1. AI 教父 Geoffrey Hinton 加入 AI for Science 初创企业
剑桥的 AI 初创公司 CuspAI 获得了3000万美元的种子资金，并邀请“AI 教父”Geoffrey Hinton 担任顾问。CuspAI 成立于2024年3月，致力于利用生成 AI 和分子模拟技术开发新材料，以应对气候变化问题。公司的首个项目是开发用于改进碳捕集与封存（CCS）中多孔结构的软件，该市场因高成本一直受到阻碍。CuspAI 与 Meta 合作开发专有 AI 数据库，Meta 提供计算资源。联合创始人 Max Welling 指出，近期的研究成果展示了 AI 在生成特定晶体和聚合物方面的潜力，这是一个重要的突破。CEO Chad Edwards 表示，公司还关注绿色氢能、合成燃料和半导体制造领域的新机会。LSE 预测未来十年芯片制造将向新材料转变，以减少数据中心的能源消耗和温室气体排放。CuspAI 因其对气候变化和新材料开发的关注，预计将在这些领域做出重大贡献。Geoffrey Hinton 的加入进一步提升了 CuspAI 的声望。
2. 晶泰科技在港交所上市
6月13日，晶泰科技正式在港交所挂牌上市，成为首家港股18C上市公司。本次IPO，晶泰科技发行价5.28港元/股，全球发售1.87亿股，募集总额约10亿港元。其中引入的8名基石投资者合计认购3.377亿港元等值股份，包括恒基地产主席李家杰持有的投资控股公司 Successful Lotus、港股上市 biotech（生物科技公司）百奥赛图等。
据招股书，其是一家基于量子物理、以 AI 和机器人驱动的创新研发平台。具体到 AI 制药，晶泰科技先基于量子物理第一性原理和 AI 进行干实验室计算，其业务始于晶体结构预测，并逐步扩展到药物研发行业。为验证药物研发活动中产生的化合物，公司又建立了湿实验室能力，并在其中开发机器人进行自动化合成，以解决药物研发中这一最耗时和代价最高的部分。
3. 前 Meta 科学家融资$1.4亿美金，创立 AI 蛋白设计企业 EvolutionaryScale
EvolutionaryScale 的种子轮融资由 Lux Capital 以及转型为投资人的科技创始人 Nat Friedman 和 Daniel Gross 领投。该初创公司发布了最新一代蛋白质语言模型 ESM3 的预印本，并利用这项技术创造了一种新的发光蛋白，这在自然界中估计需要5亿年才能形成。首席科学家 Alex Rives 表示，他们的长期愿景不仅包括治疗，还涉及新蛋白质在环境和工业上的应用，如分解塑料或捕获碳的蛋白质。他们希望通过从基本原理出发进行工程设计，而不是通过反复试验来创新生物设计。
4. 让存储芯片无限次擦写！中国科学家借助 AI 开发出“无疲劳铁电材料”登上《Science》
铁电存储器（FeRAM）因其独特的物理特性，如低能耗、非破坏性读取和快速写入能力，被认为是制造非易失性存储设备的理想选择。根据 VMR 的数据显示，FeRAM 的市场规模在2023年达到13亿美元，或将在2030年达到22亿美元。然而，铁电材料的应用也面临挑战，尤其是“铁电疲劳”问题 —— 铁电材料在经历多次读写操作后性能下降的现象，限制了它们在更广泛领域的应用。
近日，电子科技大学的刘富才教授、中国科学院宁波材料技术与工程研究所的钟志诚研究员、复旦大学的李文武教授及其团队合作，通过理论计算预言了滑移铁电材料的抗疲劳特性，并基于滑移铁电机制，制备出了无疲劳二维层状滑移铁电材料。研究人员进一步通过深度势能分子动力学（DeePMD），阐明了该机制实现抗铁电疲劳的微观起源。相关研究成果以“Developing fatigue-resistant ferroelectrics using interlayer sliding switching”为题，发表在国际学术杂志Science上。
该联合团队基于深势科技创始人兼首席科学家张林峰博士参与并主导开发的深度势能方法进行跨尺度原子模拟分析“滑移铁电”机制能够抗铁电疲劳的微观物理起源。他们发现，与传统离子型铁电材料的离子位移不同，二维滑移铁电材料在电场的作用下层与层之间会产生整体滑移，与此同时，层间会发生电荷转移并实现面外极化翻转。
*视频注解：在DeePMD模拟中，具有两个铁电域壁和三个Vs₂的多域3R-MoS₂双层在1纳秒内经历25个电场周期的动态演变。模拟温度为300开尔文。在此过程中，域壁表现出周期性的往复运动。
