机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。
丛枝菌根（AM）网络是一种广泛的共生关系。研究者利用定制机器人监测其构建过程，揭示了其灵活性和响应性。研究表明，真菌通过控制网络结构和流动来满足养分交易需求，为人类供应链设计提供了启示。
浙江大学和之江实验室开发了一种全自动系统，结合液芯波导、微流控和AI技术，每天可筛选1万种反应条件，加快化学合成和光催化反应筛选。该系统成功优化了光催化[2+2]环加成反应条件，显示出在有机合成领域的巨大潜力，并可应用于其他合成领域。
研究人员通过少量血液样本测量数千种血浆蛋白，结合基因和健康数据，深入研究疾病根源和衰老过程。研究显示，器官特异性蛋白质与衰老和疾病风险相关。高通量蛋白质组学揭示了蛋白质与慢性疾病的关联，尽管成本高，但与人工智能结合为未来医疗提供新方向。
大型语言模型在自动化高通量临床文本表型研究中具有高性能和广泛适用性的优势，无需手动注释的训练数据，有望成为主要方法。
利用 RGB-D 相机和 CoRe++ 网络完成 3D 形状，在高产土豆估计上具有快速和准确性。
本文介绍了一种基于条件CycleGAN的虚拟染色方法，能够将H&E染色图像转换为IHC染色图像，展示了其在图像转换中的优势。研究提出了多种深度学习模型，以提高虚拟染色的准确性和效率，推动数字病理学的发展。
该研究提出了一种结合多精度评估、机器学习和优化算法的反向设计优化方法。通过低精度模拟数据预测目标变量，显著节省计算资源并加快收敛速度，适用于各种反向设计应用，提升了差分进化和粒子群优化算法的性能。
完成下面两步后，将自动完成登录并继续当前操作。
