-full 数据集、teadog-full 数据集、MMIDAS、self-supervised learning、information-theoretic approaches、深度神经网络、SGVB、单细胞多组学马赛克数据

• 发布期刊： Nature Biotechnology, 2024.01

• 论文链接： Mosaic integration and knowledge transfer of single-cell multimodal data with MIDAS

4. 基于蛋白质口袋的 3D 分子生成模型——ResGen

• 科研团队： 浙大侯廷军研究团队

• 相关研究： CrossDock2020 数据集、全局自回归、原子自回归、并行多尺度建模、SBMG。比最优技术快 8 倍

• 发布期刊： Nature Machine Intelligence, 2023.09

• 论文链接： ResGen is a pocket-aware 3D molecular generation model based on parallel multiscale modelling

5. 大模型 + 机器学习高精度预测酶动力学参数

• 科研团队： 中科院罗小舟研究团队

• 相关研究： kcat/Km 数据集、米氏常数数据集、pH 和温度数据集、DLKcat 数据集、UniKP 框架、ProtT5-XL-UniRef50、SMILES Transformer model、集成性模型、随机森林、极端随机树、线性回归模型

• 发布期刊： Nature Communications, 2023.12

• 论文链接： UniKP: a unified framework for the prediction of enzyme kinetic parameters

6. MIT 利用深度学习发现新型抗生素

• 科研团队： MIT 研究团队

• 相关研究： Mcule 数据库、Broad Institute 数据库、图神经网络 Chemprop、深度学习。筛选出 3,646 种抗生素化合物

• 发布期刊： Nature, 2023.12

• 论文链接： Discovery of a structural class of antibiotics with explainable deep learning

7. 神经网络解密 GPCR-G 蛋白偶联选择性

• 科研团队： 佛罗里达大学的研究人员

• 相关研究： 二元分类神经网络、机器学习、无监督深度学习模型。建立了包括不同哺乳动物的 124 种 GPCRs 的粗粒度模型

• 发布期刊： Cell Reports, 2023.09

• 论文链接： Rules and mechanisms governing G protein coupling selectivity of GPCRs

8. Macformer 将无环药物菲卓替尼大环化

• 科研团队： 华东理工大学的李洪林课题组

• 相关研究： ZINC 数据集、ChEMBL 数据库、深度学习模型、Transformer 架构、Macformer

• 发布期刊： Nature Communication, 2023.07

• 论文链接： Macrocyclization of linear molecules by deep learning to facilitate macrocyclic drug candidates discovery

9. 快速自动扫描套件 FAST 高效获取样本信息

• 科研团队： 美国阿贡国家实验室的研究人员

• 相关研究： SLADS-Net 方法、路径优化技术。优先识别异质性区域、准确复制全扫描图像中所有主要特征

• 发布期刊： Nature Communications, 2023.09

• 论文链接： Demonstration of an AI-driven workflow for autonomous high-resolution scanning microscopy

10. 回归网络 + CGMD，预测百亿种多肽的自组装特性

• 科研团队： 西湖大学的李文彬课题组

• 相关研究： 拉丁超立方采样、CGMD 模型、AP 预测模型、Transformer、MLP、TRN 模型。得到了五肽和十肽的 AP

• 发布期刊： Advanced Science, 2023.09

• 论文链接： Deep Learning Empowers the Discovery of Self-Assembling Peptides with Over 10 Trillion Sequences

11. 无监督学习预测 7100 万种基因突变

• 科研团队： 谷歌 DeepMind 研究团队

• 相关研究： ClinVar 数据集、AlphaFold、弱标签学习、无监督学习、AlphaMissense

• 发布期刊： Science, 2023.09

• 论文链接： Accurate proteome-wide missense variant effect prediction with AlphaMissense

12. 基于图神经网络 (GNN) 开发气味分析 AI

• 科研团队： Google Research 的分支 Osmo 公司

• 相关研究： GS-LF 数据库、GNN、贝叶斯优化算法。在 53% 的化学分子、55% 的气味描述词判断中优于人类

• 发布期刊： Science, 2023.08

• 论文链接： A principal odor map unifies diverse tasks in olfactory perception

13. 图神经网络筛选安全高效的抗衰老成分

• 科研团队： 麻省理工学院的研究人员

• 相关研究： 深度学习、GNN、卷积神经网络。Chemprop 模型的正预测率为 11.6%，高于人工筛选的 1.9%

• 发布期刊： Nature Aging, 2023.05

• 论文链接： Discovering small-molecule senolytics with deep neural networks

14. 机器学习量化分析多巴胺的释放量和释放位置

• 科研团队： 美国加利福尼亚大学伯克利分校的研究团队

• 相关研究： SVM、RF、机器学习。对刺激强度的判断准确率达 0.832、对多巴胺释放脑区的判断准确率达 0.708

• 发布期刊： ACS Chemical Neuroscience, 2023.06

• 论文链接： Identifying Neural Signatures of Dopamine Signaling with Machine Learning

