随着AI for Science科研基础设施逐渐成熟，干湿闭环的自动化、智能化实验室建设已经成为新的热点。科研的“安卓模式”，即在新的基础设施上通过垂直整合并开发一系列的智能体、skills和harness来完成特定的科研任务，正逐渐成为新的范式。

塑料，尤其是聚乙烯、聚丙烯等聚烯烃，化学结构稳定且自然降解缓慢，是全球塑料污染治理中较难处理的一类材料。2019年，全球塑料废弃物产生量达3.53亿t，其中近一半被填埋。聚烯烃占塑料产量的60% 以上，其碳链含有大量稳定的碳—氢键和碳—碳键，难以在较温和条件下分解。

一小团金属究竟是固体还是液体，通常由温度决定。武汉理工大学傅正义、桑夏晗团队与合作者把一团体积仅为数十到上百立方纳米的铋夹在两个表面之间，在温度几乎不变的情况下，只改变其几何形状，就让它在准非晶纳米盘、晶态纳米线和液态纳米液滴之间来回切换。

湖泊不仅储水，也储碳。植物和藻类吸收的二氧化碳会随有机物沉入湖底，并在缺氧沉积物中保存数十年甚至更久。但当湖泊萎缩，原本被水覆盖的沉积物暴露在空气中，其中的有机质会加速分解，过去积累的碳可能重新返回大气。长期以来，干涸湖床造成的碳损失很少被纳入区域和全球碳清单。

81年前，万尼瓦尔·布什在《科学：无尽的前沿》中提出由联邦政府支持基础研究，为美国国家科学基金会的成立以及战后科研体系奠定基础。如今，面对人工智能兴起、企业研发力量扩张和全球科技竞争加剧，美国政府试图再次改造这套科学发现体系。

2026年7月21日，OpenAI通报，在一次网络安全能力评测中，由多款OpenAI模型驱动的智能体突破隔离环境、接入互联网，并侵入Hugging Face的生产基础设施。该事件暴露出一个现实问题：当AI能够联网、调用工具并自主执行任务时，测试环境中的越界行为可能沿工具和网络权限继续扩散。

7月15日，在北京举行的第28届中国科协年会主论坛上，中国科协发布2026重大科学问题、工程技术难题和产业技术问题，包括10个前沿科学问题、10个工程技术难题和10个产业技术问题。

气体分离是石油化工、天然气处理、碳捕集和氢气纯化等工业过程中的关键环节。工业上长期主要依靠低温精馏，根据分子挥发性的细微差异完成分离，但这类过程设备庞大、能耗高。膜分离可利用分子尺寸和扩散速率的差异进行筛分，被认为是一条更节能的路线。然而，易于加工的聚合物膜往往难以达到高难度气体分离所需的性能，而分离能力出色的金属有机框架（metalorganic framework, MOF）膜又受制于复杂、敏感的结晶过程，难以无缺陷地放大到工业尺寸。

量子计算机对环境扰动极为敏感。控制量子比特的微波信号一旦在频率、振幅或相位上出现细微漂移，错误便会累积。现有做法通常是暂停计算，重新校准设备后再继续运行。然而，未来的实用量子算法可能需要连续运行数天甚至数月，频繁停机将成为大规模量子计算的重要障碍。

随着年龄增长，机体往往同时出现慢性炎症、肌肉衰减、脂肪堆积、心脏功能下降和认知能力减退。过去研究多从单一器官或某类衰老细胞寻找原因，但不同器官为何会在相近时期共同衰退，仍缺乏统一解释。斯坦福大学研究团队在老年小鼠中发现，组织驻留巨噬细胞清除衰老中性粒细胞的能力下降，可能是推动全身多器官老化的重要环节。7月16日，相关研究成果发表于《Science》。

东非大裂谷中马拉维湖的夜晚，一群摇蚊幼虫游到水面附近；白天，它们则下潜到200 m以下，在缺氧深水中躲避捕食者。昆虫体内的含气结构通常会随压力增大而塌陷，但加拿大英属哥伦比亚大学等机构的研究团队发现，生活在马拉维湖中的一种湖生幽蚊（Chaoborus edulis），其幼虫气囊平均可承受相当于463 m水深的压力。7月23日，相关研究成果发表于《Science》。