5. MIT 团队创立深度原理科技，获近千万美元种子轮融资
据36氪报道，深度原理科技（Deep Principle）宣布完成近千万美元种子轮融资，该轮投资由线性资本领投，真知创投和 Taihill Venture 跟投。晶泰科技与深势科技作为科技产业方参与本轮投资。深度原理科技于2024年创立，专注于人工智能驱动化学领域的科学研究。公司希望将人工智能、量子化学（Quantum Chemistry）和高通量实验（HTE）技术应用于化学材料领域，让材料创新的工作流程得以改善，加速化学材料研发创新效率。深度原理科技希望解决的问题在于，与客户合作研发终端垂类应用产品，加速化学、材料领域的创新研究效率。“相比起平台产品，这更易于普及AI带来的高效研究方法，为未来培育更大市场。”贾皓钧表示。
6. UIUC 等最新《科学大型语言模型及其在科学发现中的应用》综述发布
在许多科学领域，大型语言模型（LLMs）彻底改变了处理文本和其他数据模式（例如分子和蛋白质）的方式，在各种应用中实现了卓越的性能，并增强了科学发现过程。然而，以往关于科学 LLMs 的综述往往集中在一到两个领域或单一模式上。本文旨在通过揭示科学 LLMs 在其架构和预训练技术方面的跨领域和跨模式连接，提供一个更全面的研究视角。为此，我们全面调查了250多种科学 LLMs，讨论了它们的共性和差异，并总结了每个领域和模式的预训练数据集和评估任务。此外，我们还探讨了 LLMs 如何部署以促进科学发现。
https://github.com/yuzhimanhua/Awesome-Scientific-Language-Models
7. AI 工业仿真与设计公司 Neural Concept 融资2700万美元
Neural Concept 是一家采用深度学习算法改造工业工程流程的软件服务商。Neural Concept 在B轮融资筹集了2700万美元，此轮融资由 Forestay Capital 领投，DE Shaw Group 和现有投资者 Alven、CNB Capital、HTGF 和 Aster Group 参投。
8. 陶哲轩最新访谈：人工智能将在几年内变革数学研究！
在接受《科学光谱》（Spektrum der Wissenschaft）采访时，他表示，新型的形式化方法正为数学界的合作铺设一条崭新的道路。尤其是当人工智能领域的发展与数学融合时，可以预见，在不远的将来，数学研究的工作模式将会经历一场革新。那些长久以来悬而未决的重大数学难题，或许将不再遥不可及，我们距离它们的解答可能从未如此之近。
他设想，在未来，一个重大定理可能由20个人类和一群 AI 共同证明，每个个体负责小部分证明。随着时间推移，这些证明将彼此连接，创造出惊人的成果。这种愿景十分美好，但要实现它，还需多年，部分原因就是当前的形式化过程实在过于痛苦。
9. 85B 参数规模，史上最大生命化学模型发布
近日，Enveda Biosciences 官宣了一款名为 PRISM 的生命化学大模型，该模型在12亿个小分子质谱上进行了训练，token 总数高达850亿，是迄今为止最大的小分子质谱训练集。包括12亿张高质量小分子光谱，其中约一半来自三个主要公共数据存储库（GNPS、MetaboLights、Metabolomics Workbench），而另外一半来自 Enveda 的内部代谢组学平台。接着，研究人员测试了 PRISM 对分子化学性质的预测能力，结果显示，使用相同数据下，有 PRISM 进行预训练的机器学习模型的预测效果有了明显改善，实际值和预测值之间的R方相对增加7%-16%。
10. One More Thing ..... Anthropic CEO: 药物设计、医疗健康是 AI “出圈”的机会
Dario Amodei 在近期与掌管1.5万亿美元的挪威主权基金管理人的采访中提到，AI在硅谷的小圈子内传播的风险存在，技术主要在技术公司之间循环利用。然而，他认为制药是AI真正走出硅谷圈，惠及更广泛社会的一个重要领域。他提到AI在药物开发和生物学方面的应用可以显著提高科学发现的速度和质量，进而解决长期存在的疾病问题。通过推动AI在这些领域的应用，可以确保技术创新不仅限于硅谷，而是能惠及整个社会，特别是在医疗和健康方面带来实质性的改善。
（文中部分图片来源于网络，如有侵权请告知删除）
Chief Editor: Shef
Editor: Wendy
参考资料
推荐关注
关于深势科技