15. 机器学习发现三种抗衰老药物

• 科研团队： 梅奥诊所的 James L. Kirkland 博士等人

• 相关研究： 机器学习、随机森林模型、5 倍交叉验证、随机森林（RF）模型。发现抗衰老药物 Ginkgetin、Periplocin 和 Oleandrin

• 发布期刊： Nature Communications, 2023.06

• 论文链接： Discovery of Senolytics using machine learning

16. 深度学习筛选抑制鲍曼不动杆菌的新型抗生素

• 科研团队： 麦克马斯特大学、麻省理工学院的研究人员

• 相关研究： Broad 研究所的高通量筛选子库、机器学习、深度学习。筛选了大约 7,500 个分子，发现了一种名为 abaucin 的抗菌化合物

• 发布期刊： Nature Chemical Biology, 2023.05

• 论文链接： Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii

17. 机器学习模型应用于预测生物墨水可打印性

• 科研团队： 圣地亚哥德孔波斯特拉大学、伦敦大学学院的研究人员

• 相关研究： 机器学习模型、ANN、SVM、RF、kappa、R²、MAE。准确率高达 97.22%

• 发布期刊： International Journal of Pharmaceutics: X, 2023.12

• 论文链接： Predicting pharmaceutical inkjet printing outcomes using machine learning

18. 机器学习分化多能干细胞

• 科研团队： 北京大学赵扬课题组、张钰课题组联合北京交通大学刘一研课题组

• 相关研究： 活细胞成像技术、机器学习、弱监督模型、pix2pix 深度学习模型。分化效率从 21.6% ± 2.7% 提升至 88.8% ± 10.5%

• 发布期刊： Cell Discovery, 2023.06

• 论文链接： A live-cell image-based machine learning strategy for reducing variability in PSC differentiation systems

19. 机器学习模型预测长效注射剂药物释放速率

• 科研团队： 多伦多大学研究人员

• 相关研究： MLR、Lasso、PLS、DT、RF、LGBM、XGB、自 NGB、SVR、k-NN、NN、嵌套交叉验证、最远邻聚类算法

• 发布期刊： Nature Communications, 2023.01

• 论文链接： Machine learning models to accelerate the design of polymeric long-acting injectables

20. 机器学习算法有效预测植物抗疟性

• 科研团队： 英国皇家植物园及圣安德鲁斯大学的研究人员

• 相关研究： Logit、SVC、XGB、BNN、GridSearchCV 算法、10 折分层交叉验证、马尔可夫链蒙特卡洛迭代。准确率为 0.67

• 发布期刊： Frontiers in Plant Science, 2023.05

• 论文链接： Machine learning enhances prediction of plants as potential sources of antimalarials

AI+ 医疗健康

1. 深度学习系统 DeepDR Plus 用眼底图像预测糖尿病视网膜病变

• 科研团队： 上海交通大学贾伟平、李华婷和盛斌教授团队，清华大学黄天荫研究团队

• 相关研究： SDPP 数据、DRPS 数据、ResNet-50、眼底模型、自监督学习、 IBS 评估模型、元数据模型、组合模型。将临床应用的平均筛查间隔从 12 个月延长至 31.97 个月

• 发布期刊： Nature Medicine, 2024.01

• 论文链接： A deep learning system for predicting time to progression of diabetic retinopathy

2. 逻辑回归模型分析高绿色景观指数可降低 MetS 风险

• 科研团队： 浙江大学吴息凤研究团队

• 相关研究： 卷积神经网络模型、逻辑回归模型、Isochrone API

• 发布期刊： Nature Medicine, 2024.01

• 论文链接： Beneficial associations between outdoor visible greenness at the workplace and metabolic syndrome in Chinese adults

3. 深度学习系统助力初级眼科医生的诊断一致性提高 12%

• 科研团队： 北京协和医院、四川大学华西医院、河北医科大学第二医院、天津医科大学眼科医院、温州医科大学附属眼视光医院、北京致远慧图科技有限公司、**人民大学研究团队

• 相关研究： quality assessment model、diagnostic model、CNN。为 13 种眼底疾病的自动检测提供新方法

• 发布期刊： npj digital medicine, 2024.01

• 论文链接： The performance of a deep learning system in assisting junior ophthalmologists in diagnosing 13 major fundus diseases: a prospective multi-center clinical trial

4. GSP-GCNs 实现帕金森病诊断准确率高达 90.2%

• 科研团队： 中科院深圳先进技术研究院和中山大学附属第一医院研究团队

• 相关研究： 图信号处理模块 (GSP) 、图网络模块 (graph-network module) 、分类器 (classifier) 、可解释模型 ( interpretable model)

• 发布期刊： npj Digital Medicine, 2024.01

• 论文链接： An interpretable model based on graph learning for diagnosis of Parkinson’s disease with voice-related EEG