西北农林科技大学生命科学学院张余周团队研究发现，植物根系存在“避腐性”，即能主动绕开植物腐烂造成的病原微生物富集区。此前，科学界已知植物的向光性、向重力性等，但根系能否感知腐烂植物组织释放的危险信号并作出向性反应，尚不清楚。7月10日，相关研究成果发表于《Science》。

2026年7月20日，通用电气航空航天公司（GE Aerospace）一架萨博340B试验机爬升至9000 m以上，首次完成了混合动力电动飞机横跨大西洋的壮举。不过，负责人透露额外设备的质量和热管理仍是电动航空领域最棘手的技术难题。

2026年国际数学家大会上，王虹、邓煜与另外两位青年数学家共同获得菲尔兹奖。王虹的贡献涉及调和分析和几何测度论，包括傅里叶限制问题、距离集、平面富尔斯滕伯格集以及三维挂谷问题；邓煜则在偏微分方程和数学物理领域取得一系列突破，包括从稀薄气体硬球动力学严格推导玻尔兹曼方程，以及从非线性色散系统推导波动理学方程。

2026年7月13日，意大利帕尔马干酪产区报告，超过40℃的高温使奶牛采食量下降，牛奶产量最多减少10%。当地农场不得不增加风扇和水雾降温设备，能源成本也随之上升。

基于对各种人工智能（artificial intelligence，AI）大模型和相关文献提供的预判信息的综合分析，对未来5年科学智能（AI for Science，AI4S）的发展前景给出谨慎乐观的预判。在分析The AI Scientist−v2平台自动生成顶级会议论文后指出，实现科研闭环全自动化有本质性困难，验证不完备和科研目标漂移是制约AI4S发展的障碍。从计算理论的角度来看，AI4S验证瓶颈的根源在于科学问题的半可判定性，可验证性的边界就是自动化的边界。根据可验证性，科学技术问题可分成2大类问题：R1问题和R2问题。AI4S的风险在于把本该按R2治理的问题当成R1问题来处理。本文指出，AI4S可能比通用人工智能（artificial general intelligence，AGI）安全风险更紧迫，AI4S的风险不是“AI变聪明”，而是“人类失去退出权”。

人工智能赋能科学（AI for Science，AI4S）正通过整合科学先验知识与数据驱动方法，推动科学探索范式的变革。其中，AI4S知识发现已成为国家战略层面的关键议题，旨在分析其概念边界、方法谱系及协作机制，并探讨其对科研生态可能产生的影响。首先，概述AI4S的知识嵌入与知识发现2条互补路径及其形成的闭环，并指出AI4S知识发现的核心贡献在于归纳自动化与知识显式化，但这一贡献更集中于现象与经验定律层面，向构造性理论的跃迁仍依赖人类的机制解释与验证。继而，基于表示—搜索—评估（representation–search–evaluation，RSE）三元框架，揭示AI4S知识发现方法的差异主要在于表示空间的开放程度，搜索与评估则围绕此开放度协同发展。在此基础上，明确人机协作中人类的核心职责是划定认识目标、提供语义约束和主导价值裁决。最后，讨论AI4S知识发现对科研生态的可能影响：在数据密度、自动化与验证条件较成熟的领域，科学家角色可能从任务执行者向“元认知中枢”转变；科研协作也可能呈现出组内更扁平、组际更分化的趋势，这种分化有望通过平台化资产、统一接口及有效的验证治理机制转化为更高质量的跨组协作起点。

随着大视场巡天、高时间分辨率监测和多信使观测的快速发展，天文学正面临数据规模、数据类型与观测频率同步增长的新局面；与此同时，人工智能正从面向单一任务的专用模型，拓展至基础模型和以大语言模型为核心的科研智能体。综述了近5年上述方法在天体物理中的代表性进展，重点比较了专用模型、基础模型与科研智能体在训练目标、数据组织、迁移方式和科学角色等方面的功能边界。结果表明，专用模型在定义明确、数据分布稳定的任务中仍最为成熟有效；基础模型通过大规模异构数据预训练，已在图像、光谱和时间序列等跨任务迁移中展现出统一表征的潜力；而科研智能体尚处于早期探索阶段，其在文献归纳、工具调用和多步骤科研流程组织中的作用仍需审慎评估。通过进一步分析当前面临的数据质量、泛化能力、物理解释性、不确定性量化及可重复性等关键问题，指出未来应优先推进高质量数据基础设施建设、跨巡天外部验证规范、软件工具链固化以及交叉人才培养等方向。

