<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Lab_AI的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Lab_AI</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Lab_AI]]></copyright><item><title><![CDATA[AI赋能多尺度模拟：破解材料研发难题]]></title><link>https://blog.csdn.net/Lab_AI/article/details/165891310</link><guid>https://blog.csdn.net/Lab_AI/article/details/165891310</guid><author>Lab_AI</author><pubDate>Sun, 20 Sep 2026 15:46:59 +0800</pubDate><description><![CDATA[材料研发中，原子尺度结构与宏观性能间存在巨大时空尺度鸿沟。传统单尺度模拟难以捕捉跨尺度协同机制，多尺度模拟成为关键。层次化建模效率高但信息单向，并发耦合精度高却计算昂贵，而机器学习桥接通过训练微观数据预测宏观性能，实现高效精准的跨尺度映射。创腾科技MaXFlow平台融合分子模拟、AI建模与工作流自动化，以机器学习势为桥梁，打通从原子构型到宏观性能的智能预测链路，推动材料研发向“无需关注尺度衔接”的工程化应用迈进。]]></description><category></category></item><item><title><![CDATA[一张图读懂 iLabPower 研发数字化平台架构]]></title><link>https://blog.csdn.net/Lab_AI/article/details/161205616</link><guid>https://blog.csdn.net/Lab_AI/article/details/161205616</guid><author>Lab_AI</author><pubDate>Fri, 18 Sep 2026 23:18:52 +0800</pubDate><description><![CDATA[本文介绍iLabPower研发数字化平台，通过“创新云、数据云、验证云”三大支柱，实现实验全流程数字化与智能化。平台打通ELN、仪器互联、数据治理与AI分析链路，支持生物医药与材料化工领域差异化需求，解决数据孤岛问题，提升研发效率与合规性，助力科研从“试错”迈向“设计驱动”。]]></description><category></category></item><item><title><![CDATA[MaXFlow 抗体人源化：AI 预测免疫原性风险效果实录]]></title><link>https://blog.csdn.net/Lab_AI/article/details/161205521</link><guid>https://blog.csdn.net/Lab_AI/article/details/161205521</guid><author>Lab_AI</author><pubDate>Fri, 18 Sep 2026 23:02:53 +0800</pubDate><description><![CDATA[本文基于MaXFlow平台实践，展示AI在抗体人源化中的关键应用：通过量化免疫原性风险评分、精准定位T细胞表位、优化亲和力与稳定性，实现“去风险”与“保活性”的平衡。实测表明，AI可显著降低临床失败率，提升研发效率，推动抗体开发从经验驱动转向数据驱动。建议在苗头筛选、人源化设计及PCC阶段前置使用，构建主动防控的智能研发流程。]]></description><category></category></item><item><title><![CDATA[电子实验记录本 iLabPower ELN V6.1正式发布！小核酸序列+配方设计，让实验记录更懂业务]]></title><link>https://blog.csdn.net/Lab_AI/article/details/165754759</link><guid>https://blog.csdn.net/Lab_AI/article/details/165754759</guid><author>Lab_AI</author><pubDate>Thu, 17 Sep 2026 18:24:52 +0800</pubDate><description><![CDATA[电子实验记录本iLabPower ELN V6.1正式发布，新增小核酸序列与配方设计模块，助力研发高效合规。序列模块实现HELM校验、批量导入、一键注册至RegMS，错误率降为零，录入效率提升10倍；配方模块支持物料库导入、多配方并行对比、自动汇总计算与审计追踪，告别手工算错与重复录入。两大模块将实验记录从“文档”升级为可校验、可计算、可追溯的智能研发中枢，真正实现“一次录入，全程留痕”。]]></description><category></category></item><item><title><![CDATA[创腾科技用户喜讯: 祝贺瑞联新材、恒瑞医药、信立泰、滨会生物取得重要进展，创新势能持续释放]]></title><link>https://blog.csdn.net/Lab_AI/article/details/165476571</link><guid>https://blog.csdn.net/Lab_AI/article/details/165476571</guid><author>Lab_AI</author><pubDate>Tue, 15 Sep 2026 15:15:36 +0800</pubDate><description><![CDATA[2026年9月，创腾科技多家用户在创新研发与资本布局上取得突破：瑞联新材签约TCL华星，正式进军印刷OLED终端材料；恒瑞医药两款创新药获批，涵盖糖尿病与肥胖适应症；信立泰二次递表港交所，创新药收入占比超54%；滨会生物完成港股IPO境内备案，核心产品进入Ⅲ期临床。