5. 乳腺癌预后评分系统 MIRS

• 科研团队： 美国肯塔基大学、澳门科技大学、澳门大学、广州医科大学研究团队

• 相关研究： TCGA 数据库、神经网络模型、预后评分系统、ESTIMATE 算法、机器学习、XGboost 、 Borota RF、ElasticNet

• 发布期刊： iScience, 2023.11

• 论文链接： MIRS: An AI scoring system for predicting the prognosis and therapy of breast cancer

6. 视网膜图像基础模型 RETFound，预测多种系统性疾病

• 科研团队： 伦敦大学学院和 Moorfields 眼科医院的在读博士周玉昆等人

• 相关研究： 自监督学习、MEH-MIDAS 数据集、EyePACS 数据集、SL-ImageNet、SSL-ImageNet、SSL-Retinal。RETFound 模型预测 4 种疾病的性能均超越对比模型

• 发布期刊： Nature, 2023.08

• 论文链接： A foundation model for generalizable disease detection from retinal images

7. SVM 优化触觉传感器，盲文识别率达 96.12%

• 科研团队： 浙江大学的杨赓和徐凯臣课题组

• 相关研究： SVM 算法、机器学习、CNN、自适应矩估计算法。优化后的传感器能准确识别 6 种动态触摸模式

• 发布期刊： Advanced Science, 2023.09

• 论文链接： Machine Learning-Enabled Tactile Sensor Design for Dynamic Touch Decoding

8. 中科院基因组所建立开放生物医学成像档案

• 科研团队： 中科院基因组所

• 相关研究： TCIA 癌症影像数据库、de-identification、quality control、Collection、Individual、Study、 Series, Image、三元组网络、attention module

• 发布期刊： bioRxiv, 2023.08

• 论文链接： Self-supervised learning of hologram reconstruction using physics consistency

9. AI Lunit 阅读乳腺 X 光片的准确率与医生相当

• 科研团队： 英国诺丁汉大学的研究团队

• 相关研究： PERFORMS 数据集，标注 + 评分。AI 的灵敏度与医生一致、特异性与医生没有显著差异

• 发布期刊： Radiology, 2023.09

• 论文链接： Performance of a Breast Cancer Detection AI Algorithm Using the Personal Performance in Mammographic Screening Scheme

10. 特征选择策略检测乳腺癌生物标志物

• 科研团队： 意大利那不勒斯费德里科二世大学研究人员

• 相关研究： 机器学习、特征选择策略、TCGA/GEO 数据集、Gain Ratio、RF、SVM-RFE。SVM-RFE 的稳定性和获得的 signature 预测能力最高

• 发布期刊： CIBB 2023, 2023.07

• 论文链接： Robust Feature Selection strategy detects a panel of microRNAs as putative diagnostic biomarkers in Breast Cancer

11. 梯度提升机模型准确预测 BPSD 亚综合征

• 科研团队： 韩国延世大学研究团队

• 相关研究： 机器学习模型、多重插补方法、逻辑回归模型、随机森林模型、梯度提升机模型、支持向量机模型。梯度提升机模型平均 AUC 值最高

• 发布期刊： Scientifc Reports, 2023.05

• 论文链接： Machine learning‑based predictive models for the occurrence of behavioral and psychological symptoms of dementia: model development and validation

12. 机器学习模型预测患者一年内死亡率

• 科研团队： **湖北省麻城市人民医院的研究人员

• 相关研究： 逻辑回归模型、机器学习模型、GBM、RF、DT。良好的临床实用性，与一年死亡率相关的前 3 个特征分别是 NT-proBNP、白蛋白和他汀类药物

• 发布期刊： Cardiovascular Diabetology, 2023.06

• 论文链接： Machine learning-based models to predict one-year mortality among Chinese older patients with coronary artery disease combined with impaired glucose tolerance or diabetes mellitus

13. AI 新脑机技术让失语患者「开口说话」

• 科研团队： 加州大学团队

• 相关研究： nltk Twitter 语料库、多模态语音神经假体、脑机接口、深度学习模型、Cornell 电影语料库、合成语音算法、机器学习

• 发布期刊： Nature, 2023.08

• 论文链接： A high-performance neuroprosthesis for speech decoding and avatar control

14. 基于深度学习的胰腺癌人工智能检测

• 科研团队： 阿里达摩院联合多家国内外医疗机构

• 相关研究： 深度学习、PANDA、nnU-Net、CNN、Transformer。PANDA 检测到了 5 例癌症和 26 例临床漏诊病例

• 发布期刊： Nature Medicine, 2023.11

• 论文链接： Large-scale pancreatic cancer detection via non-contrast CT and deep learning

AI+ 材料化学

1. 高通量计算框架 33 分钟生成 12 万种新型 MOFs 候选材料

• 科研团队： 美国阿贡国家实验室 Eliu A. Huerta 研究团队

• 相关研究： hMOFs 数据集、生成式 AI、GHP-MOFsassemble、MMPA、DiffLinker、CGCNN、GCMC

• 发布期刊： Nature, 2024.02

• 论文链接： A generative artificial intelligence framework based on a molecular diffusion model for the design of metal-organic frameworks for carbon capture

