麻省理工學院（MIT）的科學家與研究人員正積極推動人工智慧（AI）技術的界限，將其應用於多個前沿領域，從生成式設計到材料科學，再到能源電網的最佳化，展現了AI影響深遠的潛力。
在生成式AI領域，MIT電腦科學與人工智慧實驗室（CSAIL）博士生漢尼斯·斯塔克（Hannes Stärk）耗時七個月開發出「BoltzGen」模型。該模型能從既有資料中推斷學習，進而產生嶄新的概念與想法。斯塔克也集結了逾30位科學家，共同探索分子結合劑的設計與應用，期許在藥物開發、代謝體學、結構生物學，以及癌症、自體免疫疾病和遺傳疾病的治療上有所突破。
AI也正加速材料科學的發展。博士生亞歷山大·西門（Alexander Siemenn）建置了一個全自動的AI驅動機器人實驗室，全天候運作，專門用於發現和測試永續高效能的太陽能電池材料。此外，艾哈邁德·F·戈尼埃姆（Ahmed）教授的機械工程團隊則開發AI模型，協助汽車製造商設計高性能車輛，並評估大型貨船的適航性。
環境與醫療領域同樣受惠於AI創新。MIT Department of Electrical Engineering and Computer Science (EECS) 助理教授普里亞·L·唐蒂（Priya Donti）致力於運用AI最佳化演算法，來排程電網的發電資源。其機器學習工具能幫助電力營運商維持發電與用電的平衡，尤其能應對太陽能和風能等變動性電源帶來的挑戰。另一位EECS助理教授薩拉·勃利（Sara Beery）則利用AI分析並預測物種與生態系統的變化，透過多模態AI從衛星、生物聲學感測器、攝影機和DNA數據等多樣資料中獲取科學見解，以了解哪些因素使物種面臨危機。
在化學工程方面，EECS副教授康納·W·科利（Connor Coley）的實驗室設計了能創造新分子及其生產配方的「基因」演算法，期望能改進電池電解質並量身打造藥物遞送的奈米顆粒。科利團隊更將機器人液體處理平台與最佳化演算法結合，建立一個自動化系統，每天能生成並測試700種新的聚合物混合物，其中已發現一種混合物的性能比其組成成分高出18%。
這些橫跨多領域的AI研究，不僅展現了麻省理工學院在人工智慧前沿的領導地位，也預示著未來科技將更廣泛地應用於解決全球挑戰。
