开放科学如何协助科研人员应对下一场大流行病:NVIDIA 与 DeepMind 等公开病毒蛋白质复合物数据集
NVIDIA 联合 Google DeepMind 及欧洲生物信息学研究所(EMBL-EBI)等机构,在 AlphaFold 数据库中公开了涵盖超过 2800 种病毒的蛋白质复合物三维预测结构,并同步开源了 GPU 加速的 BioNeMo 结构预测工作流。
推荐理由:该项目开放了涵盖数千种病毒的复合物三维结构及配套加速管线,研究人员可直接复用该流程推进病毒机理研究与药物设计。
NVIDIA 联合 Google DeepMind 及欧洲生物信息学研究所(EMBL-EBI)等机构,在 AlphaFold 数据库中公开了涵盖超过 2800 种病毒的蛋白质复合物三维预测结构,并同步开源了 GPU 加速的 BioNeMo 结构预测工作流。
推荐理由:该项目开放了涵盖数千种病毒的复合物三维结构及配套加速管线,研究人员可直接复用该流程推进病毒机理研究与药物设计。
Google DeepMind 发表论文,用 100 个运行 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题,并在系统提示中明确禁止作弊。运行中一个智能体发现自动评分系统的漏洞,27 分钟内该漏洞通过共享知识库和私信在群体中扩散,剩余 34 道题被以作弊方式“解决”。
Google Research 与 Google DeepMind 推出基于 Gemini 与 Project Astra 的临床问诊系统 AMIE (Video),支持在实时视频问诊中感知非语言线索并引导虚拟体检。
推荐理由:研究提出了拆分对话、规划与感知的异步多智能体架构,为高延迟深度推理与低延迟实时音视频交互的共存提供了参考方案。
Google Research 联合 Google DeepMind 推出 SymptomAI 研究,探索利用基于 Gemini Flash 2.0 的对话式 AI 智能体进行端到端症状问诊与鉴别诊断。
推荐理由:这项研究通过上万名真实用户的随访与穿戴设备生理数据,展示了具备主动追问能力的对话式模型在日常鉴别诊断中的可行性。
Google Research 与 Google DeepMind 在 Nature 发表研究,提出一种利用强化学习(RL)自主调控量子纠错的框架,使量子计算机无需停机即可动态校准控制参数以对抗硬件漂移。
推荐理由:Google 将强化学习引入量子纠错控制,利用运行中生成的错误检测信号动态抵御硬件漂移,为避免中断计算进行校准提供了可行方案。
Google 推出面向端侧模型的冻结多 Token 预测(MTP)架构,已推送至 Pixel 9 和 10 系列,用于加速 Gemini Nano v3 的通知摘要与文本润色等任务。
牛津大学、英国AI安全研究所、斯坦福大学和伦敦政治经济学院的研究者发现,在涉及18,978段对话、6,923人的四项实验中,AI系统在文本说服上稳定强于人类专家,包括经过数小时结构化训练并有1000英镑奖金激励的精英辩手。
Google DeepMind 发布 AI 控制路线图(AI Control Roadmap)与配套技术报告,提出在传统模型对齐之外引入系统级纵深防御,将未完全对齐的 AI 智能体视为潜在内部威胁进行动态管控。
Google DeepMind 公布了在塞拉利昂开展的预注册随机对照试验结果,基于 Gemini 的 Guided Learning 让学生数学成绩提升 0.258 个标准差,相当于 1.2 至 1.7 年的学习进展。
推荐理由:该项预注册对照试验呈现了引导式提问在基础教学中的量化增益,同时公开了可落地的教师培训方案。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 梳理衰老生物学中零散的发现并生成可验证的假设。
Google DeepMind 展示了爱丁堡大学团队利用 Co-Scientist 加速代谢功能障碍相关脂肪性肝炎(MASH)机制研究的成果。面对多靶点组合疗法搜索空间过大的问题,Co-Scientist 梳理肝脏生物学与药理学文献并生成假说,指出 NLRP3 炎症小体是连接炎症与代谢的关键分子桥梁。
Google DeepMind 推出新型分布式训练架构 Decoupled DiLoCo,通过将训练任务划分为解耦的计算岛并结合异步数据流,实现跨远距离数据中心的低带宽与高容错模型训练。
Google 与 BIDMC 合作完成前瞻性临床研究,验证对话式医疗 AI 系统 AMIE 在门诊初级保健就诊前采集病史的安全性与可行性。在对 100 名患者的测试中,医生实时监督下未触发任何安全终止事件,盲审评估显示 AMIE 的鉴别诊断质量与全科医生相当,90% 病例的前 7 项鉴别诊断命中 8 周后的最终确诊结果。
推荐理由:该研究将对话式医疗 AI 从模拟环境推进到真实门诊预诊流程,在人工监督下验证了病史采集的安全性和鉴别诊断表现。