2. 机器学习算法模型筛选 P-SOC 电极材料

• 科研团队： 广州大学叶思宇研究团队

• 相关研究： XGBoost、机器学习模型、RF、DFT。成功筛选电极材料 LCN91

• 发布期刊： ADVANCED FUNCTIONAL MATERIALS, 2023.12

• 论文链接： Machine-Learning Assisted Screening Proton Conducting Co/Fe based Oxide for the Air Electrode of Protonic Solid Oxide Cell

3. SEN 机器学习模型，实现高精度的材料性能预测

• 科研团队： 中山大学李华山、王彪课题组

• 相关研究： Materials Project 数据库、SEN、capsule mechanism、深度学习。SEN 模型预测带隙和形成能的平均绝对误差，分别比常见机器学习模型低约 22.9% 和 38.3%。

• 发布期刊： Nature Communications, 2023.08

• 论文链接： Material symmetry recognition and property prediction accomplished by crystal capsule representation

4. 深度学习工具 GNoME 发现 220 万种新晶体

• 科研团队： 谷歌 DeepMind 研究团队

• 相关研究： GNoME 数据库、GNoME、SOTA GNN 模型、深度学习、Materials Project、OQMD、WBM、ICSD

• 发布期刊： Nature, 2023.11

• 论文链接： Scaling deep learning for materials discovery

5. 场诱导递归嵌入原子神经网络可准确描述外场强度、方向变化

• 科研团队： **科学技术大学的蒋彬课题组

• 相关研究： 场诱导递归嵌入原子神经网络 FIREANN、FIREANN-wF 模型。可准确描述外场强度和方向的变化时系统能量的变化趋势，还能对任意阶数的系统响应进行预测

• 发布期刊： Nature Communication, 2023.10

• 论文链接： Universal machine learning for the response of atomistic systems to external fields

6. 机器学习预测多孔材料水吸附等温线

• 科研团队： 华中科技大学的李松课题组

• 相关研究： EWAID 数据库、机器学习模型、RF、ANN。RF 预测水吸附等温线有高精度和高灵敏度

• 发布期刊： Journal of Materials Chemistry A, 2023.09

• 论文链接： Machine learning-assisted prediction of water adsorption isotherms and cooling performance

7. 利用机器学习优化 BiVO(4) 光阳极的助催化剂

• 科研团队： 清华大学朱宏伟课题组

• 相关研究： ML、神经网络、AdaBoost 算法、Gradient Boosting、自解释模型、Bagging 算法、交叉验证

• 发布期刊： Journal of Materials Chemistry A, 2023.10

• 论文链接： A comprehensive machine learning strategy for designing high-performance photoanode catalysts

8. RetroExplainer 算法基于深度学习进行逆合成预测

• 科研团队： 山东大学、电子科技大学课题组

• 相关研究： RetroExplainer、深度学习、MSMS-GT、DAMT、可解释的决策模块、路线预测模块。RetroExplainer 提出的合成路线中，86.9% 的反应得到了文献的验证

• 发布期刊： Nature Communications, 2023.10

• 论文链接： Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks

9. 深度神经网络+自然语言处理，开发抗蚀合金

• 科研团队： 德国马克思普朗克铁研究所的研究人员

• 相关研究： DNN、NLP。读取有关合金加工和测试方法的文本数据，有预测新元素的能力

• 发布期刊： Science Advances, 2023.08

• 论文链接： Enhancing corrosion-resistant alloy design through natural language processing and deep learning

10. 深度学习通过表面观察确定材料的内部结构

• 科研团队： 麻省理工学院的研究人员

• 相关研究： 深度学习、FEA 计算、Abaqus 可视化工具、GAN、ViViT、CNN

• 发布期刊： Advanced Materials, 2023.03

• 论文链接： Fill in the Blank: Transferrable Deep Learning Approaches to Recover Missing Physical Field Information

AI+ 动植物科学

1. SBeA 基于少样本学习框架进行动物社会行为分析

• 科研团队： 中科院深圳先进院蔚鹏飞研究团队

• 相关研究： PAIR-R24M 数据集、双向迁移学习、非监督式学习、人工神经网络、身份识别模型。在多动物身份识别方面的准确率超过 90%

• 发布期刊： Nature Machine Intelligence, 2024.01

• 论文链接： Multi-animal 3D social pose estimation, identification and behaviour embedding with a few-shot learning framework

