AI 论文周报丨分子与材料统一建模/涵盖6种记忆和多Agent框架/模拟操作系统交互……5大热门论文一键速览

扩散模型因其强大的生成能力和高度的灵活性，成为了生成 3D 原子系统的重要工具。这些模型通过模拟粒子在介质中的随机运动来生成新的结构，这种方法已被证明在捕捉复杂原子排列方面非常有效。然而，尽管这些系统的底层物理规律相同，目前的生成方法通常针对特定类型系统（如分子或晶体）进行设计，缺乏通用性。

基于此，剑桥大学联合 Meta 基础人工智能研究部共同提出了 All-atom Diffusion Transformer（ADiT），这是首个统一的潜空间扩散框架，能够同时生成周期性材料和非周期性分子系统。实验结果表明，联合训练的 ADiT 能够生成真实且有效的分子和材料结构，其性能达到了与专门针对分子或晶体设计的模型相当的最先进水平。

论文链接：全原子扩散 Transformers：分子和材料的统一生成建模 | 最新论文 | HyperAI超神经

最新 AI 论文：最新论文 | HyperAI超神经

为了让更多用户了解学术界在人工智能领域的最新动态，HyperAI 超神经官网（hyper.ai）现已上线「最新论文」板块，每天都会更新 AI 前沿研究论文。以下是我们为大家推荐的 5 篇热门 AI 论文，同时我们还为大家总结了论文架构的思维导图，一起来速览本周 AI 前沿成果吧 ⬇️

本周论文推荐

1 All-atom Diffusion Transformers: Unified generative modelling of molecules and materials

本文提出了全原子扩散 Transformer（ADiT），这是一种统一的潜在扩散框架，可使用同一模型联合生成周期性材料和非周期性分子系统：自编码器将分子和材料的统一全原子表示映射到共享的潜在嵌入空间；训练扩散模型生成新的潜在嵌入，自编码器可对这些嵌入进行解码，以采样新的分子或材料。实验结果表明，联合训练的 ADiT 取得了与分子和晶体专用模型相当的最先进结果。

论文链接：全原子扩散 Transformers：分子和材料的统一生成建模 | 最新论文 | HyperAI超神经

模型架构图

论文思维导图

2 MIRIX: Multi-Agent Memory System forLLM-Based Agents

本文引入了 MIRIX，这是一种模块化的多 Agent 记忆系统，解决了该领域最紧迫的挑战，使语言模型真正具备记忆功能。与以往的方法不同，MIRIX 不仅超越了文本，还涵盖了丰富的视觉和多模态体验，使记忆在现实世界场景中真正有用。 MIRIX 由六种记忆类型组成，并结合一个多 Agent 框架，动态控制和协调更新及检索过程。这一设计使得代理能够在大规模上持久存储、推理和准确检索多样化的长期用户数据。

论文链接：MIRIX：基于LLM的多智能体记忆系统 | 最新论文 | HyperAI超神经

模型架构图

论文思维导图

3 NeuralOS: Towards Simulating Operating Systems via Neural Generative Models

本文介绍了一种神经框架 NeuralOS，它通过直接预测屏幕帧来模拟操作系统的图形用户界面，以响应用户的输入。 NeuralOS 结合了一个用于跟踪计算机状态的循环神经网络，以及一个基于扩散的神经渲染器，用于生成屏幕图像。实验结果表明，NeuralOS 成功地渲染了逼真的 GUI 序列，准确捕捉了鼠标交互，并可靠地预测了诸如应用程序启动等状态转换。

论文链接：NeuralOS：基于神经生成模型的操作系统仿真 | 最新论文 | HyperAI超神经

模型架构图

论文思维导图

4 Sidechain conditioning and modeling for full-atom protein sequence design with FAMPNN

本文提出了 FAMPNN（全原子 MPNN），这是一种显式建模每个残基的序列身份和侧链构象的方法，其中每个残基的离散氨基酸身份和连续侧链构象的概率分布通过联合分类交叉熵和扩散损失目标进行学习。显式全原子建模的优势从序列恢复扩展到了实际的蛋白质设计应用中，例如零样本预测实验结合力和稳定性测量。

论文链接：使用 FAMPNN 进行全原子蛋白质序列设计的侧链调节和建模 | 最新论文 | HyperAI超神经

模型架构图

论文思维导图

5 AgentsNet: Coordination and Collaborative Reasoning in Multi-Agent LLMs

本文提出了 AgentsNet，一种新的多 Agent 推理基准。通过借鉴分布式系统和图论中的经典问题，AgentsNet 评估了多智能体系统在给定网络拓扑结构下协同形成问题解决策略、自我组织和有效沟通的能力。研究结果表明，AgentsNet 在规模上几乎不受限制，并且可以随着新一代 LLMs 的发展而扩展。

论文链接：AgentsNet：多智能体LLM中的协调与协作推理 | 最新论文 | HyperAI超神经

模型架构图

论文思维导图

以上就是本周论文推荐的全部内容，更多 AI 前沿研究论文，详见 hyper.ai 官网「最新论文」板块。

同时也欢迎研究团队向我们投稿高质量成果及论文，有意向者可添加神经星星微信（微信号：Hyperai01）。

下周再见！