空间科学作为空间应用的先导与国家太空安全的根基，正迈入“数据爆炸、多尺度耦合、战略需求凸显”的新阶段，传统研究范式难以应对数据指数级增长、系统复杂耦合、自主决策及实时精准预报等核心挑战。AI for Science（AI4S）通过深度学习、物理信息神经网络、因果推断等技术，为空间科学领域提供了革命性研究范式。系统梳理了国内外在空间科学智能探测、智能识别、机理挖掘及重大应用等方面的显著进展，深入分析了数据底座构建、机理−因果建模、数智化应用落地3大核心挑战，提出了标准化数据治理、物理约束融合和混合建模、模型轻量化等关键解决路径。研究表明，AI4S已推动空间科学从“经验统计与事后解释”向“数据—物理协同建模与认知驱动”的转型，国内外在星上智能部署、行星地貌高精度识别、空间天气全链条预报等方面取得突破性成果，若干大模型的涌现标志着AI4S在空间科学领域进入规模化应用阶段。未来随着技术的持续进步与跨学科协同的深化，AI4S将为空间科学创新突破、重大航天任务保障及国家空间安全筑牢科技支撑。

深远空间无人探测任务面临极远距离、大时延、弱信号和复杂动力学环境等极端约束，传统地面控制模式已难以满足长期复杂任务需求。系统综述深远空间智能航行技术进展，提出感知—决策—执行—辅助的智能航行体系，分析极端环境感知与自主认知技术、多源融合自主导航技术、长时延条件下的任务规划与决策技术、复杂动力学环境下的智能控制技术、深远空间智能航行辅助保障技术等关键技术的研究进展与主要瓶颈，并重点探讨人工智能技术的融合应用与发展方向。在此基础上，提出深远空间智能航行技术发展建议，为行星探测工程二期、太阳系边际探测等深远空间探测任务论证实施提供参考。

面对材料研发周期长、依赖经验的现实困境，系统论述了人工智能驱动材料科学从传统试错范式向“智能自主创制”范式变革的演进逻辑，解析了认知能力与决策主权由人类向智能系统迁移的跃迁机制。从材料设计、合成规划及自主实验系统等方面系统阐述了人工智能赋能材料创新的实现路径。针对数据孤岛、物理可解释性缺失及算力前置等局限，提出将物理机理嵌入统计模型是跨越能力边界的关键。展望未来，多模态大模型与数字孪生技术的深度集成，将构建覆盖材料全生命周期的智能管理体系，推动材料研究和应用迈入算法驱动与人机协同的自进化时代。

材料基因组工程的高通量计算、高通量实验和数据库建设，为人工智能（artificial intelligence，AI）赋能材料科学提供了数据与平台基础。从材料科学与力学、计算科学、自动化和工程科学交叉融合的视角，界定材料/力学信息学（AI for materials and mechanics，AI4M²）的内涵，梳理材料设计、微观组织表征、工艺优化、力学建模、自驱动实验和科研智能体等方面的进展。AI4M²的“硬基石”是人工智能实验机器人、高通量平台、智能表征装备和自驱动实验室，“软基石”是人工智能算法、多尺度计算、科学大模型、数字孪生与科学软件；数据基础设施贯通2类基石，科研智能体连接模型、工具、实验和工程场景。针对高质量数据不足、模型物理可解释性和跨尺度泛化能力有限、实验闭环与自主软件装备薄弱以及复合型人才短缺等问题，比较国内外代表性实践，并提出统一数据标准与接口、建设共享中试级智能实验平台、发展可验证的自主软件工具链、以重大工程场景组织示范和完善本硕博贯通培养等可实施路径。

人工智能技术的快速发展正在推动新一轮科技革命，并促进以材料基因工程为代表的数据驱动材料研发体系由经验驱动模式向数据驱动与智能设计协同推进模式转变。围绕高通量计算与机器学习融合驱动下的材料研发范式变革，系统梳理了材料研发范式的演进过程、高通量计算与机器学习的关键技术体系、国内外战略布局与平台建设进展，并分析其对新材料产业生态、科研组织模式及重点材料研发路径的影响。高通量计算支撑材料数据生成与大规模筛选，机器学习则通过快速预筛选和知识挖掘促进材料智能设计闭环迭代，推动材料创新竞争由单一技术能力竞争转向数据资源、计算工具、研发平台与组织体系协同能力的综合竞争。中国已初步具备相关建设基础与竞争力，后续可围绕核心软件自主化、高质量数据积累、标准体系完善，以及研发链与产业链贯通等方面持续提升。高通量计算与机器学习的深度融合，正在推动材料研发由第四范式向第五范式演进，并持续重塑新材料创新的技术体系、产业生态与科研组织逻辑。

