Command Palette
Search for a command to run...
Compilation De Documents | Plus De 100 Réalisations Clés De l'IA Pour La Science : Un Aperçu Rapide Des Innovations Technologiques d'ici 2025
Au cours de l'année écoulée, la relation entre l'IA et la recherche scientifique a connu une transformation profonde, quoique discrète. De la conception expérimentale à la modélisation des données, en passant par le raisonnement théorique, l'intelligence artificielle s'immisce à un rythme sans précédent dans les aspects fondamentaux du processus de recherche scientifique, donnant lieu à de nombreux résultats novateurs, difficiles à expliquer par les paradigmes traditionnels. D’ici 2025, l’IA au service de la science ne sera plus seulement une série d’applications technologiques éparses, mais évoluera progressivement vers une voie claire, systématique et réutilisable pour la recherche et l’innovation scientifiques.
Contrairement aux tentatives précédentes de « recherche scientifique assistée par l’IA », un changement significatif en 2025 est que :L'IA n'est plus seulement un outil, mais elle s'intègre désormais au paradigme de la recherche scientifique.De plus en plus de recherches sont conçues dès le départ autour de la question de « comment impliquer les modèles dans la découverte scientifique », ce qui a conduit à un grand nombre de résultats de haute qualité qui allient innovation méthodologique et valeur scientifique.
HyperAI se concentre sur les progrès et les avancées majeures dans le domaine de l'IA au service des sciences et des technologies (IA4S), en consignant les moments clés de cette révolution par une analyse systématique des articles de pointe. D'une part, nous souhaitons organiser les résultats de recherche et les méthodologies les plus récentes de manière structurée et universellement applicable, afin de faciliter leur compréhension pour les lecteurs de différents domaines. D'autre part, nous souhaitons également favoriser une meilleure compréhension de l'impact profond de l'IA sur la productivité de la recherche scientifique auprès d'un plus grand nombre de chercheurs, d'ingénieurs et d'institutions, grâce à une publication continue.
En cette période de fin d'année et de début de nouvelle année, il est crucial de faire le point et de se projeter dans l'avenir. Cet article traite de l'« HyperIA SuperNeural »… Articles scientifiques de pointe sur l'IA appliquée analysés en 2025L'ouvrage est organisé et catégorisé de manière systématique, couvrant de multiples domaines tels que la biomédecine, les soins de santé, la chimie des matériaux, la recherche météorologique et l'astronomie, ce qui permet aux lecteurs de différents horizons de rechercher et de consulter rapidement les informations.
Consultez d'autres articles de pointe :
Consultez les ensembles de données pertinents pour la recherche :
IA+ Biomédecine
De nouveaux modèles génératifs et de nouveaux points de référence redéfinissent le pouvoir prédictif des assemblages de protéines désordonnés.
Amélioration des prédictions d'ensembles de protéines sur le continuum ordre-désordre
*source:bioRxiv
*auteurUne équipe conjointe composée de Peptone, Nvidia, du MIT et d'autres.
*papier:
https://www.biorxiv.org/content/10.1101/2025.10.18.680935v1
La première peau humaineVérification des données de coucheNOBLE, un cadre de modélisation neuronale4200 fois plus rapide que les vitesses traditionnelles
NOBLE – Opérateur neuronal avec des représentations latentes biologiquement informées pour capturer la variabilité expérimentale dans les modèles de neurones biologiques
*sourceNeurIPS 2025
*auteurUne équipe conjointe de l'ETH Zurich, de Caltech et de l'Université de l'Alberta, entre autres institutions.
*papier:
PLACER, un réseau neuronal graphique, traite de l'hétérogénéité conformationnelle des protéines.
Modélisation d'ensembles conformationnels protéine-petite molécule avec PLACER
*sourceActes de l'Académie nationale des sciences (PNAS)
*auteurL'équipe de recherche du professeur David Baker à l'Université de Washington
*papier:
https://www.biorxiv.org/content/10.1101/2024.09.25.614868v2
Squidiff permet la simulation du transcriptome dans de multiples scénarios, contribuant ainsi au développement de la médecine de précision et de la médecine spatiale. Squidiff : prédiction du développement cellulaire et des réponses aux perturbations à l'aide d'un modèle de diffusion
*sourceMéthodes de la nature
*auteurUne équipe de recherche conjointe de l'Université Columbia et de l'Université Stanford
*papier:
https://www.nature.com/articles/s41592-025-02877-y
Un classificateur d'images de cellules sanguines et un modèle de diffusion facilitent la détection de la leucémie, surpassant les capacités des experts cliniques.
Classification générative profonde de la morphologie des cellules sanguines
*source:Nature
*auteurÉquipe de recherche de l'Université de Cambridge, Royaume-Uni
*papier:
https://www.nature.com/articles/s42256-025-01122-7
Le système Ctrl-DNA permet un « contrôle ciblé » de l'expression des gènes dans des cellules spécifiques.
Ctrl-DNA : Apprentissage par renforcement contraint pour la conception d’éléments cis-régulateurs spécifiques aux cellules
*sourceNeurIPS 2025
*auteurL'équipe de l'Université de Toronto en collaboration avec le laboratoire Changping
*papier:
https://arxiv.org/abs/2505.20578
BoltzGen permet la conception de conjugués protéiques sur différents types moléculaires, atteignant une affinité nanomolaire pour la cible 66%.
BoltzGen : Vers une conception de classeurs universelle
*source:
*auteurLe MIT et Boltz, entre autres institutions
*papier:
FusionProt, un nouveau cadre de caractérisation de la fusion dynamique des protéines, permet un échange itératif d'informations et atteint des performances de pointe sur de multiples tâches.
FusionProt : Fusion des informations de séquence et de structure pour un apprentissage unifié de la représentation des protéines
*source:bioRxiv
*auteurUne équipe de recherche du Technion – Institut de technologie d'Israël, en collaboration avec Meta AI
*papier:
MorphDiff, un modèle de diffusion guidé par le transcriptome, accélère le développement phénotypique de médicaments.