2. 基于孪生网络的深度学习方法，自动捕捉胚胎发育过程

• 科研团队： 系统生物学家 Patrick Müller 及康斯坦茨大学研究人员

• 相关研究： ImageNet 数据集、孪生网络、深度学习、迁移学习、三联体损失训练、迭代训练、分任务训练。在没有人为干预的情况下识别胚胎发育特征阶段点

• 发布期刊： Nature Methods, 2023.11

• 论文链接： Uncovering developmental time and tempo using deep learning

3. 利用无人机采集植物表型数据的系统化流程，预测最佳采收日期

• 科研团队： 东京大学和千叶大学的研究人员

• 相关研究： 利润预测模型、分割模型、交互式标注、LabelMe、非线性回归模型、BiSeNet 模型

• 发布期刊： Plant Phenomics, 2023.09

• 论文链接： Drone-Based Harvest Data Prediction Can Reduce On-Farm Food Loss and Improve Farmer Income

4. AI 相机警报系统准确区分老虎和其他物种

• 科研团队： 克莱姆森大学的研究人员

• 相关研究： TrailGuard AI。1 分钟内将相关图像传到保护区管理员的终端设备上

• 发布期刊： BioScience, 2023.09

• 论文链接： Accurate proteome-wide missense variant effect prediction with AlphaMissense

5. 利用拉布拉多猎犬数据，对比 3 种模型，发现了影响嗅觉检测犬表现的行为特性

• 科研团队： 美国全国儿童医院阿比盖尔·韦克斯纳研究所、洛基维斯塔大学的研究人员

• 相关研究： AT 测试、Env 测试、随机森林、支持向量机、逻辑回归、PCA、RFECV

• 发布期刊： Scientific Reports, 2023.08

• 论文链接： Machine learning prediction and classification of behavioral selection in a canine olfactory detection program

6. 基于人脸识别 ArcFace Classification Head 的多物种图像识别模型

• 科研团队： 夏威夷大学的研究人员

• 相关研究： 鲸类数据集、图像修剪模型、图像识别模型、YOLOv5、Detic。达到了 0.869 的平均准确率

• 发布期刊： Methods in Ecology and Evolution, 2023.07

• 论文链接： A deep learning approach to photo–identification demonstrates high performance on two dozen cetacean species

7. 利用 Python API 与计算机视觉 API，监测日本的樱花开放情况

• 科研团队： 澳大利亚莫纳什大学的研究团队

• 相关研究： 社交网站 (SNS) 数据、Google Cloud Vision AI、机器学习模型

• 发布期刊： Flora, 2023.07

• 论文链接： The spatiotemporal signature of cherry blossom flowering across Japan revealed via analysis of social network site images

8. 基于机器学习的群体遗传方法，揭示葡萄风味的形成机制

• 科研团队： **农业科学院深圳农业基因组的研究人员

• 相关研究： 葡萄基因组序列、机器学习

• 发布期刊： Proceedings of the National Academy of Sciences, 2023.06

• 论文链接： Adaptive and maladaptive introgression in grapevine domestication

9. 综述：借助 AI 更高效地开启生物信息学研究

• 主要内容： AI 在同源搜索、多重比对及系统发育构建、基因组序列分析、基因发现等生物学领域中，都有丰富的应用案例。作为一名生物学研究人员，能熟练地将机器学习工具整合到数据分析中，必将加速科学发现、提升科研效率。

10. BirdFlow 模型准确预测候鸟的飞行路径

• 科研团队： 马萨诸塞州立大学、康奈尔大学的研究人员

• 相关研究： 计算机建模、eBird 数据集、马尔可夫模型、Hyperparameter grid search、Entropy calibration、k-week forecasting

• 发布期刊： Methods in Ecology and Evolution, 2023.01

• 论文链接： BirdFlow: Learning seasonal bird movements from eBird data

AI+ 农林畜牧业

1. 利用卷积神经网络，对水稻产量进行迅速、准确的统计

• 科研团队： 京都大学的研究人员

• 相关研究： 卷积神经网络。CNN 模型可以对不同拍摄角度、时间和时期下得到的农田照片准确分析，得到稳定的产量预测结果

• 发布期刊： Plant Phenomics, 2023.07

• 论文链接： Deep Learning Enables Instant and Versatile Estimation of Rice Yield Using Ground-Based RGB Images

2. 通过 YOLOv5 算法，设计监测母猪姿势与猪仔出生的模型

• 科研团队： 南京农业大学研究团队

• 相关研究： YOLOv5、检测母猪姿势和仔猪的模型。能够在产仔开始前 5 小时发出警报，总体平均准确率为 92.9%

• 发布期刊： Sensors, 2023.01

• 论文链接： Sow Farrowing Early Warning and Supervision for Embedded Board Implementations

3. 结合实验室观测与机器学习，证明番茄与烟草植物在胁迫环境下发出的超声波能在空气中传播

• 科研团队： 以色列特拉维夫大学的研究人员

• 相关研究： 机器学习模型、SVM、Basic、MFCC、Scattering network、神经网络模型、留一法交叉验证。识别准确率高达 99.7%、4-6 天时番茄尖叫声最大

