AI for Science (《智能科学》ISSN 3050-287X) 于2025年9月正式创刊。该期刊聚焦人工智能（AI）在物理、材料、化学、生物和数学等领域的前沿研究，旨在构建一个跨学科的兼具专业性与开放性的平台，推动学术界、产业界等各界人士，在此交流具有里程碑意义的重大研究突破，探讨前沿创新理念，分享先进方法，为智能科学的持续进步注入动力。

欢迎登录期刊 AI for Science 第2卷第2期网站页面了解详情。

iopscience.iop.org/issue/3050-287X/2/2

aiforsci.net/en/article/2026/2

Cover Story

QCell：涵盖多种生物分子片段的全面量子力学数据集

QCell: comprehensive quantum-mechanical dataset spanning diverse biomolecular fragments

Adil Kabylda, Sergio Suárez-Dou, Nils Davoine, Florian N Brünig and Alexandre Tkatchenko

2026 AI Sci. 2 025003

来自卢森堡大学的研究团队构建了一个全面的量子力学数据集QCell，新增了52.5万个量子化学计算结果，涵盖了此前在机器学习力场训练数据中代表性不足的糖类、核酸、脂质及其他生物分子片段。结合现有数据集，QCell 将可用的高质量参考结构总数提升至4100 万余个，且所有结构均采用统一的量子理论水平计算得出。本工作为新一代人工智能模型研究创造了条件，使其能够精准模拟活细胞中的完整分子机制。

Keywords: quantum-mechanical dataset, density functional theory,machine learning force fields, biomolecular simulations

1. 文章类型

Article Types

本期共8篇文章，包括原创研究性论文6篇、综述文章1篇和观点1篇。

2. 本期目录

Table of Contents

Papers

Focus Issue on Machine Learning Potentials and Mapping of Atomic Structures

Neural-network analysis of CO adlayer structures and lateral interactions on transition metal surfaces

利用神经网络分析过渡金属表面上的CO吸附层结构和横向相互作用

Bart Klumpers, Emiel J M Hensen and Ivo A W Filot

2026 AI Sci. 2 025001

扫码阅读英文原文

Focus Issue on Machine Learning Potentials and Mapping of Atomic Structures

Molecular electrostatic potentials from machine learning models for dipole and quadrupole predictions

让人工智能 “看见” 分子静电，加速电池电解液研发

Kadri Muuga, Lisanne Knijff and Chao Zhang

2026 AI Sci. 2 025002

点击阅读推文

QCell: comprehensive quantum-mechanical dataset spanning diverse biomolecular fragments

QCell：涵盖多种生物分子片段的全面量子力学数据集

Adil Kabylda, Sergio Suárez-Dou†, Nils Davoine, Florian N Brünig and Alexandre Tkatchenko

2026 AI Sci. 2 025003

点击阅读推文

Bioinspired123D: generative 3D modeling system for bioinspired structures

可将自然语言描述的生物结构转化为可打印的3D设计

Rachel K. Luu and Markus J. Buehler

2026 AI Sci. 2 025004

点击阅读推文

Focus Issue on Machine Learning Potentials and Mapping of Atomic Structures

D³REAM: a framework for full-space inverse materials design with target properties via machine learning models and global optimization algorithms

D³REAM开源框架加速全空间材料逆向设计

Guanjian Cheng, Ke Zhou, Xin-Gao Gong and Wan-Jian Yin

2026 AI Sci. 2 025005

点击阅读推文

AI-guided design of optoelectronic molecularly modified CH₃NH₃PbI₃ perovskite thin films with improved aqueous stability

AI驱动分子工程调控CH₃NH₃PbI₃钙钛矿薄膜，实现水稳定性显著提升

Lei Zhang, Youle Wang, Yinguo Zhou and Cunyu Li

2026 AI Sci. 2 025006

扫码阅读英文原文

Topical Review

Perspectives on thermodynamics for AI and AI safety

当热力学遇上AI：不止是安全，更是底层逻辑的重思

Zi-Kui Liu and Bing Li

2026 AI Sci. 2 022001

点击阅读推文

Perspective

Beyond accuracy: comprehensive alignment for AI-driven molecular design

Beyond Accuracy：AI驱动分子设计，为什么需要“全面对齐”

Qiang Zhang, Xiang Zhuang, Chenyi Zhou, Yihang Zhu, Tong Xu, Tianhao Li, Dianbo Liu, Shengchao Liu, Keyan Ding, Michael Li et al

2026 AI Sci. 2 023001

点击阅读推文

3. 刊载范围

Scope

AI for Science 聚焦智能科学领域，构建一个兼具开放性与专业性的平台。旨在推动学术界、产业界等各界人士，在此交流具有里程碑意义的重大研究突破，探讨前沿创新理念，分享先进方法，为智能科学的持续进步注入动力。刊载范围包括以下四个研究领域：

 · 人工智能科学算法；

 · 人工智能科学软件工具；

 · 人工智能科学数据；

 · 具身人工智能科学系统。

4. 期刊特色

Unique Features

 · 国际化编委团队：期刊编委会由来自12个国家的44位国内外智能科学及相关领域专家组成，其中包括国内外院士16位。

 · 开放获取(Open Access)：文章出版后，任何人均可免费获取，促进研究成果的传播与共享。

 · 快速发表：稿件处理采用国际通用ScholarOne投稿系统，文章被接受后24h内上线。

 · 自由格式撰写：作者可以采用任何方式撰写手稿，排版由英国物理学会 (IOP)出版社负责。

 · 免费发表：免收作者文章出版费(APC)。

支持单位：