Prédiction des changements de morphologie cellulaire sous l'effet de perturbations à l'aide d'un modèle de diffusion guidé par le transcriptome
*source：Nature Communications
*auteurDes chercheurs d'institutions telles que l'Université chinoise de Hong Kong et l'Université Mohammed bin Zayed pour l'intelligence artificielle
*papier:
https://www.nature.com/articles/s41467-025-63478-z
AlphaPPIMI, une méthode de prédiction des modificateurs d'interface PPI, surpasse les méthodes existantes.
Alphappimi : un cadre d’apprentissage profond complet pour la prédiction des interactions PPI-modulateur
*sourceJournal of Cheminformatics
*auteurÉquipe de recherche conjointe de l'Université chinoise du pétrole et de l'Université Yonsei
*papier:
https://jcheminf.biomedcentral.com/articles/10.1186/s13321-025-01077-2
scSiameseClu atteint des performances de pointe dans les tâches de regroupement non supervisé de cellules uniques.
scSiameseClu : un cadre de clustering siamois pour l’interprétation des données de séquençage d’ARN de cellules uniques
*sourceIJCAI 2025
*auteurUne équipe de recherche de l'Académie chinoise des sciences, de l'Université agricole du Nord-Est, de l'Université de Macao et de l'Université de Jilin
*papier:
Intégration de réseaux neuronaux pour prédire efficacement les sites de liaison multi-métaux dans les séquences protéiques
Une approche modulaire par réseau de neurones de fusion pour prédire efficacement les sites de liaison multi-métaux dans les séquences protéiques
*source:bioRxiv
*auteurUne équipe de recherche de l'Université des sciences et technologies de Hong Kong
*papier:
ReaSyn s'inspire des chaînes de pensée pour analogiser la synthèse moléculaire, atteignant des taux de reconstruction ultra-élevés et une grande diversité de voies de synthèse.
Repenser la synthétisabilité des molécules grâce à la chaîne de réactions
*source: arXiv
*auteurÉquipe de recherche NVIDIA
*papier:
https://arxiv.org/abs/2509.16084
Une approche novatrice pour concevoir des protéines qui se lient à des régions désordonnées, ciblant des cibles inaccessibles aux médicaments.
Conception de protéines de liaison aux régions intrinsèquement désordonnées
*source:Science
*auteurDavid Baker et son équipe
*papier:
https://www.science.org/doi/10.1126/science.adr8063
AMix-1 permet une conception de protéines évolutive et universelle, aboutissant à des variantes de protéines dont l'activité est 50 fois supérieure.
AMix-1 : une voie vers un modèle de base protéique évolutif au cours des tests
*source: arXiv
*auteurLe groupe de recherche du professeur Zhou Hao à l'Institut pour l'industrie intelligente (AIR) de l'université Tsinghua, en collaboration avec le Laboratoire d'intelligence artificielle de Shanghai
*papier:
Le modèle de diffusion à pont brownien bidirectionnel réduit considérablement la variance de sortie, améliorant ainsi la reproductibilité des résultats de coloration virtuelle.
Coloration virtuelle de tissus sans marquage en spectrométrie de masse par imagerie
*sourceProgrès scientifiques
*auteurÉquipe de recherche de l'UCLA
*papier:
Le transformateur de diffusion tout atome ADiT lève les barrières de modélisation entre les systèmes périodiques et apériodiques.
Transformateurs de diffusion tout-atomique : modélisation générative unifiée des molécules et des matériaux
*sourceCIML 2025
*auteurUne équipe de recherche conjointe de MetaFAIR, de l'Université de Cambridge et du MIT
*papier:
Le modèle MPNN à atome complet modélise explicitement l'identité de séquence et la structure de la chaîne latérale de chaque résidu d'acide aminé.
Conditionnement et modélisation des chaînes latérales pour la conception de séquences protéiques atomiques complètes avec FAMPNN
*sourceCIML 2025
*auteurUne équipe de l'Université de Stanford, en collaboration avec l'Arc Institute de Palo Alto, en Californie.
*papier:
La-Proteina réalise une percée dans la conception de protéines à l'échelle atomique, permettant la génération de protéines de haute précision comportant jusqu'à 800 résidus.
La-Proteina : Génération atomistique de protéines par correspondance de flux partiellement latent
*source: arXiv
*auteurL'équipe de recherche de NVIDIA a collaboré avec Mila, l'Institut québécois d'intelligence artificielle au Canada.
Le modèle d'apprentissage profond SUICA peut prédire l'expression des gènes à n'importe quel endroit d'une tranche spatiale du transcriptome.
SUICA : Apprentissage de représentations neuronales implicites parcimonieuses de très haute dimension pour la transcriptomique spatiale
*sourceCIML 2025
*auteurUn groupe dirigé par le professeur Zheng Yinqiang de l'Université de Tokyo, et un groupe dirigé par le professeur Ding Jun de l'Université McGill.
*papier:
Un nouveau modèle de génération de protéines entièrement atomique (APM) permet une conception entièrement atomique et une optimisation fonctionnelle.
Un modèle génératif tout-atome pour la conception de complexes protéiques
*sourceCIML 2025
*auteurL'université du Hunan, en collaboration avec l'université de l'Académie chinoise des sciences et l'équipe Seed de ByteDance
*papier:
APEX, un modèle d'apprentissage profond, est utilisé pour sélectionner des candidats antibiotiques potentiels.
Exploration informatique des venins du monde entier pour la découverte d'antimicrobiens grâce à l'intelligence artificielle Venomics
*source：Nature Communications
*auteurÉquipe de recherche de l'Université de Pennsylvanie, États-Unis
*papier:
https://www.nature.com/articles/s41467-025-60051-6[*]
Le modèle de langage protéique Prot42 permet la modélisation de longues séquences et la génération d'agents de liaison à haute affinité.
