GPT-5.2在粒子物理学中推翻了几十年的教科书结论，发现特定条件下胶子散射振幅不为零。研究团队通过AI推导出关键公式，并在12小时内验证其正确性。这一成果为基础科学提供了新思路，可能引导后续研究。

瑞利波振幅随深度指数衰减，受地层弹性影响。通过分布式声波传感（DAS）监测CO₂注入过程中的振幅变化，发现其与注入活动相关。研究表明，垂直光纤记录的振幅能够探测地下薄层的刚度变化，为低成本监测提供了新方法。

本研究提出了一种AH-OCDA方法，旨在解决开放复合领域适应中的标签缺乏问题。该方法结合课程学习与霍普菲尔德分割模型，通过傅里叶变换引导语义分割模型适应新领域，并在OCDA基准上展现出优越性能。

本文研究了一种简化的通信高效分布式学习框架，利用数据子集计算本地最大似然估计量，并结合本地估计值实现对全局MLE的最佳近似。研究表明，使用KL散度方法比线性组合方法更为优越，可解决模型错误、非凸性和异构数据分区等问题。

该工具更新了筛选功能，支持开盘价、振幅、日内最高价与开盘价、最低价与开盘价的比例筛选，并显示天数和占比。此外，还加入了SPY的历史数据复盘。

本文介绍了一种新方法，即神经网络量子态（NQSs），用于找到量子多体基态。该方法将量子多体变分波函数拆分为实值振幅神经网络和符号结构的乘积，并专注于振幅网络的优化。在三个典型的量子多体系统上进行测试，结果表明该方法的基态能量低于或与传统方法相当。在受挫型海森堡 $J_1$-$J_2$ 模型中，该方法的结果优于复值卷积神经网络，说明复值 NQS 的符号结构难以优化。未来将研究 NQS 的符号结构优化。