AI for Science

Emyx: Fast and efficient all-atom protein generation

Emyx: 快速高效的全原子蛋白质生成

Nicholas J. Williams, Ward Haddadin, Matteo P. Ferla, Constantin Schneider, Nicholas B. Woodall, Ruby Sedgwick, Christian D. Madsen, Andrew L. Hopkins, Edward O. Pyzer-Knapp

专题命中 蛋白质与生物分子 ：提出全原子蛋白质生成模型，用于酶设计。

AI总结 提出Emyx，一种140M参数的流匹配模型，通过轻量条件表示和稀疏连接降低复杂度，在酶设计基准上超越现有方法，训练仅需682 GPU小时。

Protein Representation Learning with Secondary-Structure and Energy-Filtered Hydrogen-Bond Graphs

基于二级结构和能量过滤氢键图的蛋白质表示学习

Mohamed Mouhajir, Limei Wang, El Houcine Bergou, Hajar El Hammouti, Lamiae Azizi, Dongqi Fu

专题命中 蛋白质与生物分子 ：提出二级结构感知图神经网络用于蛋白质表示。

AI总结 提出一种二级结构感知的图神经网络，通过增强残基节点表示并基于能量过滤的氢键构建边，以捕获局部结构上下文和长程耦合，在蛋白质基准上取得一致改进并增强生物学可解释性。

Journal ref The 25th International Workshop on Data Mining in Bioinformatics (BIOKDD 2026)

PepALD: Macrocyclic Peptide Generation via Autoregressive Latent Diffusion

PepALD: 通过自回归潜在扩散生成大环肽

Junming Zhang, Siyu Yi, Wei Ju, Zhonghui Gu

专题命中 蛋白质与生物分子 ：大环肽生成，属于蛋白质设计

AI总结 提出PepALD模型，结合自回归潜在扩散与化学嵌入，实现从头设计大环肽，并利用偏好优化提升亲和力，在生成质量和奖励优化上优于基线。

Comments 18 pages, 5 figures, 3 tables

bioETH-Beacon: A Confidential On-Chain Genomic Beacon with Encrypted Counts, Filters, and Bounded Noise over a Fully Homomorphic EVM

bioETH-Beacon: 基于全同态EVM的机密基因组信标，支持加密计数、过滤和有界噪声

Christos Galanopoulos, Kimon Antonios Provatas, Ilias Georgakopoulos-Soares

专题命中 其他科学智能 ：基因组信标查询，隐私保护基因组学，属于科学智能

AI总结 提出基于全同态EVM的智能合约原型bioETH-Beacon，实现加密基因组信标查询，通过加密计数、有界噪声和访问控制抵御成员推理攻击，并优化查询成本。

Comments 11 pages, 6 figures, 8 tables. Research prototype for privacy-preserving genomics using Fully Homomorphic Encryption (FHE) on blockchain (fhEVM)

Two Flavon Froggatt-Nielsen Models with Genetic Algorithms

双味标量Froggatt-Nielsen模型与遗传算法

Miguel Crispim Romão, Stephen F. King

专题命中 其他科学智能 ：遗传算法扫描Froggatt-Nielsen模型

AI总结 利用遗传算法系统扫描双味标量Froggatt-Nielsen模型，发现其真空期望值相对相位提供CP破坏源，并找到超过10万个唯象可行模型。

Comments 37 pages, 7 figures

Calibration without labels in multiple testing

多重检验中的无标签校准

Adway S. Wadekar, Jake A. Soloff

专题命中 其他科学智能 ：提出多重检验无标签校准方法，应用于统计和神经科学

AI总结 针对多重检验中无法观测真实标签的难题，利用有序p值间距构造伪标签，实现局部错误发现率的校准，并揭示q值在心理学和神经科学文献中可能严重失准。

Oscillations and Spatial Patterns in Large-Scale Stochastic Gene Regulatory Networks

大规模随机基因调控网络中的振荡与空间模式

Manuel Eduardo Hernández-García, Jorge Velázquez-Castro

专题命中 其他科学智能 ：分析基因调控网络振荡与空间模式，数学建模

AI总结 研究负反馈与扩散的循环基因调控网络，通过确定性和随机方法分析其稳定性，发现随机波动可诱导图灵失稳，为理解发育中的模式形成提供新视角。

Comments 16 pages, 10 figures

BioHarness: Substrate-Aware Evidence Assembly for Biomedical Question Answering across Literature, Knowledge Bases, and Biological Atlases

BioHarness：面向生物医学问答的底物感知证据组装——跨文献、知识库和生物图谱

Meng Xiao, Chuan Qin, Jinmiao Chen, Yihang Cheng, Yuanchun Zhou, Hengshu Zhu

专题命中 其他科学智能 ：面向生物医学问答的检索增强生成系统

AI总结 提出BioHarness，通过级联控制机制在文献检索、知识库和生物图谱间选择性组装证据，提升生物医学问答准确率，在19,302个问答项上得分从65.9提升至71.0。