Prot42 : une nouvelle famille de modèles de langage protéique pour la génération de liants protéiques sensibles à la cible
*source: arXiv
*auteurUne équipe de recherche conjointe de l'Inception AI Institute d'Abu Dhabi et de Cerebras Systems de la Silicon Valley.
*papier:
UniSim, un simulateur de dynamique de grossissement temporel biomoléculaire, a réalisé pour la première fois une simulation unifiée de la dynamique de grossissement temporel à travers différents types moléculaires et environnements chimiques.
UniSim : un simulateur unifié pour la dynamique temporelle des biomolécules
*sourceCIML 2025
*auteurÉcole d'intelligence artificielle Gaoling de l'Université Tsinghua et de l'Université Renmin
*Interprétation:Sélectionné pour l'ICML 2025, l'Université Tsinghua/Université Renmin a proposé UniSim, un simulateur de dynamique biomoléculaire unifié
*papier:
SimplifiedBondfinder, basé sur 86 000 données de structure protéique, utilise des méthodes d'apprentissage automatique intégrant le calcul mécanique quantique pour découvrir 69 nouvelles liaisons azote-oxygène-soufre.
Mise en évidence des liaisons arginine-cystéine et glycine-cystéine de la NOS par une réévaluation systématique des structures protéiques
*sourceChimie des communications
*auteurÉquipe de l'Université de George August
*papier:
https://www.nature.com/articles/s42004-025-01535-w
L'utilisation de modèles de génération de séquences protéiques pour concevoir des gènes chevauchants présente un taux de réussite extrêmement élevé.
Conception de gènes chevauchants à l'aide de modèles génératifs profonds de séquences protéiques
*source:bioRxiv
*auteurL'équipe de David Baker à l'Université de Washington
*papier:
https://doi.org/10.1101/2025.05.06.652464
Le cadre de prédiction PUPS combine de manière novatrice des modèles de langage protéique et des modèles de remplissage d'images pour parvenir à une localisation protéique au niveau de la cellule unique.
Prédiction de la localisation subcellulaire des protéines dans des cellules individuelles
*sourceMéthodes de la nature
*auteurDes équipes du MIT et de l'Université Harvard
*papier:
UniMoMo, le premier cadre génératif unifié applicable à différentes espèces moléculaires, permet la conception de multiples types de molécules médicamenteuses.
UniMoMo : Modélisation générative unifiée de molécules 3D pour la conception de liants de novo
*sourceCIML 2025
*auteurL'équipe du professeur Liu Yang de l'université Tsinghua a collaboré avec l'équipe du professeur Huang Wenbing de l'université Renmin et l'équipe pharmaceutique d'IA de ByteDance.
*papier:
Le cadre d'apprentissage profond STAIG révèle des informations génétiques détaillées dans le microenvironnement tumoral.
STAIG : Analyse transcriptomique spatiale via l'apprentissage contrastif de graphes assisté par image pour l'exploration de domaines et l'intégration sans alignement
*source：Nature Communications
*auteurÉquipe de recherche de l'Institut des sciences médicales de l'Université de Tokyo, Japon
*papier:
https://www.nature.com/articles/s41467-025-56276-0
L'algorithme DRAKES introduit un cadre d'apprentissage par renforcement et, pour la première fois, réalise une rétropropagation de récompense différentiable pour des trajectoires générées complètes dans un modèle de diffusion discret.
Ajustement précis des modèles de diffusion discrète par optimisation de la récompense avec applications à la conception de l'ADN et des protéines
*sourceICLR 2025
*auteurDes chercheurs du MIT, de l'Université Harvard, de l'Université Stanford, de l'UC Berkeley et de Genentech, une entreprise américaine de génie génétique.
*papier:
https://doi.org/10.48550/arXiv.2410.13643
Spectroscopie d'absorption ultraviolette assistée par apprentissage automatique : construction d'un modèle de détection de la contamination microbienne basé sur les SVM.
Spectroscopie d'absorption UV assistée par apprentissage automatique pour la détection de la contamination microbienne dans les produits de thérapie cellulaire
*sourceRapports scientifiques
*auteurUne équipe de recherche conjointe du Consortium de recherche Singapour-MIT, du laboratoire A*SRL de Singapour, de l'Université nationale de Singapour et du MIT.
*papier:
https://doi.org/10.1038/s41598-024-83114-y
Un nouveau paradigme pour le pré-entraînement des protéines : Dévoiler l'évolution des familles de protéines
Conception de familles de protéines orientées par flux bayésien de profils
*sourceICLR 2025
*auteurLe groupe de recherche AIR GenSI de l'Université Tsinghua, en collaboration avec l'École des sciences pharmaceutiques de l'Université Tsinghua
*papier:
La technologie d'alignement de Boltzmann prédit l'énergie libre de liaison des protéines jusqu'à l'état de l'art (SOTA).
Modèle de repliement inverse aligné sur la distribution de Boltzmann comme prédicteur des effets mutationnels sur les interactions protéine-protéine
*sourceICLR 2025
*auteurL'équipe du professeur Shen Chunhua de l'École d'informatique et de technologie de l'Université du Zhejiang, en collaboration avec des équipes de l'Université d'Adélaïde en Australie et de l'Université Northeastern aux États-Unis, entre autres.
*papier:
https://arxiv.org/abs/2410.09543
Les paramètres du modèle Proteina dépassent de 5 fois ceux de RFdiffusion, atteignant ainsi des performances de pointe (SOTA) dans la conception de squelettes protéiques de novo.
Proteina : Mise à l’échelle des modèles génératifs de structure protéique basés sur les flux
*sourceCommunication orale ICLR 2025
*auteurUne équipe de recherche de NVIDIA, de l'Institut québécois d'intelligence artificielle Mila, de l'Université de Montréal et du MIT
*papier:
https://openreview.net/forum?id=TVQLu34bdw&nesting=2&sort=date-desc
Le modèle UniGEM est le premier à réaliser une amélioration collaborative de deux tâches basée sur un modèle de diffusion.
