应用材料公司推出SENZ智能眼镜集成平台，整合光波导、光机、传感器与电致变色技术，以解决供应链碎片化问题。副总裁Paul Meissner认为无显示、HUD和AR眼镜将长期并存，中间形态或成主流；预计2027年多色显示普及，三年后屏幕成AI眼镜标配，并强调科技无形、以人为本、卓越工程三大原则。

台达在第十四届半导体设备材料展上展示全链路“芯”智造方案，聚焦工艺爬坡、良率提升等痛点，推出精准温控、裸晶取放、晶圆盒无人化运送等工艺优化方案，以及设备互联、数字孪生、质量管理等智能升级技术，并展出适配先进封装和HBM制造的硬件，配套智慧供电和AI厂务系统，保障产线稳定高效运行。

康宁公司庆祝成立175周年，专注于显示玻璃、光纤和半导体封装等材料创新。在中国深耕46年，与京东方等企业合作，推动显示产业发展。面对AI时代，康宁布局玻璃基封装和可弯折玻璃等前沿技术，强调创新需结合市场需求，并与产业链协同实现技术规模化应用。

中之杰科技为乾大新材料构建数智化管控体系，覆盖计划、物流、生产、质量等环节，实现全链路柔性智能生产。项目上线后，生产效率提升45%，在制品库存下降25%，质量追溯时间缩短60%，管理决策转向数据驱动。

默克光电科技在DIC EXPO 2026展示显示材料、光学技术及量测检测三大领域，主题“We Materialize Light”。其高透过率液晶、OLED材料支持能效与色彩平衡，光学涂层和AR/VR技术融合数字与真实世界，量测检测助力先进封装良率提升。默克已在中国建立液晶端到端能力，并加强本地研发与制造。

MIT研究人员开发出CrysVCD框架，在材料生成前通过语言模型约束化学价规则，提升生成材料的稳定性，使约70%的生成材料达到高稳定性，并支持特定性能（如高导热、高介电常数）。该方法比事后筛选高效一个数量级，节省计算成本，有望推动半导体和数据中心等领域的材料创新。

DONUT是一种物理感知的无监督深度学习框架，用于快速分析扫描式X射线纳米衍射数据。它无需标注数据，通过将可微分衍射模型嵌入自编码器，实时提取晶格应变和取向信息，分析速度比传统方法快超200倍，精度更高，并成功应用于SrIrO₃薄膜分析。

张朝阳与宾大教授刘若微对话，探讨软物质与非平衡统计物理。刘教授介绍阻塞相变理论，解释无序固体形成，并延伸至低功耗类脑智能材料，通过局域规则训练物理网络，无需全局计算，类似人脑学习，耗能极低。她鼓励物理探索，不惧提出“蠢问题”。

应用材料中国公司第三次获“Great Place To Work”认证，并入选“大学生喜爱的雇主品牌”。其“新锐计划”十年来吸引超750名应届生，覆盖工程、供应链等岗位。公司还入选《华尔街日报》未来最佳企业及《福布斯》净零领导者榜单，正推进2030可持续目标和2040净零战略。

埃隆·马斯克的xAI公司起诉南卡罗来纳州男子特里·哈伍德，指控他利用Grok AI聊天机器人生成儿童性虐待材料（CSAM）。xAI称哈伍德故意绕过安全措施，修改非自愿图像并分发CSAM，违反公司政策。哈伍德已因持有和分发CSAM被逮捕，面临八项重罪指控。xAI要求法院判决哈伍德赔偿损失，并阻止其使用Grok。

布朗大学的研究发现，爱因斯坦的相对论在重元素（如铋）的化学键中起重要作用，传统化学键模型不再适用。实验表明，重元素的化学键结构模糊，需要引入更复杂的量子数来描述。这一发现对未来太阳能电池和量子计算材料的研发具有重要意义。

本文讨论反曲弓的入门知识，包括装备选择、拉距、力量和材料等。新手应选择适合自己力量的弓片，逐步更换以适应姿势和力量。同时，建议使用ILF接口，并注意箭的长度和挠度。避免过早购买高级装备，建议先体验基础装备。

本文介绍了如何使用 DeepSeek 和 Reasonix 进行 AI 自动化，适合没有经验的用户。强调 DeepSeek 的低门槛和高性价比，适合处理网页读取和表单填写等任务，并提供基础配置步骤，帮助用户快速上手，实现浏览器自动化，提升工作效率。

飞凯材料子公司昆山兴凯半导体材料在安徽安庆投产，投资1亿元，专注于高端环氧塑封料的研发与生产，年产能达1万吨。新厂实现全自动化和数字化管理，提升半导体封装材料的供应能力。

近年来，机器学习在材料科学中的应用逐渐深入，特别是在高维光谱数据的预测与解析方面。日本东京科学研究所的研究团队提出了一种新方法，利用深度学习模型ALIGNN处理光吸收光谱数据，显著提高了预测精度。研究构建了包含2681种材料的数据库，并通过特征提取与聚类分析，成功识别出影响光谱特征的关键元素及其配位环境，为材料设计提供了新的思路和工具。

NVIDIA推出新软件，加速科学研究，包括材料模拟和暗物质探索。新工具如cuPhoton和ALCHEMI NIM显著提升数据处理速度，帮助科学家实时分析天文数据和材料特性，推动多个领域的快速发现和洞察。

韩国POSTECH大学研究团队开发了一种基于氧化锌和碲的新型晶体管，利用“负微分跨导”效应，使单个晶体管实现原本需四个晶体管的功能。这一设计可减少75%的晶体管需求，提升数据处理速度四倍，预计将简化芯片设计、降低功耗和发热，为AI硬件和可穿戴设备带来新机遇。

材料AI模型MPA通过中期训练和混合头设计，显著提升了对真实实验数据的预测能力。在40个工业任务中，MPA表现优异，尤其在新结构方面展现出强大的“物理直觉”。该方法结合理论计算与实验数据，推动了材料科学的发展。

研究人员利用机器学习和贝叶斯优化框架，成功实现了对含镓材料的反向设计，生成了可调带隙（0.5–3.5 eV）的新型半导体。这一方法加速了材料发现，具有重要的光电和能量转换应用潜力，且生成材料具有100%的新颖性，为未来材料设计提供了新的思路和工具。