• 发布期刊： Cell，2023.03

• 论文链接： Sounds emitted by plants under stress are airborne and informative

4. 无人机+ AI 图像分析，检测林业害虫

• 科研团队： 里斯本大学研究团队

• 相关研究： FRCNN、YOLO 模型。YOLO 模型的检测性能高于 FRCNN、无人机和 AI 模型相结合能够有效地对松异舟蛾巢穴进行早期检测

• 发布期刊： NeoBiota, 2023.05

• 论文链接： Testing early detection of pine processionary moth Thaumetopoea pityocampa nests using UAV-based methods

5. 计算机视觉+深度学习开发奶牛跛行检测系统

• 科研团队： 纽卡斯尔大学及费拉科学有限公司的研究人员

• 相关研究： 计算机视觉、深度学习、Mask-RCNN 算法、SORT 算法、CatBoost 算法。准确度可达 94%-100%

• 发布期刊： Nature, 2023.03

• 论文链接： Deep learning pose estimation for multi-cattle lameness detection

AI+ 气象研究

1. 综述：数据驱动的机器学习天气预报模型

• 主要内容： 数值天气预报是天气预报的主流方法。它通过数值积分，对地球系统的状态进行逐网格的求解，是一个演绎推理的过程。 2022 年以来，天气预报领域的机器学习模型取得了一系列突破，部分成果可以与欧洲中期天气预报中心的高精度预测匹敌。

2. 利用无监督机器学习算法 Astronomaly ，找到了之前为人忽视的异常现象

• 科研团队： 西开普大学的研究者

• 相关研究： CNN、无监督机器学习、Astronomaly、PCA、孤立森林、LOF 算法、iForest 算法、NS 算法、DR 算法。Astronomaly 从异常评分最高的 2,000 张图像中找到了 1,635 处异常

• 发布期刊： arXiv, 2023.09

• 论文链接： Astronomaly at Scale: Searching for Anomalies Amongst 4 Million Galaxies

3. 综述：从雹暴中心收集数据，利用大模型预测极端天气

• 主要内容： 2021 年，达摩院与国家气象中心联合研发了 AI 算法用于天气预测，并成功预测了多次强对流天气。同年 9 月，Deepmind 在《Nature》上发表文章，利用深度生成模型进行降雨量的实时预报。

2023 年年初，Deepmind 正式推出了 GraphCast，可以在一分钟内对全球未来 10 天的气象，进行分辨率为 0.25° 的预测。 4 月，南京信息工程大学和上海人工智能实验室合作研发了「风乌」气象预测大模型，误差较 GraphCast 进一步降低。

随后，华为推出了「盘古」气象大模型。由于模型中引出了三维神经网络，「盘古」的预测准确率首次超过了目前最准确的 NWP 预测系统。近期，清华大学和复旦大学相继发布了「NowCastNet」和「伏羲」模型。

4. 利用全球风暴解析模拟与机器学习，创建新算法，准确预测极端降水

• 科研团队： 哥伦比亚大学 LEAP 实验室

• 相关研究： 机器学习、Baseline-NN、Org-NN、神经网络

• 发布期刊： PNAS, 2023.03

• 论文链接： Implicit learning of convective organization explains precipitation stochasticity

5. 基于随机森林的机器学习模型 CSU-MLP

• 科研团队： 美国科罗拉多州立大学和国家海洋和大气管理局的研究人员

• 相关研究： GEFS/R 数据集、机器学习、插值处理、RF。可对中期（4-8 天）范围内恶劣天气进行准确预报

• 发布期刊： Weather and Forecasting, 2022.08

• 论文链接： A new paradigm for medium-range severe weather forecasts: probabilistic random forest-based predictions

AI+ 天文学

1. PRIMO 算法学习黑洞周围的光线传播规律，重建出更清晰的黑洞图像

• 科研团队： 普林斯顿高等研究院研究团队

• 相关研究： PRIMO 算法、PCA、GRMHD。PRIMO 重建黑洞图像

• 发布期刊： The Astrophysical Journal Letters, 2023.04

• 论文链接： The Image of the M87 Black Hole Reconstructed with PRIMO

2. 利用模拟数据训练计算机视觉算法，对天文图像进行锐化「还原」

• 科研团队： 清华大学及美国西北大学研究团队

• 相关研究： Galsim、COSMOS、计算机视觉算法、CNN、Richardson-Lucy 算法、unrolled-ADMM 神经网络

• 发布期刊： 皇家天文学会月刊，2023.06

• 论文链接： Galaxy image deconvolution for weak gravitational lensing with unrolled plug-and-play ADMM

AI+ 能源环境

1. 强化学习算法提前 300 毫秒预测等离子体撕裂风险

• 科研团队： 普林斯顿大学 Egemen Kolemen 研究团队

• 相关研究： OpenAI Gym 库、DNN、AI controller、EFIT、强化学习

• 发布期刊： Nature, 2024.02

• 论文链接： Avoiding fusion plasma tearing instability with deep reinforcement learning