UniGEM : une approche unifiée de la génération et de la prédiction des propriétés des molécules
*sourceICLR 2025
*auteurÉquipe de l'Université Tsinghua et de l'Académie chinoise des sciences
*papier:
https://openreview.net/pdf?id=Lb91pXwZMR
RFdiffusion évolue à nouveau, atteignant une précision atomique dans la conception de novo d'anticorps.
Conception d'anticorps à précision atomique par RFdiffusion
*source:bioRxiv
*auteurL'équipe et les collaborateurs de David Baker
*papier:
https://doi.org/10.1101/2024.03.14.585103
Le premier schéma de fusion de modèles de langage protéine-ARN, combiné à la prédiction d'affinité, établit une nouvelle norme de pointe.
CoPRA : Relier les modèles de séquences pré-entraînés inter-domaines aux structures complexes pour la prédiction de l’affinité de liaison protéine-ARN
*source: arXiv
*auteurUne équipe conjointe de l'Université Tsinghua, de l'University College London, de l'Université Monash et de l'Université des postes et télécommunications de Pékin
*papier:
https://arxiv.org/abs/2409.03773
Le modèle Celcomen permet pour la première fois d'établir une inférence causale identifiable dans l'analyse transcriptomique spatiale.
Estimation de l'effet de perturbation au niveau de la cellule unique et du tissu en transcriptomique spatiale via le désenchevêtrement causal spatial
*sourceICLR 2025
*auteurÉquipe de recherche de l'Université de Cambridge
*papier:
https://openreview.net/forum?id=Tqdsruwyac
La méthode AlphaFold-Metainference prédit avec précision des ensembles désordonnés de structures protéiques.
Prédiction par AlphaFold d'ensembles structuraux de protéines désordonnées
*source：Nature Communications
*auteurÉquipe de recherche de l'Université de Cambridge
*papier:
https://www.nature.com/articles/s41467-025-56572-9
L'algorithme de prédiction de la structure de l'ARN de deuxième génération surpasse les normes de pointe (SOTA) dans de multiples tests de référence.
Prédiction ab initio de la structure de l'ARN avec un modèle de langage composite et un apprentissage de bout en bout débruité
*source:bioRxiv
*auteurL'équipe du professeur Yang Zhang à l'Université nationale de Singapour
*papier:
https://www.biorxiv.org/content/10.1101/2025.03.05.641632v1
Un modèle de diffusion 4D innovant, combiné à des données de simulation de dynamique moléculaire, permet de prédire simultanément les trajectoires des protéines à plusieurs étapes temporelles.
Diffusion 4D pour la prédiction dynamique de la structure des protéines avec guidage de référence et de mouvement
*source: arXiv
*auteurDes équipes de recherche de l'Université Fudan, de l'Institut des sciences et technologies intelligentes de Shanghai et de l'Université de Nanjing
*papier:
https://arxiv.org/abs/2408.12419
PepPrCLIP résout le problème des peptides « non ciblables » en créant des peptides qui correspondent presque toujours mieux à la protéine cible.
Conception de novo de liants peptidiques pour des cibles conformationnellement diverses avec modélisation linguistique contrastive
*sourceProgrès scientifiques
*auteurÉquipe de recherche de l'Université Duke
*papier:
https://www.science.org/doi/10.1126/sciadv.adr8638
MOLRL optimise les molécules ciblées en utilisant l'apprentissage par renforcement, atteignant un taux de réussite allant jusqu'à 100 % (TP3T).
Génération moléculaire ciblée avec apprentissage par renforcement latent
*sourceChemRxiv
*auteurL'équipe de recherche de Cellaire et Nvidia
*papier:
Le cadre E2VD, un cadre prédictif basé sur l'évolution pour la mutation virale, améliore la précision de la prédiction de 671 TP3T.
Un cadre d'apprentissage profond unifié, basé sur l'évolution, pour la prédiction des facteurs de variation virale.
*sourceIntelligence artificielle de la nature
*auteurLe professeur Tian Yonghong et le professeur associé Chen Jie de l'École d'ingénierie de l'information de l'Université de Pékin, en collaboration avec le chercheur Zhou Peng du Laboratoire national de Guangzhou, ont supervisé, entre autres, l'étudiant en doctorat Nie Zhiwei et l'étudiant en master Liu Xudong.
*papier:
https://www.nature.com/articles/s42256-024-00966-9
IA+ Santé
Les agents de santé font preuve d'une plus grande initiative et d'une plus grande pertinence dans les consultations avec les patients que les modèles à source fermée tels que GPT-4.
Agent de santé : exploiter la puissance des grands modèles de langage pour la consultation médicale
*sourceIntelligence artificielle de la nature
*auteurDes équipes de recherche de l'Université de Wuhan et de l'Université technologique de Nanyang
*papier:
La méthode d'analyse multivariée d'ICA-Var, basée sur le séquençage génétique et l'apprentissage automatique pour l'évaluation épidémiologique des eaux usées, peut détecter les virus jusqu'à 4 semaines plus tôt.
Détection précoce des variants émergents du SARS-CoV-2 dans les eaux usées grâce au séquençage du génome et à l'apprentissage automatique
*source：Nature Communications
*auteurÉquipe de recherche de l'Université du Nevada, Las Vegas
*papier:
https://www.nature.com/articles/s41467-025-61280-5
Medical GraphRAG établit un nouveau record en matière de précision de réponse aux questions, atteignant des résultats de pointe (SOTA) sur 11 ensembles de données.