多领域进展彰显中国创新企业强劲发展韧性。]]></description><category></category></item><item><title><![CDATA[中国AI for Science软件公司观察：从算法模型到研发全流程]]></title><link>https://blog.csdn.net/Lab_AI/article/details/165475264</link><guid>https://blog.csdn.net/Lab_AI/article/details/165475264</guid><author>Lab_AI</author><pubDate>Tue, 15 Sep 2026 15:04:31 +0800</pubDate><description><![CDATA[过去两年，中国“科学智能”（AI4S）快速发展，形成四类主要路线：科学计算平台（如深势科技）、AI+自动化实验（如晶泰科技）、生命科学模型（如百图生科）、科研数字化与数据基建（如创腾科技）。其中，创腾科技聚焦研发数据管理与流程数字化，构建从电子实验记录到AI建模的完整数据链，强调数据结构化、可追溯性与私有化部署，虽非“AI明星”，却为AI在科研中落地提供关键基础设施。行业仍处验证期，真正价值在于能否处理真实数据、复现结果并产生可量化研发收益，而非仅宣传“全流程智能”。]]></description><category></category></item><item><title><![CDATA[磷化铟、光刻胶、电子特气：半导体材料国产替代，研发数字化如何「加速卡脖子攻关」？]]></title><link>https://blog.csdn.net/Lab_AI/article/details/165457107</link><guid>https://blog.csdn.net/Lab_AI/article/details/165457107</guid><author>Lab_AI</author><pubDate>Tue, 15 Sep 2026 14:40:20 +0800</pubDate><description><![CDATA[2026年，磷化铟跨界潮与光刻胶、电子特气国产化率低迷并存，凸显高端材料攻关的“工程化瓶颈”。计算驱动的材料设计与全链路数据管理正成为破局关键：通过AI模拟优化配方，实现“干湿闭环”研发；依托结构化数据沉淀与关联分析，将试错转化为可复用知识资产。创腾科技等平台实践表明，数字化能显著缩短研发周期、加速送样验证，推动材料研发从“经验主导”迈向“可预测、可迭代”的工程化体系，为国产替代赢得宝贵时间窗口。]]></description><category></category></item><item><title><![CDATA[不是所有工业AI都需要大模型：小模型如何进入研发闭环]]></title><link>https://blog.csdn.net/Lab_AI/article/details/164260365</link><guid>https://blog.csdn.net/Lab_AI/article/details/164260365</guid><author>Lab_AI</author><pubDate>Tue, 01 Sep 2026 15:12:58 +0800</pubDate><description><![CDATA[创腾科技指出，工业研发中“小模型”并非技术降级，而是任务边界清晰、可验证、可迭代的专用模型。其价值不取决于参数规模，而在于解决性能预测、实验优化等具体问题，并嵌入研发闭环。企业应通过数据治理、模型建设与实验回流，实现“把一个问题持续算准”。]]></description><category></category></item><item><title><![CDATA[让 AI 真正“懂分子“，分子模拟为何是精准AI模型的底层引擎]]></title><link>https://blog.csdn.net/Lab_AI/article/details/164114076</link><guid>https://blog.csdn.net/Lab_AI/article/details/164114076</guid><author>Lab_AI</author><pubDate>Thu, 27 Aug 2026 12:00:12 +0800</pubDate><description><![CDATA[本文围绕分子模拟在 AI for Science 中的三重角色展开：作为可编程的数据工厂破解研发数据稀缺难题，作为物理护栏约束模型的幻觉，以及作为多尺度桥梁连接从电子到工程的完整链条。文章结合 AI²BMD、OMol25、ANI、Boltz-2、GNoME + A-Lab、DeePMD、MatterGen 等典型案例，说明模拟数据如何支撑AI建模，并给出在MaXFlow分子模拟与人工智能平台上落地这套闭环的实践路径与现实提醒。]]></description><category></category></item><item><title><![CDATA[AI能不能自动给配方？当DOE束手无策，当正向ML陷入瓶颈：你的下一阶段研发必须引入贝叶斯优化]]></title><link>https://blog.csdn.net/Lab_AI/article/details/164063745</link><guid>https://blog.csdn.net/Lab_AI/article/details/164063745</guid><author>Lab_AI</author><pubDate>Tue, 25 Aug 2026 19:35:31 +0800</pubDate><description><![CDATA[文章摘要：本文探讨了AI在材料配方研发中的应用路径，指出&quot;AI直接给配方&quot;的逆向方案存在局限性，提出&quot;正向预测+逆向优化&quot;的闭环方法。正向预测通过历史数据训练模型预测性能，逆向优化则利用贝叶斯方法推荐实验方向。两者结合形成迭代优化：定义搜索空间→初始建模→逆向推荐→结果回流更新模型。该方法已在电池电解液等研究中验证有效性，能显著减少低效实验。