Comments 14 Pages, 11 Figures, Keywords: biomedical question answering; retrieval-augmented generation; large language models; evidence assembly; biomedical knowledge bases; biological atlases

SSH-Net: A Deep Neural Network for Predicting Failure Time Distribution Functions under Competing Risks with Application to GPU Data

SSH-Net: 一种用于竞争风险下预测失效时间分布函数的深度神经网络及其在GPU数据上的应用

Jie Min, Yueyao Wang, Mengkun Chen

专题命中 其他科学智能 ：提出深度神经网络预测失效时间，应用于GPU数据，属于科学智能

AI总结 提出结构化分段风险深度神经网络（SSH-Net），通过将网络结构与数据结构关联，允许不同协变量组通过子网络影响预测，在竞争风险框架下预测失效时间分布函数，仿真和GPU数据验证了准确性。

Modularity-Free Conflict-Averse Training for Generalized PINNs

面向广义PINN的无模块化冲突规避训练

Heejo Kong, Beomchul Park, Sung-Jin Kim, Seong-Whan Lee

专题命中 物理仿真 ：PINNs求解PDE，物理信息神经网络。

AI总结 针对过参数化PINN因功能模块化导致冲突规避优化失效的问题，提出ModSync框架，通过惩罚任务专属连接并保留交互路径，实现结构优化与冲突规避训练的融合，在多种PDE基准上达到最先进精度。

Comments Accepted by ICASSP 2026

Learning universal approximations for partial differential equations with Physics-Informed Broad Learning System

基于物理信息广度学习系统的偏微分方程通用逼近学习

Zhiwen Yu, Derong Yang, Liujian Zhang, Kaixiang Yang, Peilin Zhan, Jianmin Lv, Jane You, C. L. Philip Chen

专题命中 物理仿真 ：提出PIBLS求解偏微分方程，比PINN快1-3数量级

AI总结 提出物理信息广度学习系统（PIBLS），通过无反向传播的最小二乘优化高效求解线性和非线性偏微分方程，比传统PINN快1-3个数量级且精度更高。

Optimizing resource allocation for accuracy in noisy variational quantum algorithms

优化资源分配以提高含噪变分量子算法的精度

Harshit Verma, Thomas Ayral, Alexia Auffèves, Robert Whitney

专题命中 物理仿真 ：优化含噪变分量子算法资源分配，属于量子物理

AI总结 针对含噪变分量子算法，提出一种基于噪声-度量-资源的方法，通过权衡电路大小与迭代次数，最小化达到指定精度所需的资源成本。

Comments 18 pages, 14 figures, and 2 tables

Variational Polaron Theory for Ground States of Strongly Coupled Light-Matter and Electron-Phonon Systems

强耦合光-物质与电子-声子系统基态的变分极化子理论

Nguyen Thanh Phuc

专题命中 物理仿真 ：变分极化子理论用于光-物质耦合系统

AI总结 提出基于态依赖极化子变换的非微扰变分基态框架，结合乘积态假设和二阶微扰修正，在弱、强及中间耦合区间均保持高精度，Dicke和Holstein模型能量误差低于0.5%。

Comments 9 pages, 5 figures

String dynamics of a (2+1)D U(1) quantum link model on a digital quantum computer

(2+1)D U(1)量子链接模型在数字量子计算机上的弦动力学

Anthony Gandon, Alessandro Mariani, Debasish Banerjee, Emilie Huffman, Gurtej Kanwar, Francesco Tacchino, Uwe-Jens Wiese, Ivano Tavernelli

专题命中 物理仿真 ：量子计算机上模拟U(1)量子链接模型

AI总结 利用量子计算机实现最小U(1)量子链接模型，通过量子淬火探测弦的横向量子涨落，实验与张量网络计算及热平均一致，并展示了误差缓解方法在相变附近的准确性。

Dimension-Free Approximate Tensorization of Quantum Hypercontractivity for Qudit Depolarizing Semigroups

量子超收缩性的无维近似张量化：针对Qudit去极化半群

Yangjing Dong, Li Gao, Fengning Ou, Penghui Yao, Haigang Zhou

专题命中 物理仿真 ：研究量子马尔可夫半群的超收缩性张量化

AI总结 针对满足正非对角缩放性质的可逆量子马尔可夫半群，证明了超收缩性和对数Sobolev常数的几乎张量化，且常数与维数无关。

Comments Typos corrected, minor improvements to presentation

Structure-Informed Neural Operators for Long-Time Prediction of Parametric Hamiltonian PDEs

