Stanford University（斯坦福大学）

The Agentification of Scientific Research: A Physicist's Perspective

科学研究的代理化：一位物理学家的观点

Xiao-Liang Qi

机构 * Leinweber Institute for Theoretical Physics, Stanford University（莱因韦伯理论物理研究所，斯坦福大学） 纠错

AI总结 本文探讨了AI革命对科学研究的影响，强调AI不仅是工具而是合作伙伴，改变科研效率与协作结构，主张持续学习与多样性思想对原创发现的重要性。

Comments 14 pages, 4 figures

FAIR Universe Weak Lensing ML Uncertainty Challenge: Handling Uncertainties and Distribution Shifts for Precision Cosmology

FAIR Universe弱引力透镜ML不确定性挑战：处理不确定性和分布偏移以实现精确宇宙学

Biwei Dai, Po-Wen Chang, Wahid Bhimji, Paolo Calafiura, Ragansu Chakkappai, Yuan-Tang Chou, Sascha Diefenbacher, Jordan Dudley, Ibrahim Elsharkawy, Steven Farrell, Isabelle Guyon, Chris Harris, Elham E Khoda, Benjamin Nachman, David Rousseau, Uroš Seljak, Ihsan Ullah, Yulei Zhang

机构 * Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室） ； Université Paris-Saclay, CNRS/IN2P3, IJCLab（巴黎萨克雷大学，CNRS/IN2P3，IJCLab） ； ChaLearn ； University of Washington（华盛顿大学） ； University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） ； University of California, San Diego（圣地亚哥大学） 纠错

AI总结 本文提出首个弱引力透镜基准数据集，通过处理有限训练集和分布偏移，推动ML方法在弱引力透镜分析中的应用，促进系统误差处理和数据效率提升。

Comments Whitepaper for the FAIR Universe Weak Lensing ML Uncertainty Challenge Competition. More info is available at our GitHub repository https://github.com/FAIR-Universe/Cosmology_Challenge. 13 pages, 5 figures, 1 table

Polyformer: a generative framework for thermodynamic modeling of polymeric molecules

Polyformer：一种用于聚合物分子热力学建模的生成框架

Alessio Valentini, David Pekker, Chungwen Liang, Todd Martinez, Swagatam Mukhopadhyay

机构 * PsiDagger ； Department of Physics and Astronomy, University of Pittsburgh（物理与天文学系，匹兹堡大学） ； Department of Chemistry and The PULSE Institute, Stanford University（化学系和PULSE研究所，斯坦福大学） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） 纠错

AI总结 Polyformer 是一种生成框架，用于热力学建模聚合物分子。该框架同时解决分子折叠、构象集合及温度变化对构象集合的影响问题，通过蛋白质域的实验验证显示出与分子动力学轨迹的良好一致性。

Comments 9+epsilon pages+references+appendix, 6 figures

CaptionQA: Is Your Caption as Useful as the Image Itself?

CaptionQA: 你的描述是否和它所代表的图像一样有用？

Shijia Yang, Yunong Liu, Bohan Zhai, Ximeng Sun, Zicheng Liu, Emad Barsoum, Manling Li, Chenfeng Xu

机构 * Advanced Micro Devices, Inc.（先进微器件公司） ； Stanford University（斯坦福大学） ； Independent Researcher（独立研究者） ； Northwestern University（西北大学） ； UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 CaptionQA通过评估生成描述在下游任务中的实用性，揭示了图像与描述之间的效用差距，涵盖四个领域，包含25个顶级和69个子类别，提供33,027个密集标注的多选问题。

A Confounding Factors-Inhibition Adversarial Learning Framework for Multi-site fMRI Mental Disorder Identification

多站点fMRI精神障碍识别的混淆因素抑制对抗学习框架

Xin Wen, Shijie Guo, Wenbo Ning, Rui Cao, Yan Niu, Bin Wan, Peng Wei, Xiaobo Liu, Jie Xiang

机构 * School of Software, Taiyuan University of Technology（太原科技大学软件学院） ； School of Computer Science (Data Science), Taiyuan University of Technology（太原科技大学计算机科学（数据科学）学院） ； Max Planck Institute for Human Cognitive and Brain Sciences（马克斯·普朗克人类认知与脑科学研究所） ； Department of Psychiatry & Behavioral Sciences, Stanford University（斯坦福大学精神病学与行为科学系） ； Montreal Neurological Institute, McGill University（蒙特利尔神经科学研究所，麦吉尔大学） 纠错

AI总结 本文提出MSalNET框架，通过节点信息组装机制提升fMRI功能连接特征提取，结合对抗学习平衡分类与站点回归任务，实验表明在ABIDE和ADHD-200数据集上性能优于其他算法。

Journal ref Proceedings of the Annual Meeting of the Cognitive Science Society 2025