RAG de graphes médicaux : vers un modèle de langage médical robuste et étendu grâce à la génération augmentée par la récupération de graphes
*sourceACL 2025
*auteurUne équipe conjointe de l'Université d'Oxford, de l'Université Carnegie Mellon et de l'Université d'Édimbourg
*papier:
REVERIE, le premier système d'intervention par le mouvement en réalité virtuelle, transforme la santé cérébrale, physique et mentale des adolescents.
Système de sport en réalité virtuelle adaptatif basé sur l'IA pour les adolescents en surpoids : un essai contrôlé randomisé
*sourceMédecine naturelle
*auteurLes équipes de recherche du professeur Li Huating, de l'hôpital populaire n°6 affilié à l'école de médecine de l'université Jiao Tong de Shanghai/Institut de stratégie et de développement de la santé proactive, et du professeur Sheng Bin, de l'école d'informatique et de technologie/laboratoire clé d'intelligence artificielle du ministère de l'Éducation de l'université Jiao Tong de Shanghai, ont collaboré, dans le cadre d'une recherche interdisciplinaire en ingénierie médicale, avec les équipes du chercheur Wang Jihong de l'université des sports de Shanghai, du professeur Zeng Rong de l'université ShanghaiTech/Centre de recherche clinique de Shanghai et du professeur Lin Shuide de l'université nationale de Singapour.
*papier:
https://www.nature.com/articles/s41591-025-03724-5
La méthode NeuralCohort permet une modélisation fine des cohortes de patients à partir de données multidimensionnelles du dossier médical électronique, améliorant ainsi la précision de la prédiction de la durée d'hospitalisation de 16,31 % (TP3T).
NeuralCohort : Apprentissage de représentations neuronales prenant en compte les cohortes pour l’analyse des données de santé
*sourceCIML 2025
*auteurL'Université nationale de Singapour en collaboration avec l'Université du Zhejiang
*papier:
https://openreview.net/forum?id=bqQVa6VRvm
Le premier modèle de cartographie mentale clinique au monde dans le domaine de l'HIE, atteignant une amélioration de performance de 15% sur la tâche de prédiction des résultats neurocognitifs.
Connaissances visuelles et du domaine pour le raisonnement médical de niveau professionnel basé sur la représentation graphique de la pensée
*sourceCIML 2025
*auteurUne équipe interdisciplinaire de la Harvard Medical School, du Boston Children's Hospital, de l'Université de New York et du laboratoire Watson du MIT-IBM.
*papier:
https://openreview.net/forum?id=tnyxtaSve5
Cadre d'apprentissage multi-instance par distillation hiérarchique HDMIL pour le traitement rapide d'images pathologiques de coupes entières gigapixels
Classification rapide et précise d'images pathologiques gigapixels grâce à l'apprentissage multi-instance par distillation hiérarchique
*sourceCVPR 2025
*auteurL'équipe composée du professeur Jiang Junjun, du professeur agrégé Jiang Kui et du professeur Zhang Yongbing de l'Institut de technologie de Harbin
*papier:
Le modèle de base vesselFM, conçu spécifiquement pour la segmentation des vaisseaux sanguins 3D, peut atteindre des capacités de segmentation et de généralisation supérieures aux modèles de pointe existants dans les scénarios zéro-shot, single-shot et few-shot.
vesselFM : un modèle de base pour la segmentation universelle des vaisseaux sanguins en 3D
*sourceCVPR 2025
*auteurDes chercheurs de l'Université de Zurich, de l'ETH Zurich et de l'Université technique de Munich
*papier:
Le modèle de survie hybride codé par graphe, basé sur 8 millions d'ensembles de données réelles, identifie des sous-phénotypes présentant des caractéristiques et des résultats de survie cohérents.
Identification de sous-phénotypes prédictifs des résultats cliniques à l'aide de données réelles et d'apprentissage automatique
*sourceCommunication avec la nature
*auteurUniversité Cornell et Regeneron Pharmaceuticals
*papier:
https://doi.org/10.1038/s41467-025-59092-8
L'intégration de modèles d'IA stratégiques permet de prédire avec précision le risque de mortalité dans les cas de choc septique multicentriques et multispécialisés.
Modèles de prédiction de la mortalité multidisciplinaire basés sur l'intelligence artificielle pour le choc septique dans une étude rétrospective multicentrique
*source:npj médecine numérique
*auteurÉquipe de recherche de l'hôpital Tongji et de l'École de gestion pharmaceutique et sanitaire du Collège médical Tongji, Université des sciences et technologies de Huazhong
*papier:
Deux nouveaux algorithmes de prédiction du cancer, basés sur des indicateurs sanguins, permettent une prédiction précoce de 15 types de cancer.
Développement et validation externe d'algorithmes de prédiction pour améliorer le diagnostic précoce du cancer
*source：Nature Communications
*auteurUne équipe de recherche de l'Université Queen Mary de Londres et de l'Université d'Oxford
*papier:
Le cadre de dialogue multi-agents (MAC) améliore considérablement les capacités de diagnostic des LLM.
Améliorer la capacité de diagnostic avec des modèles de langage conversationnels multi-agents
*source:npj médecine numérique
*auteurDes équipes de l'hôpital universitaire de l'ouest de la Chine, du centre de données biomédicales de l'ouest de la Chine, de l'école de médecine de l'université du Zhejiang, de l'université des postes et télécommunications de Pékin, etc.
*papier:
https://www.nature.com/articles/s41746-025-01550-0#Tab6
Le premier cadre de réidentification d'images médicales entièrement modal atteint des performances de pointe (SOTA) sur 11 ensembles de données.
Vers une réidentification d'images médicales tout-en-un
*source:
*auteurLe Laboratoire d'intelligence artificielle de Shanghai, en collaboration avec plusieurs universités de renom
*papier:
https://arxiv.org/pdf/2503.08173
Le modèle de régression plusieurs-à-un M2OST utilise des images pathologiques numériques pour prédire avec précision l'expression des gènes.
