微软推出的Microsoft Discovery平台利用AI在200小时内筛选新冷却剂，显著缩短研发时间。该平台支持科学家通过自然语言与AI互动，降低科研门槛，未来将连接量子计算。

微软推出首款基于拓扑核心架构的量子芯片Majorana 1，预计数年内实现百万量子比特，推动量子计算应用。但物理学家质疑其技术细节，认为尚未证明拓扑量子比特的存在。

本研究提出了一种新方法，结合学习方法与渐进可微渲染，通过单张图片预测材料属性，增强光照与材料互动的真实感。

本研究解决了在扩展的 $\Lambda$CDM 模型中中微子质量和暗能量状态方程测量的精确性问题。我们提出了一种名为 syren-new 的新方法，通过符号回归增强的功率谱模拟器，显著提高了对线性和非线性物质功率谱的拟合精度，为未来的大规模结构调查提供了更快速且准确的计算工具。研究结果表明，该方法在广泛的宇宙学参数范围内能够以极小的误差达到与现有数值模拟相似的准确性，同时运算速度大幅提升。

本文提出了一种用户中心的阴影去除方法，结合动态学习和归一化框架，展示了在真实数据集上的有效性和算法比较。研究表明，基于深度学习的技术在阴影去除方面取得了显著进展，尤其在多个基准测试中表现优异。

本文介绍了一种基于深度学习的算法NeuroFluid，利用LSTM预测流体力学中的压力场变化。研究表明，该算法在建模复杂粒子系统方面表现优越，能够有效估计流体的物理特性。此外，提出的NIM方法结合无网格离散化与深度学习，显著提高了训练效率和预测准确性。

清华大学徐勇、段文晖课题组提出了神经网络密度泛函理论（neural-network DFT）框架，通过将神经网络和DFT有机结合，提高了准确性和效率。研究结果表明，神经网络DFT具有高可靠性和预测精度，为材料科学和物理研究领域提供了新的计算方法。

该研究探讨了社交媒体上药物滥用和心理健康的污名化现象，利用深度学习和自然语言处理分析用户情感与行为。研究发现社交媒体对心理状态有影响，并存在性别偏见。强调需要改善社交媒体管理，以保护弱势群体并制定公共卫生策略。

本文介绍了一种名为 CTAB-GAN 的条件表格生成对抗网络架构，能够有效模拟连续和分类变量。CTAB-GAN 在多个数据集上的测试中表现优异，尤其在保护真实数据隐私的同时提升了合成数据的质量，特别适用于医疗等领域的小样本数据生成需求。

该研究介绍了一种基于机器学习的CME识别与参数获取方法，能够高效、快速地识别微弱的CME信号并给出准确的形态信息。通过神经网络和图像处理算法，成功将CME区域与背景分开，并推导出CME的运动学参数。该方法高效、快速，可应用于CME到达时间预测和三维重构等其他方面的工作。

美国国家海洋和大气管理局预测5月11日地磁暴将影响地球，形成极光并可能对通信和电网造成影响。极光爱好者可前往高纬度地区观看，需避免城市灯光影响并做好防寒保暖措施。

本文探讨量子计算与物理计算的规范框架，提出基于量子理论的概念建模，结合卷积神经网络与量子电路，研究概念的学习与表示。同时分析系统工程在智能系统中的应用，强调封闭系统原则的重要性，并探讨量子力学在认知与决策中的影响。

通过压缩感知（CS）和基于物质基本光谱的部分可分模型，我们提出了一种新方法来从随机欠采样的多光谱磁共振波谱成像（MRSI）数据中重建物质的时空分布。我们利用空时稀疏性和时间平滑性作为先验知识执行 CS，实验结果表明我们的方法能够以极短的时间分辨率重建物质的时空分布，预期对揭示磁共振波谱成像数据中的物质动力学起到重要作用。