药物研发具有周期长、成本高、临床成功率低等特点，传统研发模式已难以满足复杂疾病和创新药物开发的需求。近年来，人工智能（artificial intelligence，AI）凭借其在多源数据融合、复杂模式识别和智能决策等方面的优势，正推动药物研发由经验驱动向数据驱动和知识驱动的新范式转变。本文系统综述了国内外AI赋能药物研发的最新研究进展，重点分析了AI在药物研发全流程中的关键应用及其技术发展趋势，并结合代表性研究总结了AI在提高研发效率、优化决策过程和促进研发模式变革方面的重要作用。综合现有研究表明，AI已成为连接生物医学数据、计算模型与实验验证的重要桥梁，不仅显著提升了药物研发早期的靶标发现、分子设计和药物评价效率，而且推动了自动化实验、自驱动实验室和虚拟细胞等新型研发模式的发展，为构建智能化药物研发体系提供了新的技术路径。然而，AI在药物研发中的广泛应用仍受到高质量数据不足、模型可解释性和泛化能力有限、多模态知识融合困难，以及实验验证和标准化评价体系不完善等因素的制约，其临床转化价值仍需要进一步验证。未来，应加强高质量数据资源和共享体系建设，发展融合生物机制与物理规律的可解释AI模型，推动生成式AI、多智能体系统与自驱动实验室深度融合，完善模型评价标准与监管体系，促进人工智能与实验科学协同创新，加快AI赋能药物研发向智能化、自动化和闭环化方向发展。

仿生导航是仿生智能赋能无人系统自主感知与高效导航能力的重要体现，其通过模拟生物空间、环境和目标等信息感知、获取、融合及应用过程，为突破干扰对抗环境下无人系统自主导航瓶颈提供了新的理论思路和技术途径，已成为信息科学、仿生学与仪器仪表等多学科交叉融合的前沿研究方向。从仿生智能系统的概念和功能出发，阐述了仿生导航的研究内涵与体系结构，系统综述了惯性导航、视觉导航、偏振导航、地磁导航等典型仿生导航技术的研究进展，重点分析了各类导航技术仿生机理、信息感知机制和技术实现形式，并从神经赋能的智能运动信息估计（方法）、类生物器官协同感知的智能导航硬件（系统）和具有不确定干扰适应能力的仿生智能导航（行为）3个层面展望了未来发展趋势，为新一代自主导航技术的发展提供参考。

新一代信息技术的迅猛发展推动人工智能从通用技术工具跃升为塑造新质生产力、重构国家科技竞争格局的战略性底层能力。人工智能的角色正从“赋能者”向“定义者”深度转变，持续颠覆多学科交叉领域的科研范式与演进路径。系统梳理了人类科研范式演进的5次变革历程，聚焦阐释以人工智能为核心驱动力的第5范式——人工智能驱动的科学研究（AI for Science, AI4S）。该范式通过融合卷积神经网络、图神经网络、扩散模型及大模型等前沿技术，系统性重构生物医药、人形机器人、量子科技等前沿交叉领域的科研逻辑与技术发展路径，实现科研全流程的智能化重构。研究强调，真正的AI4S应是人类创新思维与科学探索能力的协同升华。AI技术将科研人员从底层推理、实验设计等重复性工作中解放，使其得以聚焦顶层科学问题的凝练与科研战略的顶层设计，从而加速科学发现与技术突破。人类创造力始终是科研本质的内核，自由探索与原创理论构建仍是科学进步的基石。

为满足高功率电子器件对散热基板日益增长的需求，针对氮化铝（AlN）陶瓷力学性能不足、传统增韧方法导致导热性能下降的难题，提出利用一维AlN晶须实现同相增韧的策略。通过直接氮化法合成AlN晶须，经干压成型与常压高温烧结，制备了系列AlN陶瓷。结果表明，AlN晶须可与基体紧密结合，有效降低界面热阻；其高长径比形态构建了连续、高效的导热通道，协同提升了AlN陶瓷的导热和力学性能。最终获得的最大导热系数、抗弯强度及断裂韧性分别达到189.49 W·m⁻¹·K⁻¹、255.13 MPa与3.25 MPa·m^1/2，分别较未添加晶须的样品提升7.2%、150.8%与24.5%。微观结构分析与有限元模拟结果表明，AlN晶须在受力过程中能够有效分散应力并抑制裂纹扩展。