结构信息神经算子用于参数化哈密顿偏微分方程的长时间预测

Victory C. Obieke, Christopher Chukwuemeka, Emmanuel E. Oguadimma

专题命中 物理仿真 ：哈密顿PDE长时间预测的神经算子

AI总结 提出能量投影傅里叶神经算子(EP-FNO)，结合残差FNO时间步进与不变量投影，实现参数化哈密顿PDE的长时间稳定预测，数值实验验证其在Zakharov-Kuznetsov等方程上优于标准FNO。

An adaptive framework for the axisymmetric pulsar magnetosphere using physics-informed Kolmogorov-Arnold networks

基于物理信息Kolmogorov-Arnold网络的轴对称脉冲星磁层自适应框架

Spyros Rigas, Ioannis Contopoulos, Georgios Alexandridis, Antonios Nathanail

专题命中 物理仿真 ：物理信息神经网络求解脉冲星磁层方程

AI总结 提出基于Kolmogorov-Arnold网络的自适应框架，结合自动化训练流程和物理收敛准则，在双精度下将PDE残差均方误差降至O(1e-6)，收敛时间缩短至20分钟内，并可靠解析缩小80%的恒星半径。

Comments 25 pages, 10 figures

Neural Multiscale Decomposition for Solving The Nonlinear Klein-Gordon Equation with Time Oscillation

神经多尺度分解法用于求解带有时间振荡的非线性克莱因-戈登方程

Zhangyong Liang, Huanhuan Gao*

专题命中 物理仿真 ：提出神经多尺度分解法求解非线性波动方程。

AI总结 本文提出神经多尺度分解法（NeuralMD）用于求解带有无量纲参数ε∈(0,1]的非线性克莱因-戈登方程，通过多尺度时间积分器吸收时间振荡，将方程分解为非线性薛定谔方程与余项方程，有效缓解谱偏倚和传播失败问题。

Comments 65 pages, 24 figures

Generalized Beth--Uhlenbeck entropy formula from the $Φ-$derivable approach

从Φ-可导方法导出广义贝斯-乌尔伦贝克熵公式

David Blaschke, Gerd Röpke, Gordon Baym

专题命中 物理仿真 ：推导稠密费米系统熵的广义Beth-Uhlenbeck公式，应用于夸克和核物质。

AI总结 本文基于Φ-可导方法推导出稠密费米系统熵的广义贝斯-乌尔伦贝克公式，探讨了强两体相关作用下的散射态和束缚态，并讨论了其在夸克物质和核物质中的应用。

Comments 10 pages, 3 figures, contribution to the special issue of "Contributions to Plasma Physics" on the occasion of the 65th birthday of Michael Bonitz

Journal ref Contributions to Plasma Physics 0, e70145 (2026)

Enhancing Graph Neural Networks Using Proximity Graphs for Dust Source Emission Forecasting

利用邻近图增强图神经网络用于沙尘源排放预测

Maryam Sanisales, Zahed Rahmati, Ali Darvishi Boloorani, Ali Vefghi

专题命中 气象气候 ：利用图神经网络预测沙尘源排放，属于气象应用。

AI总结 提出使用Delaunay三角剖分等邻近图作为图神经网络输入，通过消息传递捕捉沙尘源排放的时空动态，相比随机图和LSTM模型显著提升预测精度。

Rigorous uncertainty quantification of probabilistic AI weather forecasts with conformal prediction

基于保形预测的概率AI天气预报的严格不确定性量化

Anna Asch, Raphael Rossellini, Pedram Hassanzadeh, Rebecca Willett

专题命中 气象气候 ：AI天气预报不确定性量化，属于气象科学智能

AI总结 针对AI概率天气预报校准不足（尤其是极端事件），提出使用保形预测方法，无需分布假设即可数学保证覆盖，应用于三个全球模型（GenCast、NeuralGCM、AIFS-ENS）的温度和降水预报，实现校准不确定性而不牺牲其他概率指标。

Interpretable Meta-Learning for Multi-Objective Chemical Search

可解释的元学习用于多目标化学搜索

Antonio Varagnolo, Yulia Pimonova, Michael G. Taylor, Raphaël Pestourie, Nicholas E. Lubbers

专题命中 材料化学 ：元学习用于多目标分子搜索

AI总结 提出结合可解释线性元学习与自适应置信度不确定性的模块化流水线，在多目标分子发现中首次应用线性元学习，在自旋交叉金属有机配合物搜索中Pareto性能提升78%。

Comments LA-UR-26-24964

A Hybrid GNN-FEM Framework for Phase-Field Fracture Simulation. Physics-Preserving Hybridization for Generalizable Surrogate Modeling