实施需配套数据治理平台，建议企业从明确边界的产品族起步，逐步构建预测-优化能力。AI的价值在于提高实验信息量，而非取代实验验证。]]></description><category></category></item><item><title><![CDATA[样品送检提速指南：iLabPower SIP V2.6.0 三大新功能来袭]]></title><link>https://blog.csdn.net/Lab_AI/article/details/164024196</link><guid>https://blog.csdn.net/Lab_AI/article/details/164024196</guid><author>Lab_AI</author><pubDate>Mon, 24 Aug 2026 15:33:48 +0800</pubDate><description><![CDATA[SIP是iLabPower 体系中专门服务样品送检业务流的子模块，覆盖送检单创建 → 收样 → 检项分配 → 检测录入 → 报告归档全流程。本次 V2.6.0 围绕「收样闭环 / 分配灵活 / 导出高效」三大方向做了重点打磨，让日常送检工作更顺、更稳、更省时。]]></description><category></category></item><item><title><![CDATA[时事解读：Moderna大涨背后：AI到底站在哪一步？——从intismeran autogene到上海生物制品研究所：新抗原筛选这一步，为什么非AI不可]]></title><link>https://blog.csdn.net/Lab_AI/article/details/164018659</link><guid>https://blog.csdn.net/Lab_AI/article/details/164018659</guid><author>Lab_AI</author><pubDate>Mon, 24 Aug 2026 11:44:16 +0800</pubDate><description><![CDATA[这次三期结果是一次分工的示范：免疫学提供了机制，AI 提供了规模——把"给每个人都做一份"从不可能变成可运行。而国内的实践说明，这个位置并不遥远：它已经有人在站，并且跑出了早期结果。让抗原层面算得清、让每个结论追溯得到、让计算与实验转得起来——AI 的价值就落在这三件事上，而它们恰好都是研发平台的分内之事。]]></description><category></category></item><item><title><![CDATA[从代理到自研，从工具到平台：创腾科技的AI for Science破局之路]]></title><link>https://blog.csdn.net/Lab_AI/article/details/164018330</link><guid>https://blog.csdn.net/Lab_AI/article/details/164018330</guid><author>Lab_AI</author><pubDate>Mon, 24 Aug 2026 11:19:26 +0800</pubDate><description><![CDATA[专访创腾科技CEO曹凌霄：用三层架构打通数据、AI与实验，把AI4S做成赚钱的生意]]></description><category></category></item><item><title><![CDATA[深度观察 | 实验可以外包，但数据和AI脑必须留下来]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163826390</link><guid>https://blog.csdn.net/Lab_AI/article/details/163826390</guid><author>Lab_AI</author><pubDate>Mon, 17 Aug 2026 15:36:55 +0800</pubDate><description><![CDATA[摘要：将湿实验外包给专业CRO组织是高效且经济的做法，但需警惕数据资产和AI建模能力的流失。湿实验产生的过程数据（如原始读数、失败批次等）比最终报告更具价值，应系统归集并沉淀为自有资产。AI时代数据价值倍增，建议保持湿实验外包的同时，自主掌握数据控制权和AI建模能力，避免核心能力空心化。可通过电子实验记录本（ELN）等系统实现数据结构化存储，并将AI平台私有化部署。理想分工模式是：CRO负责实验执行，企业自主管理数据和AI能力，实现外部协作与自主创新的平衡。（149字）]]></description><category></category></item><item><title><![CDATA[科研数据管理更灵活，SDH 4.3正式发布，全新自定义报表上线！]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163636111</link><guid>https://blog.csdn.net/Lab_AI/article/details/163636111</guid><author>Lab_AI</author><pubDate>Mon, 17 Aug 2026 15:18:21 +0800</pubDate><description><![CDATA[SDH科学数据基因组4.3.0版本发布，重点升级科研数据管理与分析功能。核心更新包括：推出全新自定义报表功能，支持用户按需设计报告布局；增强LES报表能力，实现多实验方法数据自动整合；优化仪表板体验，新增灵活筛选模式和批量数据下载；提升平台集成能力，完善用户管理和实验追溯功能。该版本强化了科研数据的可视化展示和成果交付能力，为研发、质量、生产等场景提供更高效的数据处理解决方案。]]