M2OST : Régression plusieurs-à-un pour la prédiction de la transcriptomique spatiale à partir d’images de pathologie numérique
*sourceAAAI 2025
*auteurL'équipe de recherche du professeur Lin Lanfen de l'université du Zhejiang, en Chine, en collaboration avec le laboratoire Zhijiang de Hangzhou et l'université Ritsumeikan, au Japon
*papier:
https://arxiv.org/abs/2409.15092
Le modèle MindGlide permet la quantification des lésions de la sclérose en plaques.
Exploiter de nouvelles données à partir d'images anciennes en réutilisant les archives d'IRM cliniques pour la recherche sur la sclérose en plaques
*source：Nature Communications
*auteuréquipe de l'University College London
*papier:
https://www.nature.com/articles/s41467-025-58274-8
Les premières données prospectives mondiales en situation réelle sur l'efficacité concrète des grands modèles pour la formation des médecins de premier recours.
Modèles de langage à grande échelle pour la formation des diabétiques : une étude prospective
*sourceBulletin scientifique
*auteurL'équipe dirigée par le professeur Sheng Bin de l'université Jiao Tong de Shanghai, en collaboration avec l'équipe dirigée par le professeur Mao Lijuan de l'université des sports de Shanghai, l'équipe dirigée par le professeur Huang Tianyin de l'université Tsinghua et l'équipe dirigée par le professeur Jia Weiping de l'Institut du diabète de Shanghai, ainsi que d'autres forces multidisciplinaires, a uni ses forces à celles d'universités et d'institutions de recherche internationales de premier plan telles que l'université Duke, l'université Johns Hopkins et l'université de Melbourne.
*papier:
https://www.sciencedirect.com/science/article/pii/S2095927325000891
L'algorithme d'apprentissage profond d'AcneDGNet atteint une précision bien supérieure à celle des jeunes dermatologues, permettant la détection et la classification des lésions d'acné.
Évaluation d'un modèle de détection et de classification de la gravité des lésions d'acné pour la population chinoise dans des contextes de soins de santé en ligne et hors ligne
*sourceRapports scientifiques
*auteurHan Gangwen et son équipe du département de dermatologie de l'hôpital international de l'université de Pékin
*papier:
https://www.nature.com/articles/s41598-024-84670-z
Le modèle de segmentation d'images médicales multimodales permet la segmentation automatique et l'interaction d'images 3D.
VISTA3D : Un modèle de fondation de séquençage unifié pour l’imagerie médicale 3D
*source: arXiv
*auteurNvidia, en collaboration avec la faculté de médecine de l'université de l'Arkansas, les Instituts nationaux de la santé et l'université d'Oxford
*papier:
https://doi.org/10.48550/arxiv.2406.05285
La segmentation précise des structures cardiaques en échocardiographie multiplan réduit efficacement la redondance.
EchoONE : Segmentation de plusieurs plans d’échocardiographie dans un seul modèle
*sourceCVPR 2025
*auteurLaboratoire d'imagerie ultrasonore médicale, Faculté de génie biomédical, Université de Shenzhen
*papier:https://arxiv.org/abs/2412.02993
MedFoundation, actuellement le plus grand modèle de langage biomédical avec le plus grand nombre de paramètres
Un modèle de langage médical généraliste pour l'aide au diagnostic des maladies
*sourceMédecine naturelle
*auteurUniversité des postes et télécommunications de Pékin, Troisième hôpital de l'Université de Pékin, Université des Trois Gorges
*papier:https://www.nature.com/articles/s41591-024-03416-6
Un cadre général pour la segmentation d'images médicales basée sur le contraste.Réaliser une segmentation précise des images médicales
ConDSeg : un cadre général de segmentation d’images médicales via l’amélioration des caractéristiques basée sur le contraste
*sourceAAAI 2025
*auteurUniversité chinoise des géosciences, Baidu
*papier:
https://arxiv.org/abs/2412.08345
Elle est à la pointe de la technologie sur neuf ensembles de données de référence couvrant deux maladies infectieuses et quatorze maladies non infectieuses.
Un modèle de fondation médicale multimodal, multidomaine et multilingue pour le diagnostic clinique sans intervention préalable
*sourcePortefeuille Nature
*auteurUniversité d'Oxford, Amazon, Université de Rochester, GlaxoSmithKline, Laboratoire d'intelligence artificielle médicale de l'Université Westlake
*papier:
https://www.nature.com/articles/s41746-024-01339-7
La précision de la classification a atteint 971 TP3T, significativement plus élevée que les 821 TP3T des observateurs humains.
Apprentissage profond versus évaluateurs humains : estimation médico-légale du sexe à partir de tomodensitométries tridimensionnelles
*sourceRapports scientifiques
*auteurUniversité d'Australie-Occidentale, Université de Nouvelle-Galles du Sud et Université Hasanuddin, Indonésie
*papier:
https://www.nature.com/articles/s41598-024-81718-y
Alignement bidirectionnel progressif des caractéristiques pour la fusion d'images médicales désalignées
BSAFusion : un réseau d’alignement bidirectionnel par étapes pour la fusion d’images médicales non alignées
*sourceAAAI 2025
*auteurUniversité des sciences et technologies de Kunming, Université océanique de Chine
*papierhttps://arxiv.org/abs/2412.08050 Un nouveau cadre hiérarchique multi-agents couvrant 362 maladies courantes.
KG4Diagnosis : un cadre LLM multi-agents hiérarchique avec amélioration du graphe de connaissances pour le diagnostic médical
*sourceProgramme passerelle AAAI-25
*auteurUniversité de Warwick, Université de Cranfield, Université de Cambridge, Université d'Oxford
*papier:https://arxiv.org/abs/2406.05285
IA + Chimie des matériaux
Avec moins de 100 000 points de données structurelles utilisés pour l'entraînement, la précision de la simulation atomique de PET-MAD rivalise avec celle des modèles professionnels.