一种用于相场断裂模拟的混合GNN-FEM框架：面向通用代理模型的物理保持混合方法

Hyeonbin Moon, Yongjin Choi, Seunghwa Ryu

专题命中 材料化学 ：混合GNN-FEM框架用于断裂模拟

AI总结 提出混合GNN-FEM框架，用图神经网络替代相场更新步骤，保留FEM位移求解器，通过无量纲特征设计和物理信息损失实现跨几何、载荷、材料和离散化的通用断裂模拟，降低计算成本并保持精度。

Comments 46 pages

Physics-Informed Discovery of Yield Functions in Plasticity via Convex Neural Representations

基于凸神经表示的塑性屈服函数物理信息发现

Hyeonbin Moon, Donghyuk Cho, Jecheon Yu, Jeong Whan Yoon, Seunghwa Ryu

专题命中 材料化学 ：物理信息发现塑性屈服函数

AI总结 提出一种物理信息框架，从全场位移和反力数据中自动发现各向异性屈服函数，无需应力观测或预设参数形式，采用凸神经网络表示并嵌入弹塑性应力积分中训练。

Comments 39 pages

MinSurf: resolving the atomic-scale stability landscape of mineral surfaces

MinSurf：解析矿物表面的原子尺度稳定性景观

Fengzijun Pan, Zhoulin Liu, Pingyang Zhang, Jiaqiu Xu, Zepeng Fan, Dawei Wang, Jianzhong Pei

专题命中 材料化学 ：高通量框架预测矿物表面稳定性，材料计算

AI总结 提出高通量框架MinSurf，结合表面枚举、DFT标记、机器学习势和Wulff构造，预测矿物表面稳定终止、能量景观和平衡形态，加速比达1.14×10^4。

HEACalculator: An Open-Source Python Tool for Thermodynamic Property Calculation and Solid Solution Prediction in High-Entropy Alloys

HEACalculator：用于高熵合金热力学性质计算和固溶体预测的开源Python工具

Doğuhan Sarıtürk, Yunus Eren Kalay, Raymundo Arróyave

专题命中 材料化学 ：高熵合金热力学计算与固溶体预测工具

AI总结 本文介绍HEACalculator，一个开源Python包，可计算16种常用热力学和结构描述符，并评估8种固溶体形成规则，支持CLI、GUI和API三种使用模式。

Comments 7 pages, 1 figure

Coordination-Sensitive Nanoscale Analysis of Defect-Driven Phase Transformation in Si-Doped (AlXGa1-X)2O3

Si掺杂(AlXGa1-X)2O3中缺陷驱动相变的配位敏感纳米尺度分析

Shaon Das, Jith Sarker, Christopher Chae, Lingyu Meng, Joel B. Varley, Hongping Zhao, Jinwoo Hwang, Baishakhi Mazumder

专题命中 材料化学 ：Si掺杂氧化镓相变纳米尺度分析

AI总结 通过配位敏感原子探针层析技术，定量解析了Si掺杂β-(AlxGa1-x)2O3中局部阳离子配位减少与缺陷驱动相变（γ相形成）的直接关联，揭示了Al含量和Si掺杂协同诱导配位崩塌的机制。

Electric-field induced trends of exchange interactions in transition-metal trilayers

过渡金属三层膜中交换相互作用的电场诱导趋势

Moinak Ghosh, Stefan Heinze, Souvik Paul

专题命中 材料化学 ：密度泛函理论研究电场下交换相互作用

AI总结 利用密度泛函理论，系统研究了外加电场下无支撑过渡金属三层膜中的海森堡对交换相互作用和超越海森堡的多自旋高阶交换相互作用，发现交换常数在低电场下呈线性变化，且高阶交换常数变化可达百分之十。

General spin models from noncollinear spin density functional theory and spin-cluster expansion

来自非共线自旋密度泛函理论和自旋团簇展开的一般自旋模型

Tomonori Tanaka, Yoshihiro Gohda

专题命中 材料化学 ：自旋模型构建，用于磁性材料研究

AI总结 提出结合自旋团簇展开与非共线自旋密度泛函理论的数据高效框架，通过拟合磁转矩而非总能来构建经典自旋哈密顿量，显著减少DFT计算量，并成功应用于B20型手性磁体，预测螺旋周期与成分趋势。

Machine Learning a Phosphor's Excitation Band Position

机器学习发光体的激发带位置

Nakyung Lee, Małgorzata Sójka, Annie La, Syna Sharma, Seán Kavanagh, Docheon Ahn, David O. Scanlon, Jakoah Brgoch

专题命中 材料化学 ：机器学习预测发光材料激发波长

AI总结 本文提出基于极端梯度提升的机器学习方法，用于预测发光材料的最长激发波长，通过实验验证了Ce³+离子取代位点的数据，成功合成新型蓝光激发绿光发射材料。

Journal ref ACS Appl Mater Interfaces 2026 18 23 32921