上限集问题，是困扰数学家们多年的开放性问题。著名数学家陶哲轩，就曾将上限集问题描述为自己最喜欢的开放性问题。陶哲轩博客而大语言模型，竟然在这个问题上做出了新发现。今天，GoogleDeepMind、威斯康星大学麦迪逊分校和里昂大学的研究人员联手提出全新方法——FunSearch，竟首次利用LLM发现数学科学中的开放问题！AI通过搜索计算机代码编写的「函数」，因此得名FunSearch。论文地址：https://www.nature.com/articles/s41586-023-06924-6简单来说，FunSearch将预训练的LLM与自动「评估器」配对使用。前者的目标是以计算机代码的形式提
美国可控核聚变实验，四次实现净能量增益！去年12月14日，劳伦斯利弗莫尔国家实验室（LLNL）首次实现可控核聚变点火成功，为全人类摘下清洁能源「圣杯」——在向目标提供2.05兆焦耳（MJ）的能量之后，产生了3.15兆焦耳的核聚变能量输出，能量增益约为1.5。2023年7月30日，实验室首次实现3.88兆焦耳的输出能量，创下历史最高。10月30日，实验室再刷记录——输入能量首次达到2.2兆焦。同时，3.4兆焦耳的输出能量也位列第二。面对一次又一次的成功「点火」，Nature也激动地发文表示——激光核聚变即将进入一个全新的时代。可以想象，当可控核聚变最终实现时，人类将有可能史上首次获取海量无碳清洁
作为今年AI圈的顶流，大型语言模型（LLM）擅长的是组合概念，并且可以通过阅读、理解、写作和编码来帮助人们解决问题。但它们能发现全新的知识吗？由于LLM已被证明存在「幻觉」问题，即生成与事实不符的信息，因此利用LLM来做可验证的正确发现是一项挑战。现在，来自GoogleDeepMind的研究团队提出了一种为数学和计算机科学问题搜索解决方案的新方法——FunSearch。FunSearch的工作原理是将预训练的LLM（以计算机代码的形式提供创造性解决方案）与自动「评估器」配对，以防止产生幻觉和错误思路。通过在这两个组件之间来回迭代，最初的解决方案演变成了「新的知识」。相关论文发表在《自然》杂志上
人脑作为地球上最复杂的智能载体，一个最大的特点就是能高能效地产生智能。如果能尽可能按照人脑的工作原理来创建AI系统，将会大大提高AI的工作效率，大幅降低能耗。最近，剑桥大学做了这么项研究，就是想找到一个条路径，让AI系统复制人脑。论文地址：https://www.cam.ac.uk/research/news/ai-system-self-organises-to-develop-features-of-brains-of-complex-organisms直译过来就是——AI系统自我组织，生成了一系列人脑的特征，甚至还有各种复杂的组织。AI仿真大脑大脑大家都不陌生，里面有很多神经系统和组织。
DeepMind团队最新的Nature论文，竟出现严重的漏洞。来自伦敦大学的化学教授RobertPalgrave在网上公开揭露，论文在材料表征方面存在非常严重的问题。更离谱的是，Palgrave发现AI制作了3次已有90年历史的化合物，而且还弄错了成分。这篇在11月29日刊登在Nature的论文「Anautonomouslaboratoryfortheacceleratedsynthesisofnovelmaterials」，主要是由UC伯克利、劳伦斯伯克利国家实验室、谷歌DeepMind的团队联合完成。论文中，仅用了17天时间，AI便实现了，在58种预测材料中，合成了41种新材料。论文地址：
只用一个AI，就获取了人类接近800年才能搞出来的知识成果！这是谷歌DeepMind新研究的一种材料发现工具，论文已经发表在Nature上。仅凭这个AI工具，他们发现了220万种理论上稳定的新晶体材料，不仅将预测材料稳定性的准确率从50%拉高到80%，而且38万种已经投入测试中。谷歌DeepMind表示，鉴于过去10年才发现28000种稳定材料，这项研究相当于近800年的知识积累。进展之神速着实让业内专家大开眼界了。据《金融时报》介绍，MIT教授BilgeYildiz对这项研究评价称：这个无机晶体的海量数据库中应该充满了有待发掘的“宝石”，以推动解决清洁能源和环境挑战方面的方案。目前，这个话题
科学发现是一个复杂过程，涉及到几个相互关联的阶段，包括形成假设、实验设计、数据收集及分析。近年来，AI与基础科研的融合日益加深，借助AI，科学家得以加速科研进度、促进科研成果的落地。 权威期刊「Nature」刊登了一篇论文，来自斯坦福大学计算机科学与基因技术学院的博士后HanchenWang，与佐治亚理工学院计算科学与工程专业的TianfanFu，以及康奈尔大学计算机系的YuanqiDu等30人，回顾了过去十年间，基础科研领域中的AI角色，并提出了仍然存在的挑战和不足。本文对该论文进行了整理汇总。阅读完整论文：Scientificdiscoveryintheageofartificialint
学术造假有了GPT-4，变得更容易了。这两天，一篇刊登在Nature上的新闻表示，GPT-4生成的造假数据集，第一眼还真不一定看得出来。除非请来业内专家仔细对数据集进行评估，才能发现个中细节的不合理性。这个新闻的来源是一篇发表在JAMAOphthalmology上的论文。论文使用GPT-4为一项医学学术研究生成了一个假数据集，发现它不仅能创造出看似合理的数据，甚至还能用来准确支撑错误的论文观点。对此，有网友表示十分理解：大模型最重要的能力就是生成“看似合理的文本”，因此它非常适合干这活儿。还有网友感慨：技术“有良心”的程度，也就和用它的研究人员一样了。所以，GPT-4创造的假数据究竟长啥样？G
经历了大起大落，室温超导的喧嚣终于在2023年底告一段落。11月7日，《Nature》杂志宣布，撤回今年3月RangaDias团队发表的室温超导论文。对于在过去一年数次引爆物理圈的室温超导领域来说，这是一次新的打击。人们或许还记得，一种名为「LK-99」的室温超导体成为了今年夏天热门的话题。「LK-99」的衰落和它的崛起一样迅速。无数次失败的复现实验表明，它只不过是一块普通的「冰箱贴」。而RangaDias团队在3月发表的一篇论文，似乎提前为LK-99的狂欢做好了铺垫。当时Dias团队声称发现了超导体（一种以零电阻传输电流的材料），能够在室温和相对低压的条件下工作。与LK-99不同的是，Ran
论文StructureandfunctionofthesoilmicrobiomeunderlyingN2Oemissionsfromglobalwetlandshttps://www.nature.com/articles/s41467-022-29161-3#Sec21没有找到论文的代码，但是论文的数据是公开的，可以用论文中的数据复现一下论文中的结果，今天的推文试着复现一下论文中的figure1a世界地图的数据ggplot2自带了一份地图数据，可以直接使用，这里需要注意的是我们画的是没有国家边界的世界地图，如果是带有国家边界的地图，使用数据的时候需要小心。ggplot2画地图library
