该公司基于发育生物学、系统生物学与计算生物学的大型实验数据集，构建以实验数据训练的机器学习基础模型，试图为细胞替代疗法提供更稳定、可复制的细胞发育控制方案。

密歇根大学团队分析近2.5万条评论发现，观众多表达对动物的欣赏与关切，但围绕保护的讨论与行动倡议较为稀少。

新发表在《机器学习》期刊上的研究利用尼姆这一已被完全求解的儿童火柴游戏，系统检验了AlphaZero风格自我对弈方法的能力。结果显示，仅依赖从局面中学习模式的策略，在状态空间放大后会出现明显盲点和性能退化，提示未来需要引入抽象表示或混合方法。

斯坦福大学研究团队在《地球系统建模进展杂志》发表研究，提出将基于全球观测数据训练的机器学习算法纳入全球气候模型，以改进对大气重力波及其传播的刻画，并尝试解决南极极地涡旋模拟偏晚等长期问题。

芬兰于韦斯屈莱大学研究团队借助机器学习势函数开展超长时间尺度分子动力学模拟，揭示硫醇保护金纳米簇在高温下的分层变形与融合过程，为纳米材料设计与催化应用研究提供新线索。

助理教授Matthew Jones致力于解码肿瘤在基因、表观遗传及微环境层面的分子过程，预测肿瘤如何及何时演变出抗药性。

斯特拉斯克莱德大学研究团队将机器学习与计算机模型结合，用于设计可承受强激光的等离子体镜，称可将传统需要数十万至数百万次迭代的流程缩短至几十次，并在研究中观察到激光脉冲压缩等现象。

维多利亚大学团队在巴克利湾部署水下声学定位阵列，结合视频记录识别逾千段鱼类发声，并用机器学习模型以最高88%的准确率区分鱼种。

麻省理工学院团队开发出一种新方法，能够识别并调控大型语言模型中的隐藏概念，从而提升模型的安全性和性能。

通过提供细胞的整体信息，人工智能驱动的方法有望帮助科学家更好地理解疾病机制并规划实验。

麻省理工学院体育实验室的研究人员正在利用人工智能技术帮助花样滑冰运动员提升表现，并探讨五周跳是否具备人类实现的可能性。

西班牙区域农食研究与发展服务（SERIDA）研究团队在《Scientific Reports》发表研究，提出一套结合实地调查与Sentinel-2卫星数据的遥感监测模型，用于高分辨率追踪穴居田鼠分布与扩散，并为风险预警与资源配置提供依据。