2. ECA-Net 模型预测**未来 70 年的风能利用潜力

• 科研团队： 北师大黄国和研究团队

• 相关研究： ERA5 数据集、月度风速数据、GCM、CNN、ECA-Net

• 发布期刊： ACS publications, 2024.01

• 论文链接： Assessing Climate Change Impacts on Wind Energy Resources over China Based on CMIP6 Multimodel Ensemble

3. 轻量级模型检测光伏电池缺陷，准确率达 91.74%

• 科研团队： 东南大学自动化学院张金霞教授团队

• 相关研究： NAS、Knowledge Distillation、Normal cells、Reduction cells、DARTS、Teacher-Student 模式

• 发布期刊： Nature, 2024.03

• 论文链接： A lightweight network for photovoltaic cell defect detection in electroluminescence images based on neural architecture search and knowledge distillation

4. DEMMFL 模型预测建筑冷负荷

• 科研团队： 香港岭南大学 Qin S. Joe 研究团队

• 相关研究： DEMMFL 模型、Deep Learning 模型、Lasso 、 ridge、Lasso-ridge 回归、交叉验证、深度学习模型、ADAM

• 发布期刊： Applied Energy, 2024.02

• 论文链接： Dynamically engineered multi-modal feature learning for predictions of office building cooling loads

5. 采用机器学习发现矿物组合规律，来预测矿物位置

• 科研团队： 华盛顿卡内基科学研究所、亚利桑那大学的研究人员

• 相关研究： 大型矿物演化数据库、机器学习、Apriori 算法、矿物关联规则生成、矿物关联规则可能性度量、矿物关联规则预测矿物

• 发布期刊： PNAS Nexus, 2023.05

• 论文链接： Predicting new mineral occurrences and planetary analog environments via mineral association analysis

6. 利用物理模型和机器学习模型，预测干旱气候下光伏板表面的污垢和其他物质的累积造成的污染损失

• 科研团队： 塞浦路斯大学的研究人员

• 相关研究： Kimber 模型、You 模型、Coello 模型、XGBoost、LightGBM、CatBoost 模型

• 发布期刊： Solar Energy, 2023.05

• 论文链接： Characterizing soiling losses for photovoltaic systems in dry climates: A case study in Cyprus

7. 通过机器学习方法，预测碳捕捉过程中胺类有害气体的排放量

• 科研团队： 洛桑联邦理工学院和赫瑞瓦特大学组成的研究小组

• 相关研究： 机器学习方法、过程模型、梯度增强的决策树模型、temporal convolutional neural network

• 发布期刊： ScienceAdvances, 2023.01

• 论文链接： Machine learning for industrial processes: Forecasting amine emissions from a carbon capture plant

AI+ 自然灾害

1. 机器学习预测未来 40 年的地面沉降风险

• 科研团队： 中南大学柳建新研究团队

• 相关研究： SAR 数据集、机器学习模型、XGBR、LSTM

• 发布期刊： Journal of Environmental Management, 2024.02

• 论文链接： Machine learning-based techniques for land subsidence simulation in an urban area

2. 语义分割模型 SCDUNet++ 用于滑坡测绘

• 科研团队： 成都理工大学刘瑞研究团队

• 相关研究： Sentinel-2 多光谱数据、NASADEM 数据、滑坡数据、GLFE、CNN、DSSA、DSC、DTL、Transformer、深度迁移学习。交并比提高了 1.91% - 24.42%，F1 提高了 1.26% - 18.54%

• 发布期刊： International Journal of Applied Earth Observation and Geoinformation, 2024.01

• 论文链接： A deep learning system for predicting time to progression of diabetic retinopathy

3. 神经网络将太阳二维图像转为三维重建图像

• 科研团队： 科罗拉多州国家大气研究中心

• 相关研究： NeRFs 神经网络、SuNeRF 模型。首次揭示了太阳的两极

• 发布期刊： arxiv, 2022.11

• 论文链接： SuNeRF: Validation of a 3D Global Reconstruction of the Solar Corona Using Simulated EUV Images

