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。

最新实验表明，μ子异常未显著偏离，标准粒子模型依然有效。费米实验室的测量精度达到127亿分之一，理论与实验结果一致，物理学家们继续研究μ子的性质。

本研究提出了一种新交叉算子粒子群优化启发交叉（PSOX），旨在改进实数编码遗传算法。PSOX结合全局最佳解和历史最优解，提升了收敛速度并保持了种群多样性。实验结果表明，PSOX在解决方案的精度和稳定性方面优于其他五种交叉算子。

本研究针对物联网车辆（IoV）中因网络互联性增加而出现的新安全漏洞，提出了一种边缘基的入侵检测系统（IDS）。该系统利用元集成分类器和粒子群优化聚合多个隔离森林模型，有效识别已知和未知的僵尸网络攻击，其在车辆僵尸网络数据集上的检测率分别为92.80%和77.32%。

本文解决了深度学习模型架构确定过程中的高效率和收敛性问题，提出了一种将大语言模型（LLMs）与粒子群优化（PSO）相结合的方法，以提升超参数调优的性能。研究表明，该方法显著提高了收敛速度并降低了计算成本，优化效果在20%至60%之间，非常适合广泛的深度学习应用。

本研究解决了医学图像分割中的精确性和计算效率问题，特别是在复杂的多模态MRI数据集和多样化肿瘤形态分析中。论文提出的PSO-UNet结合了粒子群优化与U-Net架构，实现动态超参数优化，显著提高了分割性能，并降低了计算复杂度，展示了其在临床应用中的潜力和优势。

Trapcode 系列插件专为 After Effects 设计，功能强大，支持创建逼真效果。最新版本新增流体动力学、文本和遮罩发射器，提供多个预设和三维模型，兼容多个 Adobe 软件版本。

该战略白皮书探讨了粒子、核与宇宙粒子物理学中人工智能应用的障碍，如计算资源不足和专业知识缺乏，并提出了基础设施需求、培训项目和资金策略，以提升该领域的AI能力。

本研究提出了一种多视图深度学习框架，解决了纳米粒子药物动力学预测中的不确定性问题，显著提高了预测准确性，为药物发现和精准纳米医学奠定了基础。

本研究解决了在部分已知密度下进行高效采样的问题，提出了一种新的粒子变分推断方法R-ParVI。该方法采用奖励机制引导粒子运动，通过模拟粒子与环境的交互，实现了快速、灵活且可扩展的采样和推断，特别适用于贝叶斯推断和生成建模中的概率模型。

本研究提出了一种新型扩散增强粒子过滤框架，解决了粒子过滤中因初始先验分布限制导致的估计不准确问题，显著提高了高维和非凸场景下的成功率与估计精度。

本研究提出了一种结合贝叶斯推断与强化学习的层次框架，以解决动态场中的源定位与表征问题。通过粒子滤波机制实现高效的信念更新，实验结果表明该方法在准确性、适应性和计算效率方面具有显著优势。