谷歌研究让AI智能体接入湿实验室机器人做分子设计
谷歌研究将AI智能体接入湿实验室机器人,构建闭环分子设计循环,发现针对癌症靶点的个位数纳摩尔蛋白结合体。其VERID框架是实验室工作单元的语义数字孪生,基于开源PyLabRobot构建。在适配体实验中,三轮设计后肌红蛋白和α-凝血酶确认命中率分别达33.5%和42.1%。
按AI智能体从设计走向动手做实验,关键在能否识别并纠正湿实验室中的物理与数据假象。
读原文 · research.google ↗吃的东西要少而精,脑子也一样。
每一件都尽量找到了说话的那个人,和他原本的那句话。
谷歌研究将AI智能体接入湿实验室机器人,构建闭环分子设计循环,发现针对癌症靶点的个位数纳摩尔蛋白结合体。其VERID框架是实验室工作单元的语义数字孪生,基于开源PyLabRobot构建。在适配体实验中,三轮设计后肌红蛋白和α-凝血酶确认命中率分别达33.5%和42.1%。
按AI智能体从设计走向动手做实验,关键在能否识别并纠正湿实验室中的物理与数据假象。
读原文 · research.google ↗“On the day Astra arrived, our lab switched the backend model and saturated all the benchmarks to ~99% over night.”
ASPIRE V1.0 开源,具备完整的真实机器人技能发现与自我改进能力。Astra 到位当天实验室切换后端模型,一夜之间所有基准跑到约 99%。Opus 5.5 在机器人仿真基准上略胜 Astra,Sonnet 5.5 以每任务 12 美元落在成本与能力的前沿。
按开源框架加模型换代一夜拉满基准,关键看换后端后能否复现。
读原文 · x.com ↗“Automating one aspect of a system creates its own friction and moves the bottlenecks elsewhere.”
Chollet提出四点观察:2025年软件工程师数量更多且需求仍在增长;工程师从未如此忙碌;代码几乎100%由智能体编写;但采用AI后,雇用这些工程师和智能体的公司利润底线通常没有变化。
按自动化单点只会转移瓶颈,须以系统视角看AI对软件工程的实际影响。
读原文 · x.com ↗“SpaceX is going to make a big splash. It's going to be the fourth major mobile carrier in the United States and maybe the world.”
SpaceX 上周同意收购一块低频段频谱,此前已花费近 200 亿美元购买 EchoStar 频谱,此次又以 80 亿美元买下 800 MHz 频谱。FCC 还批准其部署 1.5 万颗下一代 Starlink 卫星。该频谱原属 Nextel,经 Sprint 与 T-Mobile 合并剥离后辗转至 Grain Management。
按卫星直连手机受功率与室内覆盖限制,SpaceX 必须自建地面网络,这才是它买频谱的真正原因。
读原文 · theverge.com ↗“We traced the patent and development histories of 25 popular compounds, uncovering ties to the pharmaceutical industry far deeper than their reputation suggests.”
该文称,作者追踪了25种流行化合物的专利与开发历史,发现这些化合物与制药行业的联系远比其名声所暗示的更深。文章未给出研究类型、样本量或具体数据。
按这提示灰色市场肽类的来源并不那么“野生”,但原文只有结论,没有可核查的细节。
读原文 · peterattiamd.com ↗
这是日本室町时代(1392–1573)的枫树秋雨纹镜盒盖,制作于15世纪,木胎漆器莳绘。
看高清原图 · clevelandart.org ↗
这是让·布尔迪雄绘制的《布列塔尼的安娜大时祷书》中的圣路加像,来自Wikimedia Commons。
看原图 · commons.wikimedia.org ↗