4. 可叠加神经网络分析自然灾害中的影响因素

• 科研团队： 加利福尼亚大学洛杉矶分校的研究人员

• 相关研究： 可叠加神经网络、半自动检测算法、additive ANN、SNN、特征选择模型、多阶段训练

• 发布期刊： Communications Earth & Environment, 2023.05

• 论文链接： Landslide susceptibility modeling by interpretable neural network

5. 利用可解释性 AI ，分析澳大利亚吉普斯兰市的不同地理因素

• 科研团队： 澳大利亚国立大学、悉尼科技大学的研究人员

• 相关研究： 随机森林模型、机器学习模型、交叉验证技术。XAI 可以根据地理特征对野火发生进行有效预测

• 发布期刊： ScienceDirect, 2023.06

• 论文链接： Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model

AI4S 政策解读

1. 科技部出台政策防范学术界 AI 枪手

• 发布时间： 2023.12

• 详情链接： 科技部监督司发布《负责任研究行为规范指引（2023）》

2. 政策：科技部会同自然科学基金委启动「人工智能驱动的科学研究」( AI for Science ) 专项部署工作

• 发布时间： 2023.03

• 详情链接： 科技部启动“人工智能驱动的科学研究”专项部署工作

其他

1. TacticAI 足球助手战术布局实用性高达 90%

• 科研团队： 谷歌 DeepMind 与利物浦足球俱乐部

• 相关研究： Geometric deep learning、GNN、predictive model、generative model。射球机会提升 13%

• 发布期刊： Nature, 2024.03

• 论文链接： TacticAI: an AI assistant for football tactics

2. 去噪扩散模型 SPDiff 实现长程人流移动模拟

• 科研团队： 清华大学电子工程系城市科学与计算研究中心、清华大学深圳国际研究生院深圳市泛在数据赋能重点实验室、鹏城实验室的研究人员

• 相关研究： GC 数据集、UCY 数据集、条件去噪扩散模型、SPDiff、GN、EGCL、LSTM、多帧推演训练算法。5% 训练数据量即可达到最优性能

• 发布期刊： Nature, 2024.02

• 论文链接： Social Physics Informed Diffusion Model for Crowd Simulation

3. 智能化科学设施推进科研范式变革

• 科研团队： 上海交通大学梅宏研究团队

• 相关研究： 科学领域大模型、生成式模拟与反演、自主智能无人实验、大规模可信科研协作、AI 科研助手

• 发布期刊： **科学院院刊，2023.12

• 论文链接： AI for Science：智能化科学设施变革基础研究

4. DeepSymNet 基于监督学习来表示符号表达式

• 科研团队： **科学院半导体研究所吴敏研究团队

• 相关研究： 符号网络数据集、DSNOrg、DSNB、DSNBM、监督学习。使用标签更短、减少预测的搜索空间、提升算法鲁棒性

• 发布期刊： Journals & Magazines, 2023.11

• 论文链接： Discovering Mathematical Expressions Through DeepSymNet: A Classification-Based Symbolic Regression Framework

5. 大语言模型 ChipNeMo 辅助工程师完成芯片设计

• 科研团队： 英伟达研究团队

• 相关研究： 领域自适应技术、NVIDIA NeMo、domain-adapted retrieval models、RAG、supervised fine-tuning with domain-specific instructions、DAPT、SFT、Tevatron、LLM

• 发布期刊： Journals & Magazines, 2024.03

• 论文链接： ChipNeMo: Domain-Adapted LLMs for Chip Design

6. AlphaGeometry 可解决几何学问题

• 科研团队： 谷歌 DeepMind 研究团队

• 相关研究： neural language model、symbolic deduction engine、语言模型

• 发布期刊： Nature, 2024.01

• 论文链接： Solving olympiad geometry without human demonstrations

7. 强化学习用于城市空间规划

• 科研团队： 清华大学李勇研究团队

• 相关研究： 深度强化学习、human–artificial intelligence collaborative 框架、城市规划模型、策略网络、价值网络、GNN。在服务和生态指标上击败了 8 名专业人类规划师

• 发布期刊： Nature Computational Science, 2023.09

• 论文链接： Spatial planning of urban communities via deep reinforcement learning

8. ChatArena 框架，与大语言模型一起玩狼人杀

• 科研团队： 清华大学李鹏研究团队

• 相关研究： 非参数学习机制、语言模型、Prompt

• 发布期刊： arxiv, 2023.09

• 论文链接： Exploring Large Language Models for Communication Games: An Empirical Study on Werewolf

9. 综述：30 位学者合力发表 Nature，10 年回顾解构 AI 如何重塑科研范式

• 主要内容： 来自斯坦福大学计算机科学与基因技术学院的博士后 Hanchen Wang，与佐治亚理工学院计算科学与工程专业的 Tianfan Fu，以及康奈尔大学计算机系的 Yuanqi Du 等 30 人，回顾了过去十年间，基础科研领域中的 AI 角色，并提出了仍然存在的挑战和不足

• 论文链接： Scientific discovery in the age of artificial intelligence

10. Ithaca 协助金石学家进行文本修复、时间归因和地域归因的工作

• 科研团队： DeepMind 和威尼斯福斯卡里大学的研究人员

• 相关研究： I.PHI 数据集、Ithaca 模型、Kullback-Leibler 散度、交叉熵损失函数。文本修复工作的准确率达到 62%，时间归因误差在 30 年内，地域归因准确率达到 71%

• 发布期刊： Nature, 2020.03

• 论文链接： Restoring and attributing ancient texts using deep neural networks

11. AI 在超光学中的正问题及逆问题、基于超表面系统的数据分析

• 科研团队： 香港城市大学的研究人员

• 相关研究： Predicting NN、深度神经网络。预测准确率达到 99% 以上

• 发布期刊： ACS Publications, 2022.06

• 论文链接： Artificial Intelligence in Meta-optics