随着人口老龄化带来的核医学诊疗需求增加，医用同位素作为核医学诊疗的物质基础，其稳定可靠供应是促进核医学发展、保障人类生命健康的重要前提。综述了目前堆产医用同位素生产供应现状，中国临床诊疗常用医用同位素仍高度依赖进口。为此，中国部署实施了新的医用同位素生产堆建设项目，预计2027年前中国重点医用同位素供应仍主要依赖进口，2027年后部分核素的自主供应能力将显著提升，远期有望实现完全自主供应甚至部分出口。然而，部署设施投运后的预期产能实现仍面临多重风险挑战，如生产堆运行管理及配套支撑不成熟、堆产医用同位素定价机制不清晰、研究堆与处理厂的空间布局与商业结构不健全等，可能导致供应波动甚至短缺。提出加强医用同位素供应安全顶层设计，统筹生产设施的规划布局与建设进度；完善医用同位素生产堆运行管理与配套支撑体系；构建符合国情的医用同位素定价模式与商业结构，以推动产业链可持续发展。

联邦学习作为一种分布式机器学习范式，能够在保护数据隐私的前提下实现多方协同学习，已被广泛应用于多个关键领域。然而，联邦学习的分布式特性也使其在面对后门攻击时遭受严重的安全威胁。首先详细分析了后门攻击与后门防御在联邦学习领域的方法分类与发展方向，并总结了相关领域的最新研究进展。后门攻击研究正转向兼顾隐蔽性、持久性与低数据依赖的现实化攻击，并演化出多种新型攻击手段；同时，后门防御也更加追求对不同攻击手段的普适性，以及在联邦学习环境下平衡计算开销与防御强度。最后，揭示了联邦学习后门攻防正面临更加复杂的挑战，应主动向更加体系化、集成化的设计转变，在攻击侧转向多目标均衡的攻击研究，在防御侧强调智能化与自适应，结合隐私计算等技术强化安全保障，助力其在现实联邦学习环境中落地。

人工智能已成为全球科技竞争的战略制高点，中国、美国在发展路径、制度设计与技术创新方面呈现显著差异。本文构建了“政策、技术、科研”三维分析框架，系统比较了中美两国人工智能发展的异同，并首次将词元（token）经济纳入对比维度，揭示人工智能（artificial intelligence，AI）商业化新形态。研究基于中国《关于深入实施“人工智能+”行动的意见》、“十五五”规划与美国《赢得竞赛：美国人工智能行动计划》等最新政策文本，结合2025年以来前沿模型技术突破和斯坦福大学《2026年人工智能指数报告》数据进行分析。研究表明，中国形成了以产业落地与场景反哺为主导的发展模式，政策呈纵向阶段规划特征；美国形成了以通用人工智能突破为主导的发展模式，政策呈清单化横向执行特征；两国在科研产出方面呈现“中国数量领先、美国质量领先”格局，而在前沿模型性能方面，中国和美国之间差距已显著收窄。在此基础上，提出完善中国人工智能治理体系的3方面系统性建议，即构建可执行政策机制、建立多维量化评估体系、完善技术专家参与决策机制，并倡议在保持“应用导向”优势的同时加强通用人工智能（artificial general intelligence，AGI）与具身智能前瞻布局，形成“应用优势+基础突破”双轮驱动发展格局。

2026年适逢“两弹一星”功勋科学家、共和国勋章获得者于敏百年诞辰。基于公开出版的亲历者访谈录、口述历史及回忆录等文献，系统梳理于敏的科学生涯历程，重点聚焦其在氢弹原理突破和自主核武器发展道路中的关键贡献。在此基础上，进一步凝练并阐释于敏科学家精神的六大核心维度，逐一剖析其生成的历史逻辑、具体的行为表征及当代实践价值。研究表明，于敏精神兼具哲学思辨深度与人格感召力量；在党的二十大提出“实现高水平科技自立自强、建成世界科技强国”的战略背景下，弘扬这一精神对激励科技工作者胸怀“国之大者”、勇探创新“无人区”、坚守求真务实、甘于无私奉献、提升协同效能及培育战略科学家梯队，具有紧迫而深远的时代启示。