作者使用 AIPOCH Open-Science 科研工作台，基于 HHMI Janelia 与 Google Research 开放的果蝇中枢神经系统连接组数据（16.7 万神经元、0.12B 突触），尝试训练生物大脑模型解三阶魔方。文章详述了搭建实验环境、定义信号传递规则、设计输入输出（324 个颜色开关与 93 个前腿运动神经元）、多卡并行训练的全过程。单步动作准确率从 6.39% 提升至 64.86%，结合 Beam Search 后未见状态还原率大幅提高。作者展示了从找论文、追数据、训练到评测的完整科研流程均在 Open-Science 中完成，倡导 Vibe Research 时代的到来。
文章指出科研领域长期存在'不可复现危机'：论文只是静态 PDF，数据、代码、环境散落各处，超70%的研究者无法复现他人实验。作者介绍了 AIPOCH Open-Science——一个开源、模型无关、本地优先的 AI 科研工作台，它内置 Scientific Agent 可端到端执行研究流程，并提出 .science 打包格式，将数据、代码、环境、执行日志封装为可一键复现与 fork 的'科研 Git 仓库'。作者认为这将开启 Vibe Research 时代，降低科研门槛，为学生、跨学科个体和 AI4S 生态带来超级个体的历史性机遇。
作者使用 AI 科研工作台 Open-Science（Codex 订阅驱动），在约 7 小时内从原始数据完整复现了 2024 年发表于《Science》的海马尖波涟漪（SWR）记忆选择研究。工作流采用'先出计划'模式，在查看数据前先冻结分析方法，并通过输入审查发现了作者自己代码与配置间的多处不一致。复现结果分四类报告：基线流形解码、回放候选筛选、CEBRA 编码大多精确复现，仅个别指标未复现；HSE 投射方向与原结果一致。最终交付包含报告、对照表、复现脚本的完整产出包。作者认为 AI Agent 大幅降低了科研复现门槛，未来人人都有机会参与科研。
文章实测了新加坡 AIPOCH 团队开源的科研 AI 工作台 Open-Science，它以 Claude Code、Codex 等为可替换引擎，外覆科研专用壳层。针对科研三大痛点——文献易被 AI 编造、敏感数据不能出本地、图表无法溯源——该项目提供 36 个科学数据库连接器、本地数据存储、不可篡改的执行记录与血缘图，并支持通过 .science 文件包（基于 RO-Crate 开放标准）导出完整研究过程供他人复现。作者以复现一篇基因表达分析论文为例，验证了差异表达分析与火山图生成，并用独立 AI 审查员完成交叉核验，展示了可复现、可交接的开源科研工作流。
作者认为大量阅读 AI 论文是入门 AI 领域的极佳方式，并以朋友韭二老师爆肝 60 篇论文后入职盛大 evermind 为例。同时指出在 X 上分发论文解读是一种起号方式，该赛道仍有空白。针对论文小白，作者推荐一体化 AI 科研工作台 Open-Science：内置科研 skills 的 Agent 可检索文献、梳理方法并输出报告；支持灵活接入 Codex、Claude 等模型；研究过程可回溯审核；支持动手复现论文计算与分析。复现 5 篇以上即可深入掌握 AI 领域知识，项目已开源。
文章介绍了一段爆火的动态数学动画，用图论视角重新解读三阶魔方。魔方拥有 4.3×10^19 种状态，但数学家将其视为对称置换群和凯莱图：每个状态是节点，每次旋转是有向边，解题本质是寻找通往复原状态的最短路径。通过'上帝之数是 20'的计算结论与基于群论的 Kociemba 算法，展示了抽象代数如何把复杂问题压缩到子群分层解决。作者借此升华：生活和商业中的绝境，若站在更高维度的图论视角看，混乱背后往往存在一条不超过 20 步的最短路径。
谷歌联合HHMI Janelia发布首个成年雄性果蝇完整中枢神经系统连接图谱MaleCNS v1.0，识别超16.6万个神经元、约1.25亿个突触。图谱开源后，开发者围绕其展开各种创意实验：接入《我的世界》《Doom》《Beat Saber》等游戏，让果蝇刷短视频、决定央行利率等。加密社区也迅速跟进，有人让果蝇自主发币、炒Meme币和比特币，甚至发行Meme币FLYBRAIN，市值一度突破5500万美元。这项神经科学成果从实验室走向大众娱乐与链上实验，成为热门话题。
文章介绍了美籍华裔科学家 Philip Shiu 的重磅成果：他凭一己之力手敲近2年代码，将果蝇大脑13.9万个神经元、5000万个突触的海量数据转译为计算模型。该模型轻量到可在普通笔记本上运行，预测准确率高达95%，且无需机器学习训练或手工调参。2024年10月该成果发表于《Nature》。他还把脑模型装入虚拟身体，使数字果蝇在物理世界中自主运动，开启了'数字生命'与全脑仿真的新篇章。他现加入硅谷AI公司Eon Systems担任工程主管。
Google 开源完整雄性果蝇大脑图谱（16.6 万神经元）后，X 上掀起「the fly can」热潮：果蝇大脑被接入 Minecraft、逃生游戏、比特币交易、YMCA 舞蹈、Figma 设计、Doom、Beat Saber、发币、发布视频等场景，甚至小鼠视觉皮层也被用来炒股。文章梳理了这些荒诞又硬核的案例，并指出其爆火源于数据开源、Agent 工具高效与荒诞感传播，同时引出关于意识与伦理的严肃讨论。
文章以围棋和魔方为例，探讨人类智能与机器智能的本质差异。人类因算力有限，发明层先法、定式等启发式结构来压缩复杂度，依赖局部秩序感；而 AlphaGo 等机器则直接在状态空间中寻找最短路径。三阶魔方虽有约4.3×10^19种状态，但上帝之数证明任意状态距复原最多20步，如 Superflip 看似对称易解实则最远。人类看到的是局部颜色与秩序，机器看到的是全局坐标与距离，人类的“智慧”或许只是适应自身算力限制的辅助结构。
本文介绍了 Andrej Karpathy 的 GitHub 上五个最具教育价值的仓库：micrograd、nanoGPT、minGPT、llm.c 和 nanochat。这些仓库以极简和清晰著称，帮助学习者从零理解神经网络、反向传播、GPT 架构、底层实现和完整的 LLM 系统。文章强调了主动学习的重要性，并提供了实践学习路径，帮助读者从基础原理到实际应用建立直觉。
本文介绍了大语言模型背后的数学原理，涵盖Attention机制、缩放因子、反向传播、梯度下降、交叉熵损失、RoPE位置编码和RMSNorm归一化等核心概念。
本文从资本视角审视 AI for Science（AI4S）赛道。文章指出，2025-2026 年 AI 融资呈现极度集中的哑铃型结构，AI4S 虽处热潮，但门槛已变高。资本涌入的核心逻辑是“互联网文本数据耗尽”，科学实验被视为下一个高质量数据金矿。文中分析了 Periodic Labs 等头部玩家的融资情况，区分了造神型、IP 授权型及卖铲子型等不同商业模式，并指出该领域核心玩家多为近三年成立的初创公司，赛道格局未定，仍有入场机会。