></description><category></category></item><item><title><![CDATA[创腾科技：国内少数真正实现AI4S产业落地的科学软件公司]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163537417</link><guid>https://blog.csdn.net/Lab_AI/article/details/163537417</guid><author>Lab_AI</author><pubDate>Thu, 06 Aug 2026 15:57:34 +0800</pubDate><description><![CDATA[创腾科技是国内领先的AI for Science（AI4S）企业，专注于生命科学和材料科学领域的研发数字化与AI创新。公司构建了iLabPower研发数字化平台、SDH科学数据治理平台和MaXFlow AI建模平台三大自主产品体系，形成从数据采集到智能决策的完整闭环。其技术已在新药研发、半导体材料等领域实现商业化落地，服务恒瑞医药、中石化等头部企业，并实现盈利。创腾的转型折射出国产科学软件从依赖进口到自主创新的发展趋势，其&quot;数据+AI+行业知识&quot;的整合能力成为核心竞争力。]]></description><category></category></item><item><title><![CDATA[AI+新材料研发平台实操培训班圆满举办，创腾科技与上海化工研究院共探材料研发智能化落地路径]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163536734</link><guid>https://blog.csdn.net/Lab_AI/article/details/163536734</guid><author>Lab_AI</author><pubDate>Thu, 06 Aug 2026 15:23:40 +0800</pubDate><description><![CDATA[2026年7月，华谊集团与上海化工研究院联合主办的&quot;第三期化工研发人员综合技能及AI+新材料研发培训班&quot;在上海成功举办。培训聚焦化工研发痛点，通过&quot;方法+案例+实操&quot;模式，涵盖工艺放大、机器学习、数据治理等核心内容。陆文聪教授等行业专家分享了AI在材料研发中的应用案例，创腾科技展示了从数据管理到AI建模的全链路解决方案。活动为化工行业智能化转型提供了方法论支持与实践经验，推动AI技术在新材料研发中的深入应用。]]></description><category></category></item><item><title><![CDATA[AI4S前沿：机器学习势（MLP）打破量子化学与力场的精度速度困局]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163483790</link><guid>https://blog.csdn.net/Lab_AI/article/details/163483790</guid><author>Lab_AI</author><pubDate>Wed, 05 Aug 2026 00:41:42 +0800</pubDate><description><![CDATA[机器学习势(MLP)通过神经网络拟合高精度计算结果，在保持近量子化学精度的同时实现力场级速度。以ANI系列为代表的MLP模型已能覆盖有机小分子、药物分子等常见体系，适用于单点能量计算、几何优化和热力学性质预测三大核心场景。创腾科技的MaXFlow平台将MLP封装为可视化组件，并与分子动力学引擎NeoMD结合，使这一技术从实验室走向药物和材料研发的实际应用，实现了"先粗筛后精修"的高效工作流。MLP正在重塑分子模拟方法，让研究者无需成为算法专家也能享受这一技术红利。]]></description><category></category></item><item><title><![CDATA[里程碑事件：云晟研新2.2类布瑞哌唑口溶膜正式获批上市！以硬核实力破局改良新药赛道]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163276944</link><guid>https://blog.csdn.net/Lab_AI/article/details/163276944</guid><author>Lab_AI</author><pubDate>Tue, 28 Jul 2026 16:26:12 +0800</pubDate><description><![CDATA[云晟研新2.2类改良新药布瑞哌唑口溶膜获批上市，用于治疗精神分裂症。该药物通过独特机制精准调控神经递质，口溶膜剂型提升患者依从性。作为指南推荐用药，布瑞哌唑展现全病程管理潜力。云晟研新依托成熟口溶膜技术平台，实现规模化生产，年产能达5000万片。公司改良型新药管线丰富，2022-2025年CDE受理量居首，彰显研发实力。未来将持续推进创新，为全球患者提供更优治疗方案。]]></description><category></category></item><item><title><![CDATA[AI能不能自动写报告、出配方? 聊聊研发AI落地前必须想清楚的事]]></title><link>https://blog.csdn.net/Lab_AI/article/details/163276652</link><guid>https://blog.csdn.net/Lab_AI/article/details/163276652</guid><author>Lab_AI</author><pubDate>Tue, 28 Jul 2026 16:18:28 +0800</pubDate><description><![CDATA[企业研发领域对AI应用需求激增，但实际落地面临三大认知误区。文章指出客户常将大语言模型、智能体和机器学习小模型的能力混为一谈，需区分三类核心需求：内容整理（文档生成）、规则检查（合规验证）和预测决策（配方优化）。大语言模型适合作为研发知识助手处理文档工作，智能体擅长跨系统任务编排，小模型则专注性能预测。作者提出四阶段实施路径：先建立数据基础，再逐步实现文档辅助、决策支持和闭环优化，强调AI需与数据治理、知识沉淀和人工审核结合，才能真正提升研发效率、风险控制和知识复用能力。]]></description><category></category></item></channel></rss>