杜克大学Wang实验室借助Gemini 3 Deep Think模型，基于研究级数据推演热力学曲线与生长路径，生成可执行工艺“配方”，成功制备出130微米二维半导体薄膜，刷新实验室纪录；AI将经验驱动的试错优化升级为知识驱动的精准设计，显著加速材料研发进程。
当硅材料逐渐逼近理论极限，材料研发还能更快吗？
在杜克大学 Wang 实验室，研究团队把二维材料作为突破方向，但难点不在理论，而在工艺。气体流量、温度变化、加热时间彼此耦合，参数组合复杂，过去往往需要专家反复试验数周甚至数月。
这一次，AI 起到了关键作用，Gemini 3 Deep Think 基于研究级数据和前沿成果，综合推演出完整的热力学曲线和生长路径，形成一套可直接执行的工艺 “配方”。研究人员按照这套方案操作，成功制备出了 130 微米的二维半导体薄膜，虽然没有达到原定 100 微米的目标，但创下了实验室的最好成绩。
在这个项目中，AI 的价值，不只体现在一次尺寸突破，而在于改变了参数优化方式！它把原本高度依赖经验的试错过程，转化为基于知识整合和系统推演的精准设计，加快了材料探索的节奏。
#Gemini #AI技术 #材料科学
Anthropic 在发布新 Claude 模型前，通过头部客户极限测试验证真实业务表现，比单纯跑分更具参考价值。借助 Agent 能力，新模型在起草法律文件等复杂任务中成功率提升约 20%，实现持续准确输出。当前大模型发展重心已转向 Agent 在垂直场景的落地，边缘案例为下一代优化指明方向。这种与客户深度共创的模式建立了高信任壁垒，值得产品团队借鉴。
Anthropic 发布 Claude Opus 4.8，在基准测试中超越 ChatGPT 5.5，重夺编程领域领先地位。新版本核心亮点为动态工作流与 Ultracode 模式，通过多智能体协同大幅提升复杂任务开发效率，同时幻觉率降至四分之一。得益于算力扩充，其性能提升且价格下调，快速模式费用降至三分之一。建议开发者日常使用常规上下文模式并调高努力程度，大项目再开至最大。此外，AI 时代专注力仍是拉开差距的关键。
AI 技术博主 Alex Finn 提出利用免费工具 Linear 将 Claude Code 转化为自主智能体的工作流。该方案要求先将项目拆解为带优先级和验收标准的任务（Issue）录入 Linear，随后 AI 可自动领取任务、编写代码、执行测试并更新状态，全程无需人工干预。此模式有效解决了传统氛围编程中指令中断或偏离的问题，通过 Linear 作为“第二大脑”提供结构化上下文，显著提升产出质量。此外，该流程支持跨设备多智能体协同及 Git 分支管理，配合 Slack 通知实现高效团队协作。
围绕《Gemini 3 Deep Think 助力材料科学突破》展开交流，未登录用户可浏览评论，登录后可参与讨论。