PET-MAD comme potentiel interatomique universel léger pour la modélisation de matériaux avancés
*source：Nature Communications
*auteurÉcole Polytechnique Fédérale de Lausanne, Suisse
*papier:
https://www.nature.com/articles/s41467-025-65662-7
Réduire de moitié les coûts de calcul permet de formaliser le raisonnement chimique humain dans un cadre compréhensible par machine.
ChemOntology : une méthode réutilisable basée sur une ontologie chimique explicite pour accélérer la recherche de voies réactionnelles
*sourceCatalyse ACS
*auteurUniversité d'Hokkaido, Japon
*papier:
https://pubs.acs.org/doi/10.1021/acscatal.5c06298
MOF-ChemUnity : un graphe de connaissances structuré, évolutif et extensible
MOF-ChemUnity : Modèles de langage étendus, basés sur la littérature, pour la recherche sur les réseaux métallo-organiques
*sourcePublications ACS
*auteur:Université de Toronto, Canada; Centre de recherche sur l'innovation en matière d'énergie propre, Conseil national de recherches du Canada
*papier:
https://pubs.acs.org/doi/10.1021/jacs.5c11789
Intégration du mécanisme d'attention globale de Graphermer avec CGCNN
CGformer : Réseau de graphes cristallins amélioré par Transformer avec attention globale pour la prédiction des propriétés des matériaux
*sourceMatière
*auteurLaboratoire d'intelligence artificielle et de microstructure de l'Université Jiao Tong de Shanghai
*papier:
https://www.cell.com/matter/abstract/S2590-2385(25)00423-0
Modèle FASTSOLV : Prédiction de la solubilité des petites molécules à des températures arbitraires
Prédiction de la solubilité des composés organiques à partir de données, à la limite de l'incertitude aléatoire
*sourceCommunication avec la nature
*auteurInstitut de technologie du Massachusetts
*papier:
https://www.nature.com/articles/s41467-025-62717-7
Utiliser les informations disponibles immédiatement après la synthèse des MOF pour prédire leurs performances et applications potentielles.
Relier la synthèse des réseaux métallo-organiques à des applications grâce à l'apprentissage automatique multimodal
*source：Nature Communications
*auteurUniversité de Toronto, Canada
*papier:
https://www.nature.com/articles/s41467-025-60796-0
Pour la première fois, un cadre unifié capable de gérer simultanément les trois principales modalités de conception des métamatériaux a été construit.
UNIMATE : un modèle unifié pour la génération de métamatériaux mécaniques, la prédiction des propriétés et la confirmation de l'état
*sourceCIML 2025
*auteurVirginia Tech, Meta AI
*papier:
GeMS, la plus grande base de données de spectrométrie de masse au monde, couvre 200 millions de spectres de masse moléculaire.
Apprentissage auto-supervisé de représentations moléculaires à partir de millions de spectres de masse en tandem à l'aide de DreaMS
*sourceBiotechnologie naturelle
*auteurInstitut de chimie organique et de biochimie, Académie tchèque des sciences
*papier:
Apprendre simultanément le potentiel généralisé et sa fonction de réponse aux stimuli externes dans un seul modèle d'apprentissage automatique.
Apprentissage différenciable unifié de la réponse électrique
*source：Nature Communications
*auteurUniversité Harvard, Robert Bosch LLC
*papier:
Sur la base de LLM, la composition chimique de 14 000 matériaux a été extraite de 88 000 articles.
Sélection de matériaux basée sur les données pour les précurseurs cimentaires secondaires et naturels
*sourceMatériel de communication
*auteurInstitut de technologie du Massachusetts (MIT)
*papier:
Combinaison d'une base de données SSE exhaustive avec LLM et des simulations métadynamiques ab initio
Dévoiler la complexité des électrolytes à base d'hydrures divalents dans les batteries à l'état solide grâce à un cadre basé sur les données et un modèle de langage étendu
*source：Angewandte Chemie-International Edition
*auteurUniversité de Tohoku (Japon), Université du Sichuan (Chine), Institut de technologie de Shibaura (Japon)
*papier:
Recherche de distributions d'isotopes ioniques dans des bases de données de spectrométrie de masse à haute résolution multicomposantes au niveau du TB.
Découverte de réactions organiques grâce à un décryptage de données de spectrométrie de masse à l'échelle téramétrique alimenté par l'apprentissage automatique
*source：Nature Communications
*auteurAcadémie russe des sciences
*papier:
PXRDnet, une méthode d'analyse de structure par intelligence artificielle générative basée sur un modèle de diffusion
Résolution de structures ab initio à partir de données de diffraction de poudres nanocristallines via des modèles de diffusion
*sourceMatériaux naturels
*auteurUniversité Columbia, Université Stanford
*papier:
Dix types de cristaux organiques photoactivés ont été préparés avec succès grâce à l'apprentissage automatique.
Optimisation de la force de sortie dans les cristaux organiques photo-actionnés par l'apprentissage automatique
*sourceDécouverte numérique
*auteurUniversité Waseda, Japon
*papier:
Prédiction réussie de l'interaction électroacoustique des métaux, améliorant l'efficacité d'un facteur 5.
Accélérer la découverte des supraconducteurs grâce à l'apprentissage profond tempéré de la fonction spectrale électron-phonon
*source: npj Matériaux de calcul
*auteurUniversité de Floride, Université du Tennessee
*papier:
https://www.nature.com/articles/s41524-024-01475-4
La technologie d'arbre de décision à gradient boosté est utilisée pour obtenir une prédiction de haute précision des propriétés antioxydantes des RHEA et des RCCA.
