研究进展：AI+新材料，5篇类脑智能 | Science-Nature Computational Science

本文总结了近期发表在《Nature Computational Science》、《Nature Machine Intelligence》、《Nature Energy》和《Science》上的五篇关于人工智能与新材料、类脑智能交叉领域的研究进展。背景方面，这些研究分别关注了人类概念认知的计算模拟、复杂分子系统动力学、深度学习优化、电池技术知识流动以及AI模型内部知识表征。研究目的上，各研究旨在通过创新的计算模型或方法解决特定领域的核心挑战，例如模拟人类抽象概念形成机制、无需预设变量学习分子反应概率、提升异构数据下的深度学习训练效率、分析不同电池化学体系间的知识依赖关系，以及从AI模型中提取可解释的语义概念以实现引导和监控。结论显示，这些工作均取得了显著成果：CATS Net框架为理解人类概念认知提供了统一的计算模型；qGNN方法能直接从原子坐标学习承诺函数，为分子动力学提供可解释工具；PISA优化算法在数据异构场景下表现出优越性能；专利分析揭示了电池技术路线间的知识流动不可忽视；概念提取方法则能有效提升AI模型性能与安全性。这些进展共同推动了AI在基础科学和工程应用中的前沿探索。