Faire progresser le développement des alliages réfractaires à haute entropie grâce à des modèles prédictifs d'IA pour la résistance à l'oxydation à haute température
*sourceScripta Materialia
*auteurUniversité de Bordeaux, France ; Institut national des sciences des matériaux, Japon ; Université nationale Tsing Hua, Taïwan ; KU Leuven, Belgique ; Institut WEL, Belgique
*papier:
https://doi.org/10.1016/j.scriptamat.2024.116394
En combinant les mécanismes de transmission de messages locaux et d'attention globale, les propriétés photoélectriques moléculaires peuvent être prédites avec précision.
RingFormer : un transformateur graphique à anneau amélioré pour la prédiction des propriétés des cellules solaires organiques
*sourceAAAI 2025
*auteurUniversité polytechnique de Hong Kong
*papier:
https://doi.org/10.48550/arXiv.2412.09030
Une méthode de planification rétrosynthétique inorganique a permis d'améliorer avec succès l'efficacité et la précision de la synthèse des matériaux inorganiques.
Récupération-Rétro : Rétrosynthèse inorganique basée sur la récupération avec des connaissances d'experts
*sourceNeurIPS 2024
*auteurInstitut coréen de technologie chimique, Institut supérieur coréen des sciences et technologies
*papier:
https://doi.org/10.48550/arXiv.2410.21341
À partir du modèle de diffusion, la structure est générée en fonction du groupe spatial cible.
Un modèle génératif pour la conception de matériaux inorganiques
*source:Nature
*auteurMicrosoft
*papier:
https://www.nature.com/articles/s41586-025-08628-5
IA + Agriculture, sylviculture et élevage
Couvrant près de 15 000 espèces, cet ouvrage établit une nouvelle norme de pointe en matière de classification et de détection bioacoustiques.
Perche 2.0 : La leçon du Butor pour la bioacoustique
*source: arXiv
*auteurGoogle DeepMind, Google Research
*papier:
https://arxiv.org/abs/2508.04665
Pour la première fois, 219 nouveaux descripteurs de séquence basés sur des théories mathématiques telles que la transformée de Fourier et l'entropie de Shannon sont intégrés dans l'espace des caractéristiques.
PlantLncBoost : caractéristiques clés pour l’identification des lncRNA végétaux et amélioration significative de la précision et de la généralisation
*sourceNouveau phytologue
*auteurUniversité de technologie du Shandong, Université forestière de Pékin, Académie des sciences agricoles du Guangdong, Université de São Paulo (Brésil), Université Rosalind Franklin (Royaume-Uni) et Université d'Umeå (Suède)
*papier:
Recherche météorologique IA+
Le problème de conception collaborative de la « planification progressive du bruit » et de la « pondération des pertes de temps » a été résolu.
Modèles de diffusion roulante expliqués pour la prévision météorologique probabiliste
*sourceNeurIPS 2025
*auteur:Nvidia, Université de Californie à San Diego
*papier:
https://doi.org/10.48550/arXiv.2506.20024
Un nouveau modèle de diffusion potentielle peut être utilisé pour des prévisions météorologiques probabilistes de haute précision, à l'échelle sous-saisonnière à saisonnière.
OmniCast : un modèle de diffusion latente masquée pour la prévision météorologique à différentes échelles temporelles
*sourceNeurIPS 2025
*auteurLaboratoire national d'Argonne de l'UCLA
*papier:
Le modèle de prévision hyperlocale permet de prévoir la plupart des épisodes de fortes précipitations plusieurs jours à l'avance.
Prévisions hyperlocales des précipitations extrêmes à Mumbai : approche de réduction d’échelle basée sur l’apprentissage par transfert de réseaux neuronaux convolutifs
*sourceSSRN
*auteur:Institut indien de technologie de Bombay, Université du Maryland
*papier:
En seulement 2 minutes, ACE2 peut réaliser une prévision saisonnière sur 4 mois.
Prévisions saisonnières mondiales fiables issues d'un modèle météorologique d'apprentissage automatique entraîné sur des données de réanalyse
*source: npj Sciences du climat et de l'atmosphère
*auteur: Centre Hadley d'Exeter (Royaume-Uni), Met Office, Université d'Exeter, Institut Allen pour l'intelligence artificielle (Ai2)
*papier:
Un système de prévision météorologique probabiliste basé sur l'apprentissage automatique, qui combine le traitement du signal sphérique avec un cadre d'ensemble de Markov caché.
FourCastNet 3 : Une approche géométrique de la prévision météorologique probabiliste à grande échelle par apprentissage automatique
*source: arXiv
*auteurNvidia, Laboratoire national Lawrence Berkeley, Université de Californie à Berkeley, Institut de technologie de Californie
*papier:
https://arxiv.org/pdf/2507.12144
Des prévisions météorologiques très précises peuvent être réalisées sans recourir aux modèles numériques traditionnels de prévision météorologique.
Prévision météorologique de bout en bout basée sur les données
*source:Nature
*auteurUniversité de Cambridge, Institut Turing, Université de Toronto, Centre de recherche Microsoft pour l'intelligence scientifique, Centre européen pour les prévisions météorologiques à moyen terme, Service antarctique britannique, Google DeepMind
*papier:
https://www.nature.com/articles/s41586-025-08897-0
IA + Astronomie
Grâce à des réseaux neuronaux convolutifs, sept candidats de haute qualité pour l'effet de lentille gravitationnelle de quasar ont été identifiés avec succès.
Des quasars agissant comme des lentilles puissantes ont été découverts dans DESI DR1.
*source: arXiv
*auteurUniversité de Stanford, Laboratoire national de l'accélérateur SLAC, Université de Pékin, Observatoire de Brera de l'Institut national italien d'astrophysique, University College London, Université de Californie à Berkeley
*papier:
https://arxiv.org/abs/2511.02009
AION-1 : La première famille de modèles fondamentaux multimodaux à grande échelle pour l'astronomie
AION-1 : Modèle fondamental omnimodal pour les sciences astronomiques
*sourceNeurIPS 2025
*auteurUniversité de Californie à Berkeley, Université de Cambridge, Université d'Oxford, etc.
*papier:
