科学人工智能／AI for Science
科学人工智能不是“把通用AI拿来帮科学家写摘要”，而是把科学工作的对象、顺序和责任重新拆账：什么可以由数据归纳，什么必须由方程约束；下一次实验由谁选择，失败结果是否进入训练集；模型给出的结构、材料、算法和控制策略，在哪一步接受物理世界或形式证明的反驳。2007年的自动方程发现、2009年的机器人科学家、2016年的暗反应学习，先把假说与实验局部闭环；2021年后的AlphaFold、GraphCast、A-Lab和科研智能体，则把闭环推到跨数据库、模拟器、仪器与机器人协作。下面二十条不按模型名称排列，而按“科学证据链的哪一环被改写”排列，并把成功读数与失效条件放在同一张账上。
第一幕完成的是接口改造。算法开始从曲线背后交出可读方程，从实验日志中决定下一次测量，从公共数据库中学习跨材料和分子的表示；同时，基因序列、显微图像与失败反应第一次成为机器能够直接处理的科学对象。此时AI还很少统领整座实验室，但它已迫使科学共同体说明：预测、解释、发现和验证并不是同一个动作。
甲、符号回归：模型不只拟合曲线，还要交出方程Symbolic Regression: A Model Must Return an Equation, Not Only a Fit
符号回归兴起前，数据驱动建模通常先由研究者指定函数族，再估计参数；神经网络和核方法虽能拟合复杂曲面，却把关系藏在权重中。这样的模型可以回答“下一个数是多少”，却难回答变量为何这样组合、守恒量在哪里、换一个实验范围后公式是否仍成立。Bongard与Lipson把动力系统的状态、模型和实验扰动放进共同循环，使机器主动寻找最能区分候选结构的测量，而不是被动吞下一张固定数据表。
这条转向锁定一个强命题：决定机器结果能否进入科学知识的，只有它是否交出可被代数化简、量纲分析和新实验反驳的显式关系；预测精度本身不够。Schmidt与Lipson进一步从运动数据中蒸馏哈密顿量、拉格朗日量等不变量，说明搜索对象可以从参数向方程语法上移。方程在这里不是模型的事后解释，而是算法直接承担的发现对象。
Udrescu与Tegmark在2020年用AI Feynman核对100条《费曼物理学讲义》方程。在每题最多2小时计算的设置下，Eureqa解出71条，AI Feynman借量纲、可分性、对称性与神经网络探测解出100条；在更难的附加集上，成功率由15%提高到90%。这些数字证明结构先验能大幅压缩表达式搜索，却也暴露数据需求：调用神经网络识别隐藏结构的复杂题，常需10²至10⁶个采样点。
它的边界是“可压缩成短解析式”的世界。高维随机系统、分段机制、迟滞和测量噪声可能没有唯一短公式；搜索字母表若缺少正确算子，真关系甚至不在候选空间。AI Feynman在复杂基准中也会因五次幂造成的大动态范围而漏掉可分性。若一味提高简洁惩罚，数据越多反而越可能把真实的多机制过程压成漂亮但错误的低阶公式。
2023年的AI-Descartes把背景理论与数据拟合并置：候选方程不仅要近似观测，还要能够由给定公理推导或显示理论缺口。实验室因此应保存单位、坐标系、边界条件和测量协议，而不是只保存无语义矩阵。一个可执行做法是把发现流程拆为训练集拟合、独立实验外推、量纲审查和符号证明四栏；只有四栏都过关，公式才从压缩器升级为科学命题。
它与第007号动力系统第十三条“从数据反推动力学”是同一动作的异名，但两者账本不同：动力系统关心吸引子与演化律是否可识别，本条关心算法交出的表达式是否可证伪。它还与第214号最优化理论第八条“贝叶斯优化：昂贵黑箱由后验不确定性安排试验”形成接口：符号回归选择公式，贝叶斯优化选择下一次观测。二者合并时，应区分“最能降低预测误差的点”和“最能淘汰错误方程的点”；Schmidt 2009年的双摆数据可作复查锚点。
乙、机器人科学家Adam：假说—实验—修正第一次闭合Robot Scientist Adam: Closing the Hypothesis–Experiment–Revision Loop
早期实验自动化擅长按人类写好的孔板计划移液、读数和归档，却不决定为何做这次实验。高通量把一次可测样本扩到数千，并没有自动形成假说；人仍在机器外解释异常、选择下一批组合。King团队提出Robot Scientist，是因为“机械臂做得快”与“系统能独立推进知识”之间缺少一段：候选解释必须被形式表示，实验结果还要能够改变候选解释的排序。
Adam的单因主张是：决定自动系统是否在做科学的只有假说—实验—修正循环是否由同一可追踪逻辑链闭合，而不是无人值守时间或机器人数量。系统围绕酵母基因功能生成假说，选择能区分候选代谢解释的实验，再把生长表型写回知识库。人的作用没有消失，而是前移到本体词表、仪器校准、效用函数和最终复核。
2009年的Adam研究把约660万次生物量测量组织进超过1万个研究单元、10层嵌套的逻辑结构，并对酿酒酵母孤儿基因提出功能假说；团队随后以人工实验确认机器结论。这个读数的重要处不是“数据很多”，而是每个测量能够沿谱系追到培养条件、假说与推理节点。没有这条谱系，660万次读数只是一座更大的自动化仓库。
闭环仍会继承人写入的世界。培养基成分、基因功能本体和允许的实验动作一旦漏项，机器会在封闭空间内高效搜索，却无法意识到问题定义错了。Adam证据集中于酵母代谢，不能直接推出开放环境中的通用科学自主性。若效用函数只奖励阳性确认，循环越快，系统反而越会重复选择容易成功的假说，难题和反常样本被系统性饿死。
2015年的Eve把循环移到药物重定位，以定量构效学习选择化合物，并验证抗癌化合物TNP-470对间日疟原虫二氢叶酸还原酶具有抑制作用；2020年的移动机器人化学家则可在实验室中自行移动和操作仪器。这些延伸显示，真正的基础设施不是某台机器人，而是实验动作、材料身份、失败原因和推理版本共同可机读。实验室采购若只买机械臂而不改记录制度，闭环会在数据库接口处断裂。
它与第060号控制与自动化第二幕二“学习进了回路”共享闭环语言，但控制工程通常把目标函数视为外给，机器人科学家必须允许结果改变问题本身。它也与第051号机器人学第二幕四“数据才是瓶颈”相邻：机器人学关心跨形态操作数据，本条则要求每次动作带着科学理由。若系统能完成操作却不能说明该实验淘汰了哪一个假说，应称自动执行，不应称自主发现；Adam 2009年的酵母谱系给出了判别实例。
丙、贝叶斯优化：最贵的实验应由信息价值决定Bayesian Optimization: Spend the Next Experiment on Information Value
传统实验设计常把参数空间切成均匀网格，或者由研究者围绕当前最好结果逐步微调。前者把大量预算花在平坦区域，后者容易困在局部最优；两者都没有把“这次失败能排除多大空间”写进收益。贝叶斯优化用代理模型表示未知响应面，并由采集函数在探索高不确定区与利用高预测值之间结算下一次实验。
这条方法锁定的因果主张是：决定昂贵实验序列效率的只有每次选择带来的后验信息价值，而不是采样均匀性、研究者直觉或单点预测最高。代理模型给出均值与不确定性，采集函数据此决定下一点；实验返回后，后验更新并重排预算。它不保证模型“理解”物理，但要求每一次测量都对未来选择产生可见影响。
Seko等在2015年面对54,779种候选化合物，只以101种材料的第一性原理晶格热导计算作初始数据，借贝叶斯优化筛出221种极低热导候选，其中2种带隙低于1 eV，具有热电应用潜力。相对于遍历五万余项，这个比例展示了序贯选择的杠杆：计算并非越多越好，关键是把下一次高成本计算放在最能改变候选排序的位置。
代理不确定性并不天然可信。高斯过程核、噪声模型、可行域和采集函数均由人设定；高维、离散化学空间和多峰约束会让后验置信区间严重失准。若模型在数据稀疏区过度自信，采集函数越积极，实验越会被错误地图引向同一片盲区。多目标问题还会把安全、成本和性能压成权重，权重微调可能比算法差异更能改变最终材料。
2020年的CAMEO把主动学习接到同步辐射束线，每轮从数秒到数分钟完成相图测量、更新和下一点选择，并发现新的外延相变存储纳米复合材料。这个案例把“在线”从模拟改为真实仪器，同时保留人在环内处理无法自动归类的相。成熟流程应公布初始点、采集函数、停止条件和全部失败点，使后来者能判断加速来自算法还是来自更窄的候选空间。还应设置同预算的随机采样和专家选点对照，否则“找到新相”无法单独归功于贝叶斯策略。
它与第307号贝叶斯统计与计算第一幕己“贝叶斯优化：实验预算要按信息价值分配”同名，但本块强调科学仪器、合成失败与物理约束如何改变后验。与第240号材料科学第二幕二“不确定性驱动主动学习”对接时，还需拆开模型不确定性与材料制备噪声。前者可通过新点减少，后者若来自批次漂移，重复实验可能比探索新点更值钱；CAMEO 2020提供在线束线对照。
丁、材料基因组数据库：计算结果从论文附件变成公共检索层Materials Genome Databases: Computation Becomes Shared Search Infrastructure
计算材料学长期以单篇论文为单位：研究组为少数体系选择赝势、泛函、收敛阈值和结构，结果常留在图表或补充材料中。另一个团队即使想比较，也会因参数和命名不同重新计算。材料基因组路线把对象改成共享计算图谱：同一工作流批量处理已知与假想晶体，并把结构、能量、能带和计算谱系放进可查询接口。
这一转向的单因命题是：决定计算能否持续加速材料发现的只有结果是否进入统一、可版本化、可程序访问的公共基础设施，而不是某次计算精度多出一个小数位。Materials Project、OQMD与AFLOW的价值不只在总量，而在统一标识、相稳定比较和API。数据库使一次昂贵计算可被筛选、训练模型和规划实验重复调用。
2013年的Materials Project论文把高通量第一性原理工作流、数据库和开放网络接口组合起来；同年OQMD明确以大量密度泛函结果支持材料设计。十年后，Merchant等在既有约48,000种稳定晶体基础上训练图网络，提出约220万种位于当时凸包之下的结构，称其中381,000种为新的稳定候选，已有736种被独立实验实现。规模提升改变了候选生成速度，也放大了验证债务。
数据库不是自然界的无偏切片。已知晶体偏向可合成、可解析、可发表的化学；统一DFT流程仍共享泛函误差，对强关联、无序、有限温度和亚稳态尤其脆弱。若把“计算稳定”直接当“可合成”，候选越多，实验团队面对的假阳性绝对数反而越大。不同数据库若使用不同修正和去重规则，同一化学式还可能获得不一致的稳定性身份。
公共检索层因此需要把输入结构来源、计算代码版本、参数、失败任务与后处理规则一起发布。GNoME式扩张应接上合成可达性、前驱体成本与实验负结果，而不是只扩大热力学凸包。每个批量筛选还需冻结数据库快照，并公开候选从生成、去重到实验排队的损耗比例。在开放大学课程中，学生不仅学习某个材料结论，也要经API复现查询、追踪任务谱系，并识别数据库没有收录的对象。
它与第240号材料科学第一幕丁“开放计算筛选”共享对象，却把焦点放在知识生产基础设施；与第496号开放科学第一幕庚“数据引用原则：数据集成为一等研究对象”相撞时，共有问题是数据集是否承担可引用责任。材料库若更新后悄悄改写能量，旧论文的查询便无法重现；所以版本号和永久快照与数值精度同样属于科学证据。API返回结果还应携带任务标识与查询时间，才能把一次筛选完整复演；GNoME 2023是规模压力测试。
戊、分子表示学习：量子化学问题被改写成可学习的相似性Learned Molecular Representations: Recasting Quantum Chemistry as Learnable Similarity
量子化学预测原本从薛定谔方程或近似电子结构方法出发，每换一个分子便重新求解。早期定量构效关系则依赖研究者挑选分子量、官能团和拓扑指数，表示中已预埋了人的化学判断。机器学习把问题移到另一层：若结构相近的分子具有可迁移的能量关系，能否用训练样本直接预测新分子，同时保留物理上不应改变答案的对称性。
这条路线锁定的主张是：决定量子化学学习能否迁移的只有表示是否把物理等价结构放在同一位置、把真正不同的原子环境分开；网络深度和参数量都居后。Rupp等以核电荷和原子坐标构造库仑矩阵，将求解电子结构改写为非线性回归。表示由此不再是预处理小事，而成为模型究竟把什么视为“同一种分子”的本体承诺。
2012年的研究在超过7,000个有机分子上交叉验证，原子化能平均绝对误差约10 kcal/mol。2014年的QM9随后公布133,885个最多含9个重原子的稳定CHONF小分子，覆盖几何、频率、偶极矩、极化率与热力学量；它们只是GDB-17约1,660亿种理论有机分子中的极小切片。这个分母差距提醒：在QM9上精确，不等于掌握广阔化学空间。
库仑矩阵的排序、碰撞与分子大小依赖暴露了表示缺陷；随机划分还会把高度相似的同系物同时放入训练和测试，产生虚高迁移分数。若模型只在既有元素、尺寸和构象附近插值，增加同分布样本可继续降低误差，却可能让团队更晚发现外推彻底失效。能量总误差小也不保证力、反应势垒和稀有构象正确。
后来的图网络与等变势把原子邻域、方向和多体关系写入架构。NequIP在若干分子与材料任务上用少至三个数量级更少的数据超过既有势模型，说明物理对称性可以换取数据效率。但代价是模型适用域必须更严格记录：截断半径、元素集合和参考理论决定它看不到哪些相互作用。实践中应同时报告随机划分、骨架划分与元素外推，并用高温构象、解离路径和带电体系做压力测试；三项都过关，才可声称跨化学迁移。
它与第023号计算化学第一幕丙“第一批机器学习势”相邻，却把争论前移到表示本身；也与第258号数据科学关于分布漂移的接口相连。若两个分子在表示空间很近而反应机理不同，所谓相似性就会误导。课程设计应让学生亲手构造旋转、置换与构象反例，观察预测是否保持或改变，而不是只调一个更大的网络。对反应任务还须沿反应坐标留出整条路径测试，防止相邻构象泄漏；NequIP 2022可检验对称先验。
己、DeepBind与DeepSEA：调控语法可以直接从序列学习DeepBind and DeepSEA: Learning Regulatory Grammar Directly from Sequence
非编码基因组研究曾主要依赖已知转录因子基序：研究者先定义短序列模式，再扫描基因组。这个方法能找到相似片段，却难表达间距、方向、多个基序协同和细胞类型背景。高通量结合实验与染色质图谱产生数百万序列后，卷积网络开始直接学习哪些局部组合与蛋白结合或染色质状态对应。
这一转向的强命题是：决定非编码功能预测的只有序列中可由数据学习的调控语法，而不是人工维护的基序词典。DeepBind把DNA、RNA序列输入统一卷积模型，在体外与体内实验之间迁移；DeepSEA则从序列预测染色质特征，并比较单核苷酸替换前后的输出。模型因此把“变异可能有功能”变成可批量排序的数值。
DeepBind面向数百种DNA与RNA结合蛋白、一次处理每个实验中的数百万序列，并在多类基准上超过当时方法。DeepSEA以1,000碱基窗口学习919种染色质特征，能够以单碱基灵敏度预测变异影响。数字显示序列模型拥有规模优势，但窗口与标签也规定了世界：远距离增强子、三维接触和未测细胞状态无法从局部序列自动出现。
相关性是主要边界。模型可能学到GC含量、批次、可比对性或实验抗体偏差，而非因果调控；变异分数高也不说明编辑后一定改变表型。若把训练数据库继续扩大但群体与细胞类型更集中，平均判别性能越高，稀有人群或新组织中的校准反而可能下降。序列“语言”还不同于自然语言：同一片段的意义会被细胞状态与染色质空间重写。
2025年的Nucleotide Transformer比较多种预训练规模和基因组来源，推动DNA基础模型进入跨任务迁移。但真正的科学验证仍需MPRA、CRISPR扰动、等位基因表达或临床家系，不能用模型间一致性代替。成熟证据链应分别报告训练物种、群体组成、窗口长度、任务微调和湿实验确认率，并把无法归因的高分变异留在候选状态。若同一变异在肝细胞、神经元与免疫细胞得到相反结果，模型还必须保留条件化解释，不能用平均分抹平。
它与第025号基因组学第二幕五“从关联到功能”形成前后关系：序列模型扩大候选排序，基因编辑与扰动实验负责把相关性推向功能。又与第332号生物信息学第二幕十二“基准与数据泄漏：算法领先不再等于生物学领先”相撞；若同源序列跨训练测试泄漏，模型看似掌握语法，实际只是认出家族。测试集应按染色体、同源家族和采集项目三重隔离，并另报跨物种表现，才足以排除记忆；DeepSEA 2015可作原始基线。
庚、U-Net：科学图像的瓶颈从拍摄移到像素级标注U-Net: Moving the Bottleneck from Imaging to Pixel-Level Annotation
显微镜、遥感和医学成像越来越快，分析却长期依赖专家逐像素勾边。传统图像管线把阈值、边缘、形态学和纹理手工串接；换一种染色、倍率或细胞形态，参数便需重调。U-Net用收缩路径学习上下文、扩张路径恢复位置，并用跳跃连接保留细节，使端到端密集预测能在小样本科学图像上工作。
这条转向锁定的主张是：决定科学图像能否转成可计量对象的只有像素级结构是否被稳定分割，而不是采集分辨率继续提高。若细胞、病灶或地物边界不能跨样本一致识别，再清晰的图仍不能生成可靠计数、面积和空间关系。数据增强在这里也不是装饰，而是用形变模拟有限标注之外的样本变化。
2015年的U-Net在ISBI神经结构分割与细胞追踪任务中用很少标注图像达到当时领先结果。2021年的Cellpose进一步在超过70,000个已分割对象上训练通用模型，并用二维模型扩展三维，无需三维标注。2024年的MedSAM则以1,570,263个图像—掩膜对、10种成像模态和30多种癌症训练，在86个内部与60个外部任务上测试通用分割。
分割不会自动产生科学真相。标注者之间的边界差异、染色失败、重叠细胞和稀有形态会被模型平均化；Dice分数高也可能遗漏对生物学最重要的小结构。若团队只追加与训练分布相似的掩膜，样本量越大，模型对新显微镜或新病理亚型的过度自信反而越牢。提示式模型还会把使用者点击方式引入结果。
真正的升级是让图像模型接受实验设计审计：外部设备、盲法标注、跨实验室重复、对象级计数误差与下游结论敏感性应一起报告。对细胞研究，需检查分割误差是否改变处理组效应；对临床影像，需检查小病灶漏检而非只看平均区域。至少应抽取一批模型最不确定的图像交给两名专家独立复核，并报告分歧落在哪类对象。模型若改变测量对象，后续统计不能把预测掩膜当成无误差原始事实。
它与第050号计算机视觉第二幕二“可提示的通用模型”共享技术，却与第108号影像医学的临床结局要求不同。本条在科学流程中首先是一台测量仪：算法版本、提示和后处理都应进入仪器记录。若同一张图在两个版本间细胞数改变10%，研究者必须重算下游效应，而不能把软件升级当成不影响对象的界面更新。多中心研究还应冻结模型容器和权重校验值，使每张掩膜能追到生成环境与人工改动者，并保留专家修订前后的两版结果；MedSAM 2024给出外部任务锚点。
辛、暗反应：失败实验不是垃圾，而是边界数据Dark Reactions: Failed Experiments Are Boundary Data, Not Waste
科学出版长期把成功合成、显著效应和干净图谱送入公共记录，失败条件则留在实验本、仪器日志或个人记忆。机器学习若只抓取论文，会看到一个被选择过的世界：哪些前驱体值得试、什么温度容易成功、哪些元素组合“合理”，都已经混入人类偏好。模型于是可能精准复述文献流行度，却不知道可行域在哪里结束。
这条转向的单因主张是：决定模型能否学习反应边界的只有失败实验是否与成功实验以同等结构进入训练，而不是成功样本总量。失败不是零信息的标签；它说明在特定物料、温度、时间和操作下没有形成目标，并能排除一片条件空间。只有保留失败类型，算法才可区分“从未尝试”与“尝试后没有发生”。
Raccuglia等整理实验室笔记中的钒亚硒酸盐水热合成，将成功与“暗反应”共同编码，再让模型为未测试的商业有机模板选择条件。模型在新实验中的成功预测率达到89%，高于研究者传统策略。读数的力量来自负例，而非更深网络：档案中的失败给出了温度、比例与构件性质的边界，使搜索不再只沿成功点周围复制。
失败标签也可能含混。未见晶体可以来自反应不发生、产率过低、测量漏检、操作偏差或记录缺失；把它们压成同一个0会制造新的伪规律。Jia等指出无机合成数据带有人为偏向，历史尝试并非随机抽样。若某一实验室大量记录容易失败的探索，加入更多负例甚至会使模型把该团队的设备限制当成普遍化学禁区。
A-Lab在2023年把失败合成直接用于修改后续配方，17天内针对58个目标实现41种新化合物。这个结果说明负例只有进入下一轮才产生价值；若失败仅被公开却不带可执行条件，仍难学习。实验室应给失败设置原因层级：未反应、杂相、设备故障、污染、测量不确定和未达阈值，并保存原始谱图，使后来者能重新分类。还要记录是谁、用哪一版协议判为失败，因为阈值改变可把昨天的负例改写成今天的弱阳性。
它与第496号开放科学第一幕丙“临床试验注册与结果报告”共享缺失机制：未发表不等于未发生。又与第240号材料科学第二幕六“外推分割的评测革命”相撞；材料模型要知道测试点是在插值、组合外推还是全新元素区。若负例只来自已熟悉区域，模型仍会对真正未知区过度自信。跨实验室负例库必须保留设备、操作者和判定协议，才能分开化学边界与地方工艺边界；A-Lab 2023提供回写样例。
第二幕把接口连成局部生产系统。模型不只读取数据，还生成结构、控制等离子体、安排合成、运行仪器或提出可被证明的算法。与此同时，失败方式从“预测不准”升级为“闭环在错误目标上高效运行”。所以这一幕的共同问题不是AI是否更强，而是输出在何处接受实验、守恒、形式验证、概率校准与责任追踪。
一、AlphaFold2：结构预测由候选排序跃迁到原子级几何AlphaFold2: From Ranking Candidates to Atomic-Scale Geometry
蛋白结构预测几十年里常先生成大量构象，再用能量函数或统计势排序；没有近缘模板时，候选空间迅速爆炸。CASP盲测提供了一把不许自评的尺子，但2018年前多数方法在困难靶标上仍离原子级几何很远。AlphaFold2把多序列比对、残基对关系和三维坐标迭代放进统一网络，直接学习从序列约束到空间结构的映射。
这条转向锁定的命题是：决定单链结构预测能否跃迁的只有模型能否联合推理进化共变与三维几何，而不是增加传统采样轨迹。网络在残基与残基对表示之间反复通信，并以结构模块生成坐标；物理与生物知识被写进架构和训练，而非在输出后追加一个能量筛选器。由此“预测结构”从候选排名变成直接交付带置信度的模型。
AlphaFold2在CASP14多数靶标上达到可与实验结构竞争的精度，尤其在没有相似结构的困难案例中显著领先。人类蛋白组扩展覆盖98.5%的蛋白，58%的残基具有可信预测，其中36%达到很高置信；此前实验结构只覆盖约17%的残基。数字显示公共结构覆盖被突然扩大，却也说明仍有42%的残基没有可信几何，常涉及无序、柔性与条件依赖。
静态预测不等于折叠路径、动力学、亲和力或细胞内功能。训练集中同源结构、晶体条件与复合物选择会影响模型；高pLDDT也不能证明配体结合或突变效应。若研究者因为结构唾手可得而减少实验，预测数量越多，错误机制被引用和下游设计放大的速度反而越快。真正困难的构象集合、无序区和环境诱导转变不会被一张最可能结构代表。
AlphaFold3在2024年把蛋白、核酸、小分子、离子和修饰残基放进统一扩散架构，并在蛋白—配体、蛋白—核酸和抗体—抗原任务上超过多类专用工具。扩展同时引出新的复现与访问争议：预测服务、训练数据和可运行权重是否足以让同行核查。应用流程应把模型版本、模板日期、置信区间和实验验证状态显示在结构旁，禁止把预测图直接写成已测结构。药物或突变研究还应预注册哪些预测将接受结合、活性或结构实验，避免只展示事后成功案例。
它与第027号结构生物学第二幕二“AlphaFold2：近实验精度的一跃”同名，但本块关心它怎样改变科学证据链；与第332号生物信息学第二幕二“AlphaFold：蛋白折叠从物理采样转向学习到的几何约束”相接。三块共同指出：模型把结构候选变便宜后，新的稀缺项转为复合物状态、实验功能与错误传播控制，预测与实测必须在数据库界面上永久分色；CASP14 2020是盲测锚点。
二、晶体图网络：材料不再先被压成手工描述符Crystal Graph Networks: Learning Directly from Atomic Connectivity
材料机器学习曾依赖组成平均、电负性差、离子半径和人工结构指纹。描述符容易计算，却会把不同局部配位压成相近向量，并要求研究者预先猜出什么特征重要。晶体图卷积把原子当节点、邻接关系当边，通过消息传递让局部环境逐层汇总为晶体性质，使模型从结构本身学习表示。
这一转向的单因主张是：决定跨晶体类型预测的只有原子连接与局部化学环境是否被直接编码，而不是人工描述符数量。Xie与Grossman的CGCNN还能从局部贡献中提取设计线索，试图在精度与可解释之间建立接口。图表示不要求固定晶格类型，因此同一架构可学习形成能、带隙、弹性和费米能等不同性质。
2018年的CGCNN在约10⁴个训练样本上预测8类晶体性质，并以钙钛矿案例展示局部环境贡献。2019年的MEGNet进一步把分子与晶体放进统一图网络框架。2023年的GNoME则利用大规模图网络将稳定材料候选扩到约220万，论文报告相对既有约48,000种稳定晶体实现数量级扩张，并用736个已实验实现结构作外部事实锚。
连接图仍是选择。邻居截断、周期边界、键定义和全局状态决定模型看见什么；相同静态结构可能因温度、缺陷和电子态不同而具有不同性质。随机拆分容易让相近化学家族跨训练测试泄漏。若候选都来自模型熟悉的元素组合，规模越大，所谓“发现”越可能只是数据库插值的批量复制，而不是跨化学域外推。
因此材料图网络应以时间切分、组合外推、原型留出和实验验证分别验收。可解释的局部贡献还需与消融或化学干预对照，不能把注意权重直接叫作机理。对于候选生成，热力学稳定、合成可达、毒性、成本和功能性能必须分栏；一个模型若只优化形成能，不应承担“最佳材料”的总称。测试还应把数据库发布日期作为切点：只用某年前结构训练，再预测后来真实入库的晶体，才能接近前瞻发现条件，并逐项核对模型提出日期早于实验报道日期。
它与第240号材料科学第二幕三“图神经网络的晶体表示”同名；本条进一步与第258号数据科学的数据泄漏问题相撞。还可连接第327号晶体学与结构化学：晶体学的对称操作定义等价结构，图网络的邻接规则定义可学习身份。若二者不一致，模型可能把同一晶体重复计数，或把相变前后的不同结构错误合并。训练数据去重应同时核对化学式、空间群、原子映射和结构距离，不能只比文件名；CGCNN 2018是首代对照。
三、PINN：方程进入损失函数，但不等于数值法被替代Physics-Informed Neural Networks: Putting Equations into the Loss without Replacing Solvers
数据模型通常从输入输出对学习，而数值方法从方程、边界与初值推进。两条路线长期分开：前者怕数据少，后者怕未知参数和高成本反演。PINN用自动微分计算神经网络对时空坐标的导数，把偏微分方程残差、边界条件与观测误差共同写进损失，使一个网络同时近似解并反演未知系数。
它的单因主张是：决定稀疏观测能否被物理补足的只有控制方程是否在训练中直接约束候选解，而不是训练数据继续扩张。若网络输出违反守恒或边界，残差会惩罚；若观测与方程冲突，权重分配暴露不一致。方法因此把物理知识从数据增强或事后检查前移为优化目标。
Raissi等在Burgers方程、Schrödinger方程、Navier–Stokes反演等案例中展示正问题与逆问题统一框架，论文发表于《计算物理杂志》378卷686–707页。它的重要读数不是单一冠军误差，而是只用少量散点即可同时估计场和方程参数。自动微分避免了手工差分导数，却把误差转移到网络表达、采样点分布和非凸优化。研究者因此必须公布配点数量、空间分布与边界点比例，否则同一方程上的低误差无法被复现。
2021年的系统失败研究显示，标准PINN在对流、反应或多尺度问题中会因损失地形与时间因果结构而训练失败；方程写进损失不保证方程被满足。高频解、刚性动力学、尖峰和长时间推进尤其困难。若增加配点却不调整尺度与训练顺序，残差平均值可能下降，局部最坏误差反而增长，并制造“看起来守物理”的平滑错解。研究者必须绘出残差的时空分布，而不能只给全域均值。
所以PINN不应以“无网格”取代成熟有限元、谱方法或守恒格式，而应在反演、稀疏同化和可微接口中寻找优势。验收需同时报告方程残差、边界误差、守恒量、对高分辨数值解的差异、训练成本和多次随机种子方差。还应设置网格法在同等误差与同等算力下的双重基线，并检查预测时间窗扩大两倍后的误差增长。若传统求解器可更快给出可靠解，使用PINN的理由必须来自未知参数、数据融合或可微控制，而不是模型时髦。
它与第319号计算物理第二幕三“物理信息神经网络把方程放进损失”同名，并与该面板第二幕四“PINN梯度病态的公开清算”构成正反两条。又与第213号数值分析第十六条“物理信息神经网络”对接：数值分析提供收敛、稳定与误差概念，AI提供函数逼近与自动微分；二者缺一，残差都可能被误认成解。
四、FermiNet与PauliNet：波函数形式也可以由网络学习FermiNet and PauliNet: Learning the Wavefunction Ansatz Itself
多电子薛定谔方程除氢原子外通常没有解析解，完全组态相互作用随电子数指数增长。量子蒙特卡洛可扩展，却长期受波函数ansatz限制：研究者预先选择Slater行列式、Jastrow因子与轨道，再优化参数。若函数族表达不足，更多采样也无法越过结构性偏差。
这条转向锁定的主张是：决定变分量子蒙特卡洛精度的只有反对称波函数表示是否足够灵活，而不是继续堆叠人工选定的组态。FermiNet直接以电子坐标构造满足置换反对称性的网络，PauliNet则把Hartree–Fock基线、尖点条件和物理结构嵌入深网。两者都让“选择波函数形式”从人手工艺变成可学习对象。
2020年的PauliNet在最多30个电子的分子上取得接近精确的基态能量，并在原子、双原子分子、强关联线性H₁₀及环丁二烯过渡态上达到或超过既有变分ansatz。FermiNet同年用端到端反对称网络求解多种原子与小分子。2024年的扩展又计算苯尺度分子的垂直激发能，包含困难双激发，并可求跃迁偶极矩。每个案例都同时受公开高精度基准约束，而非用网络自己的损失自评。
变分能量低并不保证所有可观测量同样准确。训练成本、蒙特卡洛自相关、节点结构和伪势选择会影响结果；不同几何点分别训练还可能造成势能面不光滑。若只优化总能量，能量越接近基态，上密度、力或小能差的相对误差反而可能仍不可接受。网络还继承参考哈密顿量的近似，不能用“神经”消除物理模型误差。
神经波函数的科学价值在于把形式偏差显式转化为可比较架构，同时保留变分原理这条硬闸。发布时应给出随机种子、采样步数、有效样本量、能量方差、节点诊断与对高精度基准的差值；跨几何和跨体系迁移需另报。对激发态还要核对态排序、简并与跃迁强度，不能只报几条最接近实验的能级。几何扫描还应检查能量和力是否连续，避免每个构型独立训练造成无物理尖点。若每个新分子都需昂贵重训，方法可能提升精度，却没有自动改变总体计算吞吐。
它与第023号计算化学第一幕乙“金标准被推到更大体系”相邻：传统路线扩展耦合簇等高精度方法，本条更换波函数表示。又与第262号数学物理关于变分结构的接口相连。这里网络不是自由黑箱，因为反对称性与能量上界约束其输出；但这些约束只保证合法候选，不保证训练找到全局最优。不同架构若在同一能量内，却给出不同电子密度或节点面，就应把分歧作为理论不确定性公开，而非择优隐藏。
五、自驱动实验室：AI必须在物质世界里承担下一步实验Self-Driving Laboratories: AI Must Choose and Execute the Next Physical Experiment
高通量计算能在一天提出成千上万候选，实验实现却仍由人安排前驱体、配方、炉温、表征和重试。候选生成速度超过实验吞吐后，瓶颈不再是想法不足，而是下一次实物实验怎样选择、执行和解释。自驱动实验室把贝叶斯优化、机器人、自动表征与实验数据管理连接起来，让模型在每轮结果后重排下一步。
这条路线锁定一个物质性命题：决定AI是否加速科学发现的只有预测结果能否进入真实仪器闭环并由新证据改写，而不是虚拟候选数量。系统必须识别样品身份、记录设备状态、处理失败并保留人的叫停权。没有制备与表征回写，所谓闭环只是在计算机内循环选择，不能承担材料已经存在的断言。
MacLeod等在2020年展示薄膜材料自驱平台，用模型优化钙钛矿器件常用有机空穴传输材料的组成与工艺，以提升空穴迁移率。CAMEO把循环接到同步辐射束线，每轮仅数秒至数分钟。A-Lab在2023年连续运行17天，从58个目标中实现41种新化合物，覆盖氧化物和磷酸盐，并把失败合成转成后续配方建议。三项案例分别跨过薄膜制备、在线表征和固相合成，说明“闭环”不是某一种机器人外形。
自动化并不消除隐性劳动。机器人可操作的容器、可采购前驱体、自动相鉴定和安全规则先限定空间；粉体黏壁、污染、仪器漂移或相图误判会被算法当成化学反馈。若成功率成为唯一目标，系统越自主，越可能避开难合成但高价值的目标，转向容易确认的熟悉区域。41／58也不能说明未实现17项究竟是化学不可能还是平台能力不足。停机、人工换料与清洗若从运行时间中扣除，还会夸大无人自治比例。
成熟自驱实验室需把设备校准、样品谱系、决策日志、人工干预和停机原因与结果共同发布。评价应至少包括单位候选的材料与能源成本、人工分钟、从建议到独立复现的成功率，以及失败后是否改变策略。跨实验室迁移是关键闸：同一配方在另一套炉子与表征设备上若不能复现，闭环学到的可能是本地机器脾气。每个“新材料”还应由独立表征人员盲核晶相，防止自动分析与自动决策共享同一偏差。
它与第240号材料科学第二幕一“自主闭环材料实验”同名，也与第060号控制与自动化第二幕五“数字孪生与它的实际含义”相撞。数字模型可安排动作，物质执行却会回写设备磨损、批次和环境。二者若都成立，实验室不应被看作中性的执行器，而是模型、材料、仪器和操作者共同形成的动态系统。
六、GraphCast与GenCast：天气AI从单值速度竞赛转向概率轨迹GraphCast and GenCast: From Fast Point Forecasts to Probabilistic Trajectories
数值天气预报通过离散方程推进大气状态，精度提升通常依赖更高分辨率、更多同化和超级计算。早期AI天气模型虽快，却在中期误差与极端事件上落后。Pangu-Weather、GraphCast把数十年再分析资料转成时空学习问题，直接由当前全球场映射未来场，使一次十日预报从昂贵数值积分变成快速推理。
这条转向的单因主张是：决定数据驱动天气系统能否进入业务科学的只有它能否在统一验证目标上给出校准且可行动的未来轨迹，而不是推理速度。确定性均方误差低还不够，决策需要暴雨、台风路径和风电产出的概率分布。GenCast因此把随机集合而非单一最可能场作为输出对象。
Pangu-Weather用39年全球资料训练，在所测变量上相对ECMWF业务系统取得更强的再分析初始化确定性结果。GraphCast可在0.25°全球网格上、不到1分钟生成10天数百变量预报，并在1,380个验证目标中约90%优于最强业务确定性系统。GenCast生成80多变量、12小时步长、15天的集合，8分钟完成，并在1,320项目标中97.2%优于ENS。三组数字分别对应确定性、速度和集合技巧，不能互换成单一“总体准确率”。
这些比较高度依赖初始化和验证资料。以ERA5再分析启动，与业务实时观测同化并不等价；平均目标胜率可能掩盖局地极端、降水尾部与守恒漂移。气候变暖还会把未来推离历史训练分布。若优化平均误差，样本越多，模型反而可能更强地回归常态，削弱罕见但损失巨大的尾部事件。稀疏观测区的再分析本身更依赖模式，模型可能在学习上一代模式而非大气事实。
业务验收必须用实时分析场、延迟资料和独立年份回放，分别报告可靠度、分辨率、极端阈值、台风路径和决策价值。混合系统还需保留物理守恒、资料同化与集合生成接口，而不是把数值模式全部丢弃。模型版本快速迭代时，同一历史灾害应持续回归测试，防止平均分提高却退化某类区域风险；沿海、山区和热带小岛应单列，而非被全球平均吞没。预警部门还应进行影子运行，比较AI建议是否真正改变发布时间、命中率与误报成本。
它与第228号大气动力第二幕十一“GraphCast把全球预报改写为图网格消息传递”和第二幕十二“GenCast把集合预报改写为生成式概率轨迹”直接对应。与第045号生成模型第二幕二“把生成变成可控的采样”对撞时，天气科学增加一条硬要求：样本不仅要多样，还要概率校准并遵守可接受的大气状态，并能按区域损失函数接受复核。
七、Halicin与abaucin：模型必须把化学空间带到湿实验验证Halicin and Abaucin: Taking Chemical-Space Predictions into Wet-Lab Validation
传统抗生素筛选在已知化学家族附近反复搜索，面对一亿级可购或可生成分子，湿实验无法遍历。构效模型又常依赖预设指纹，容易选出已知抗菌骨架的近邻。深度模型提供另一条路线：先从小规模实测生长抑制学习，再扫描巨大化学库，刻意寻找结构上远离已知抗生素的候选。
这条路线锁定的主张是：决定AI是否扩大抗生素武器库的只有模型能否把远离已知骨架的候选送过连续湿实验验证，而不是虚拟筛选分数。结构新颖只是第一闸，后面还有活性、选择性、机制、耐药倾向、药代与动物感染。任何一闸失败，候选都不能被写成“AI发现了药”。
Stokes等从Drug Repurposing Hub发现halicin，并在超过1.07亿个ZINC15分子上预测；实际测试23个候选，找到8个结构上远离已知抗生素的活性分子。halicin对包括结核分枝杆菌与耐碳青霉烯菌在内的广泛病原表现杀菌活性，并在小鼠艰难梭菌和泛耐药鲍曼不动杆菌模型中有效。这里的8／23是被模型挑中且能够取得的候选命中率，不是整座化学库的灵敏度。
2023年的abaucin研究先湿筛约7,500个分子，再预测结构新候选，得到对鲍曼不动杆菌窄谱活性的化合物，并指向LolE相关脂蛋白运输机制。窄谱也暴露命名边界：模型不一定发现“更广”的抗生素，而可能找到特定生态位工具。若训练标签来自单一培养条件，虚拟库越大，选择的高分越可能围绕该条件而非临床感染环境。血清、缺氧、生物膜与联合用药都可能重排候选次序。
Wong等测定39,312个化合物的抗菌活性与人体细胞毒性，再预测12,076,365个分子，实测283个，并发现针对MRSA与耐万古霉素肠球菌的新结构类。可解释子结构用于聚类与选择，但仍需小鼠感染和耐药实验坐实。评价应公开从虚拟高分到实测活性、选择性、机制和动物有效的逐级留存率，同时对模型低分分子抽样复测，以估计被漏掉的全新骨架，并公布全部复测阴性。
它与第111号药理学与新药发现第一条“可能性库——被放弃的化合物与被否决的靶点，其否决理由大多已经过期”相撞：本条扩大可筛分子，第111号提醒历史淘汰理由可能过期。又与第115号抗菌药物耐药相接；模型找到活性结构后，耐药演化与合理使用才决定其寿命。若没有临床开发和治理链，算法命中不能兑换成可用治疗。候选进入动物实验前还需由独立团队复核化学身份、纯度与最小抑菌浓度，排除批次或结构误认，并保存原始谱图以供复核。
八、聚变强化学习：控制器开始在不稳定性发生前改写轨迹Reinforcement Learning for Fusion: Steering Before Instability Arrives
托卡马克等离子体控制依赖高频诊断和多组磁线圈，传统控制器为不同形状与工况分别设计。机器学习早期多做离线破裂预警：告诉操作者风险升高，却不说明怎样在约束内改回稳定轨迹。强化学习把问题改成连续行动：控制器观察状态、预测后果并选择线圈命令，使形状、位置与稳定性共同进入策略。
这条转向的单因命题是：决定AI能否推进聚变控制的只有策略能否在真实装置上于不稳定发生前改变未来轨迹，而不是离线预警AUC。Degrave等让一个策略命令TCV全部控制线圈，以高层目标生成多种等离子体形状。控制输出必须服从电流、位置与装置约束，错误动作会直接改变被研究对象。
2022年系统在TCV上控制拉长、常规、负三角度与snowflake构型，还维持两个分离等离子体“液滴”，显示一套架构可覆盖多种目标。2024年Seo等利用多模态动态模型作为训练环境，在美国DIII-D上让强化学习控制器把撕裂不稳定概率维持在给定阈值以下，并在低安全因子、低转矩等不利条件下保持H模态性能。两项实验都在真实装置闭环执行，而非仅回放历史信号。
模拟到装置的差距是硬边界。动态模型漏掉一种失稳机制，策略就可能学会利用模拟器漏洞；传感器延迟、执行器饱和与装置老化会改变状态分布。若训练只奖励避免破裂，控制器越保守，等离子体压力和科研探索范围反而可能越低。一次成功放电也不能给出稀有灾难概率，安全证明需要超出平均回报。特别要报告接近阈值但由人工终止的放电，它们不是可随意删除的异常值。
验收应公布策略训练分布、模型预测时域、干预阈值、失败放电、硬安全层和人工接管。与传统控制器比较时，要配平工况与性能目标，分别报告破裂率、持续时间、约束违规和达到的物理参数。更重要的是把“发现新等离子体工况”与“安全复现既定工况”分开，两者容许的探索风险不同。跨装置测试还需明确哪些网络参数重训、哪些控制逻辑原样迁移。
它与第017号受控核聚变第二幕二“磁约束这边的两条路”相接，也与第060号控制与自动化第二幕三“安全的形式化”相撞。强化学习能在复杂状态中找动作，形式安全负责划出不可越界集合。若二者都成立，未来聚变控制不应让一个奖励函数独占决策，而应形成学习策略、硬约束和操作者共同回写的复合控制器，并对每次人工否决留下理由。
九、AlphaTensor与FunSearch：机器发现的对象变成可验证算法AlphaTensor and FunSearch: Discovering Algorithms that Can Be Formally Checked
机器学习进入数学与算法前，自动证明偏重形式搜索，数值学习偏重预测；两者之间缺少一个接口，让模型能提出新构造，又由确定程序无歧义验真。矩阵乘法分解、组合构造和欧氏几何恰好提供这种环境：候选空间巨大，但一旦给出答案，就能用代数、程序或证明规则逐步核对。
这条转向锁定的主张是：决定生成模型能否产生数学发现的只有输出是否接到不可讨价还价的形式验证器，而不是语言流畅度或模型规模。AlphaTensor把张量分解改成单人游戏，FunSearch让语言模型生成程序并由评价器筛选，AlphaGeometry则用神经模型引导符号推理。模型负责扩张搜索，验证器负责拒绝伪答案。
AlphaTensor在2022年发现多种达到或超过当时水平的矩阵乘法算法，其中有限域4×4矩阵乘法首次在约50年后改进Strassen两层算法，并针对特定硬件搜索实际更快实现。FunSearch在帽集问题上得到超过已知结果的新构造，并为在线装箱找到更优启发式。这里“发现”不是模型自述，而是候选程序跑出的可重算读数。
AlphaGeometry用合成的数百万定理与证明训练神经—符号系统，在30道近年奥林匹克几何题中解出25道，超过此前方法的10道，接近IMO金牌选手平均水平。边界也很清楚：题目已被翻译进特定形式语言，验证器覆盖欧氏平面规则；开放式建模、定义创造和价值判断没有同样明确的验真函数。题目翻译若漏掉条件，证明器可以对错误形式化给出完全正确的证明，形式真并不自动回到原题真。
形式验证能挡住错误答案，却不能保证问题重要、程序可理解或复杂度结论普适。搜索还可能利用评价器漏洞，针对某种硬件或有限域的改进不等于一般复杂度突破。若奖励只看一个基准，算力越大，模型反而越会产生难以解释、只在狭窄设置占优的“怪算法”。人类需审查其适用范围、证明结构与是否能迁移。新算法还应由另一实现团队重写并在不同硬件计时，避免把编译器偶然优化当作数学进步。
它与第248号算法与计算复杂性第十九条“机器辅助的算法发现”同名，亦与第214号最优化理论第二条“在线凸优化：遗憾而非离线最优成为目标”相接。前者提供可验证对象，后者提醒评价标准随在线环境变化。科学AI最值得借鉴的是分工：生成器可以冒险，验证器必须独立，最终问题选择仍由共同体负责。发现报告应同时发布候选生成日志、最小可读证明和独立复算脚本。
十、生成式逆设计：从预测现有分子转向提出可合成新物Generative Inverse Design: Proposing Synthesizable Matter, Not Only Predicting Properties
预测模型回答“这个分子有什么性质”，设计问题却反向追问“满足目标的分子长什么样”。化学空间是离散组合，梯度不能直接穿过原子和键。变分自编码器把分子编码进连续潜空间，再从向量解码为结构，使研究者可以沿性能梯度移动，而不必逐个枚举化学图。
这条转向的单因命题是：决定AI能否从预测升级为设计的只有生成候选能否同时通过可合成性与实物功能验证，而不是潜空间目标分数。编码器、解码器和性质预测器把离散分子变成可优化坐标，但真正的逆设计还需满足价键、稳定性、路线、成本与目标实验。生成一串有效SMILES只是第一步。
Gómez-Bombarelli等在数十万化学结构上训练编码器、解码器与预测器，展示随机采样、插值和潜空间梯度优化。2019年的GENTRL围绕DDR1激酶在21天内提出候选，4个化合物在生化实验中有活性，2个在细胞实验中验证，其中一个接受小鼠药代测试。时间被显著压缩，但4与2的漏斗也表明预测分不等于药物。
生成模型会利用代理漏洞：提高预测活性同时产生不稳定、难合成、有毒或专利不可行结构。训练集还偏向已发表和易合成分子，所谓新颖性常是相对数据库距离，而非新机制。若只奖励目标函数，优化轮次越多，候选反而越可能远离代理可信域。合成路线由另一模型事后补上，也可能在接口处制造不可执行承诺。应设置性质预测器不知道的隐藏实验终点，并对低分候选抽样，才能估计代理带来的选择偏差。
RFdiffusion在2023年把扩散用于蛋白骨架，覆盖单体、结合蛋白、对称寡聚体和活性位点支架，并对数百个设计进行结构或功能实验；流感血凝素结合物的冷冻电镜结构与设计模型接近。这个案例把“生成”接到实物结构，但成功率应按每类任务、全部设计和筛选步骤报告，不能只展示最漂亮的几种结构。结构接近设计还不等于体内功能、安全性和制造稳定性，需要各自的新实验。
它与第045号生成模型第二幕五“生成作为科学设计工具”同名，又与第111号药理学第十条“退出机制——一个项目该怎么停、停了之后数据去哪里”相撞。生成模型扩大入口，退出机制控制验证债。设计平台必须保存被淘汰候选与理由，否则下一代模型只看到成功样本，又会重复昂贵失败。性能、合成、毒性与成本应作为多目标前沿公开，不应暗中压成一个总分或删除无赢家区域，并标记权重来源和版本。
十一、Coscientist与ChemCrow：科研智能体的能力边界在工具链Coscientist and ChemCrow: Scientific Agents Are Bounded by Their Toolchains
通用语言模型可以描述实验，却会虚构文献、试剂或反应条件。单靠对话界面，它没有实时数据库、计算器、库存和仪器状态，也不能区分语言上合理与化学上可执行。科研智能体路线把模型放在工具之上：由它拆解任务、调用搜索与代码、查询安全信息、规划反应，再把经过结构化接口的命令交给自动设备。
这条转向锁定的命题是：决定语言模型能否承担科研任务的只有工具调用链是否把每一步外部化、校验并回写，而不是模型能写多长的科学文本。模型负责选择工具和整合结果，数据库与计算器提供可核事实，仪器返回物理反馈。若最终结论无法追到调用参数、返回值和版本，智能体只是把不可审计推理延长。
2023年的Coscientist整合网络与文档检索、代码执行和实验自动化，在6类任务中展示规划与执行，包括钯催化交叉偶联的反应优化。系统能把自然语言目标转成液体处理与分析步骤。这个结果证明大模型可以成为接口编排器，却没有证明所有任务无人完成；设备准备、权限、安全范围和故障处理仍由预设基础设施提供。
ChemCrow在2024年给GPT-4接入18个专家工具，完成驱虫剂、3种有机催化剂的合成规划与执行，并指导发现一种新发色团；论文同时采用模型与化学专家评价。工具显著改善化学任务，但也扩大风险面：错误检索、过期库存、单位转换和权限配置可沿链传播。语言解释越流畅，操作者越可能忽视某一步实际没有被验证。系统应在每次调用后显示原始返回和校验状态，而不是只保留模型改写后的摘要。
2022年Galactica公开后很快因生成貌似可信的错误科学内容而撤下，构成领域的公开清算事件。教训不是科学语言模型无用，而是“像论文”不能作为真值代理。科研智能体必须把提案、已检索事实、计算结果、仪器观察和人类批准分色显示；高风险合成、病原体、受控物质与昂贵设备还应设置不可由模型自行解除的权限闸。遇到文献相互矛盾或库存不确定时，正确动作可以是停止并请求复核，而非强行完成。
它与第044号基础模型第二幕四“对齐与RLHF：从‘会说话’到‘听话有用’”不同：科研智能体需要的不是一般听话，而是证据链可重放。又与第154号信息系统与数字化转型中的流程编排相邻。若工具返回矛盾，智能体应停下并暴露冲突，而不是为了完成任务生成一个折中答案；停止本身应记作正确动作。
十二、等变网络：对称性不应由数据碰运气学会Equivariant Networks: Do Not Make Data Rediscover Symmetry by Chance
分子和材料的能量不应因整体旋转或平移改变，力却应随坐标同样旋转。普通网络若只靠数据学习这些规律，需要看见大量等价姿态，仍可能在未见方向上违反物理。等变网络把群作用写进特征和卷积，使输入变换与输出变换严格对应；对称性由架构保证，而非由数据近似猜中。
这条转向锁定的主张是：决定原子模型数据效率的只有正确物理对称性是否在模型结构中被精确编码，而不是训练样本规模。NequIP用E(3)等变卷积处理几何张量，避免只在标量不变量上传递信息。模型因此能用更少参考量子计算学习能量与力，并把计算预算从重复姿态移到真正不同的局部环境。
Batzner等在2022年报告，NequIP在多种分子与材料任务上以少至三个数量级更少训练数据超过当时模型。2023年的Allegro用严格局部等变表示兼顾精度和扩展，在QM9与revMD17上提升表现，并以一亿原子模拟展示并行规模。数字说明对称性可以同时改变样本效率与可计算系统尺度，但一亿原子只证明吞吐与并行，不自动证明每个局部环境都在训练域内。
写入对称性也可能写错。外场、表面、手性、磁序和边界会破坏某些全局对称；截断的局部模型还可能漏掉电荷与长程相互作用。若强迫不该成立的不变性，架构越严格，真实对称破缺信号反而越无法学习。数据效率高也会降低冗余，使一个参考计算错误对模型影响更大。模型卡应逐项声明保留、破坏和未处理的对称，而不是笼统写“物理感知”。
2025年的原子材料化学基础模型把等变势推进到跨体系预训练。验收不能只看平均能量与力误差，还要检查能量守恒、声子、缺陷、相变、高温解离和长时分子动力学稳定性；训练域外应给出不确定性或拒答。对称性选择、截断半径、元素集合与参考理论必须像实验仪器参数一样进入版本记录。长时模拟还需定期抽帧回算第一性原理能量，监测误差是否随轨迹积累，并在漂移前触发停机与复验。
它与第319号计算物理第二幕二“等变网络把对称性写进模型”同名，也与第262号数学物理第一幕丙“十重周期表把自由费米拓扑相变成K理论分类”共享结构先于数据的思想。前者处理几何群作用，后者以对称类组织物态。两者都提醒：选择哪一种对称性，本身就是领域判断，不能交给训练误差自动决定；真实破缺同样需要专门的表示出口与验证样本。
◎ 二十年连起来看
2007—2016年的主线是把科学对象变成机器可读接口：方程、假说、分子、序列、像素和失败实验都获得结构化身份。Adam的660万次测量和QM9的133,885个分子说明，数据量只有连上谱系与表示才形成知识生产能力。
2017—2026年的主线是把接口闭合到物理或形式世界。AlphaFold接受CASP盲测，A-Lab接受合成，GraphCast接受业务预报，AlphaTensor接受程序验证；AI不再只交概率，而要说明输出在哪一闸被现实拒绝。
因此AI for Science的最小单位不是模型，而是“问题—数据—约束—行动—反证—回写”的复合系统。速度提高若没有扩大可证伪性，只会更快积累验证债；真正的转向是让失败也能改变下一步。
◎ 三个常见误解
误解一：预测更准就是发现。 AlphaFold的高置信结构、GNoME的稳定候选和抗生素虚拟高分都只是进入验证漏斗；功能、合成与临床有效需另设分母。
误解二：写入物理就不会错。 PINN可优化失败，等变网络可写错对称性，聚变策略可利用模拟器缺口；约束减少一类错误，不替代域外验证。
误解三：自动化等于无人。 A-Lab的前驱体、ChemCrow的18种工具和TCV的安全边界均由人预置。应核算人工配置、接管、维护与问题选择，而非只报无人运行小时。
◎ 与相邻领域的接口
与第258号数据科学的接口是分布与泄漏：科学数据具有同源家族、时间版本和仪器批次，随机划分常把重复对象伪装成泛化。
与第089号科学哲学的接口是发现身份：机器提出方程或材料不等于拥有最终解释，但它可以通过选择实验改变共同体可见的证据结构。
与第496号开放科学的接口是谱系：模型、数据库、自动仪器和智能体都必须留下版本、负结果和人工干预，否则速度越高，复现链越脆。
◎ 争议现场
一方以GraphCast的90%、GenCast的97.2%和AlphaFold的人类蛋白组覆盖证明学习系统已跨过传统方法；另一方指出这些比例依赖验证集、再分析与置信阈值。双方共享“基准代表部署对象”的前提，矛盾落在谁进入分母。
自驱实验室支持者以A-Lab的41／58和暗反应的89%主张闭环能超越人工试错；批评者强调可采购前驱体、自动表征与本地设备先裁剪空间。双方共享“执行成功代表科学发现”，对立落在平台边界是否应计入失败。
科研智能体支持者以Coscientist六类任务和ChemCrow十八种工具证明模型能组织实验；反对者以Galactica撤下及工具链错误传播要求收紧。双方共享“语言可成为控制层”，矛盾落在停止、拒答和人工批准是否也算能力。
◎ 往下五年看什么
看前瞻命中率：模型提出后才开展的盲实验中，AlphaFold复合物、生成分子与新材料分别有多少通过，不再用回顾性数据库自证。
看闭环迁移率：A-Lab配方、CAMEO策略和聚变控制器转到另一实验室或装置后，原样复用部分占多少。
看负结果回流率：失败合成、模型拒答、人工接管与无效候选中，有多少带完整原因进入下一版训练。
看验证债：每新增一万个虚拟候选，独立实验、形式证明和安全审查的积压量是否下降，而非候选总量继续膨胀。
◎ 可与哪些领域对撞
本块甲“符号回归”可与第089号科学哲学关于理论解释对撞。两边共享“短公式承载机制”的预设；前者用可搜索表达式压缩数据，后者追问解释是否还需因果与反事实。若两边都成立，解析式必须再过干预闸。
本块五“自驱动实验室”可与第496号开放科学第一幕六“注册报告：先审问题与方法，再看结果”对撞。闭环允许结果实时改写下一步，注册报告要求事前冻结；二者共同迫使系统区分探索阶段与确认阶段。
本块六“概率天气AI”可与第074号因果推断与计量对撞。天气模型靠历史轨迹预测，政策决策却改变暴露与损失；共享前提是预测分布不受行动回写。若预警改变行为，准确率与社会效果必须分账。
本块十一“科研智能体”可与第388号患者安全与医疗差错对撞。两边都处理多环节错误传播；科研侧的工具调用日志相当于医疗事件链。若自动系统拥有执行权，近失误与人工拦截也应成为正式安全数据。
◎ 十条可做的研究命题
1. 命题：按实验年份留出的科学模型排名，与随机划分排名相关低于0.70。做法：在材料、基因与药物三库复算。证伪：三领域相关均高于0.90。
2. 命题：把失败原因分层后，自驱实验室跨设备迁移率提高至少20%。做法：比较二元失败与六类失败编码。证伪：外部复现无差异。
3. 命题：符号回归选择“淘汰方程”的实验点，比选择“降低预测误差”的点更快确定真实机制。做法：在可控动力系统盲测。证伪：同预算无优势。
4. 命题：AlphaFold高置信结构若无功能实验，三年内被机制论文误引为实测的比例超过10%。做法：追踪结构来源与措辞。证伪：误引低于2%。
5. 命题：PINN的最坏局部误差比平均残差更能预测长时间失稳。做法：对刚性与对流方程开展统一基准。证伪：平均残差预测更强。
6. 命题：天气AI在全球平均占优时，观测稀疏区的极端可靠度仍显著较低。做法：按观测密度分层GraphCast与GenCast回放。证伪：分层差异消失。
7. 命题：抗生素模型对低分分子随机复测，会发现至少一个训练集外活性骨架。做法：预注册低分抽样。证伪：多中心均零命中。
8. 命题：科研智能体把“停止并请求复核”列为奖励后，完成率下降但专家确认正确率上升。做法：在ChemCrow式任务随机比较。证伪：正确率不升。
9. 命题：等变势在真实对称破缺任务上的误差由架构约束而非数据量主导。做法：外场与表面任务逐级增样。证伪：增样可消除差距。
10. 命题：AI候选生成速度每提高十倍，若实验吞吐不变，验证债中位等待期至少增加五倍。做法：追踪材料与药物管线。证伪：等待期不增。
◎ 资料核验
- Bongard J, Lipson H. Automated reverse engineering of nonlinear dynamical systems. Proc Natl Acad Sci USA. 2007;104(24):9943–9948. doi:10.1073/pnas.0609476104.
- Schmidt M, Lipson H. Distilling free-form natural laws from experimental data. Science. 2009;324(5923):81–85. doi:10.1126/science.1165893.
- Udrescu SM, Tegmark M. AI Feynman: a physics-inspired method for symbolic regression. Sci Adv. 2020;6(16):eaay2631. doi:10.1126/sciadv.aay2631.
- Cornelio C, Dash S, Austel V, et al. Combining data and theory for derivable scientific discovery with AI-Descartes. Nat Commun. 2023;14:1777. doi:10.1038/s41467-023-37236-y.
- King RD, Rowland J, Oliver SG, et al. The automation of science. Science. 2009;324(5923):85–89. doi:10.1126/science.1165620.
- Williams K, Bilsland E, Sparkes A, et al. Cheaper faster drug development validated by the repositioning of drugs against neglected tropical diseases. J R Soc Interface. 2015;12(104):20141289. doi:10.1098/rsif.2014.1289.
- Burger B, Maffettone PM, Gusev VV, et al. A mobile robotic chemist. Nature. 2020;583(7815):237–241. doi:10.1038/s41586-020-2442-2.
- Seko A, Togo A, Hayashi H, et al. Prediction of low-thermal-conductivity compounds with first-principles calculations and Bayesian optimization. Phys Rev Lett. 2015;115(20):205901. doi:10.1103/PhysRevLett.115.205901.
- Shahriari B, Swersky K, Wang Z, et al. Taking the human out of the loop: a review of Bayesian optimization. Proc IEEE. 2016;104(1):148–175. doi:10.1109/JPROC.2015.2494218.
- Kusne AG, Yu H, Wu C, et al. On-the-fly closed-loop materials discovery via Bayesian active learning. Nat Commun. 2020;11:5966. doi:10.1038/s41467-020-19597-w.
- Jain A, Ong SP, Hautier G, et al. The Materials Project: a materials genome approach to accelerating materials innovation. APL Mater. 2013;1(1):011002. doi:10.1063/1.4812323.
- Saal JE, Kirklin S, Aykol M, et al. Materials design and discovery with high-throughput density functional theory: OQMD. JOM. 2013;65(11):1501–1509. doi:10.1007/s11837-013-0755-4.
- Merchant A, Batzner S, Schoenholz SS, et al. Scaling deep learning for materials discovery. Nature. 2023;624(7990):80–85. doi:10.1038/s41586-023-06735-9.
- Rupp M, Tkatchenko A, Müller KR, von Lilienfeld OA. Fast and accurate modeling of molecular atomization energies with machine learning. Phys Rev Lett. 2012;108(5):058301. doi:10.1103/PhysRevLett.108.058301.
- Ramakrishnan R, Dral PO, Rupp M, von Lilienfeld OA. Quantum chemistry structures and properties of 134 kilo molecules. Sci Data. 2014;1:140022. doi:10.1038/sdata.2014.22.
- Alipanahi B, Delong A, Weirauch MT, Frey BJ. Predicting the sequence specificities of DNA- and RNA-binding proteins by deep learning. Nat Biotechnol. 2015;33(8):831–838. doi:10.1038/nbt.3300.
- Zhou J, Troyanskaya OG. Predicting effects of noncoding variants with deep learning-based sequence model. Nat Methods. 2015;12(10):931–934. doi:10.1038/nmeth.3547.
- Dalla-Torre H, González L, Mendoza-Revilla J, et al. Nucleotide Transformer: building and evaluating robust foundation models for human genomics. Nat Methods. 2025;22(2):287–297. doi:10.1038/s41592-024-02523-z.
- Ronneberger O, Fischer P, Brox T. U-Net: convolutional networks for biomedical image segmentation. LNCS. 2015;9351:234–241. doi:10.1007/978-3-319-24574-4_28.
- Stringer C, Wang T, Michaelos M, Pachitariu M. Cellpose: a generalist algorithm for cellular segmentation. Nat Methods. 2021;18(1):100–106. doi:10.1038/s41592-020-01018-x.
- Ma J, He Y, Li F, et al. Segment anything in medical images. Nat Commun. 2024;15:654. doi:10.1038/s41467-024-44824-z.
- Raccuglia P, Elbert KC, Adler PDF, et al. Machine-learning-assisted materials discovery using failed experiments. Nature. 2016;533(7601):73–76. doi:10.1038/nature17439.
- Jia X, Lynch A, Huang Y, et al. Anthropogenic biases in chemical reaction data hinder exploratory inorganic synthesis. Nature. 2019;573(7773):251–255. doi:10.1038/s41586-019-1540-5.
- Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold. Nature. 2021;596(7873):583–589. doi:10.1038/s41586-021-03819-2.
- Tunyasuvunakool K, Adler J, Wu Z, et al. Highly accurate protein structure prediction for the human proteome. Nature. 2021;596(7873):590–596. doi:10.1038/s41586-021-03828-1.
- Abramson J, Adler J, Dunger J, et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature. 2024;630(8016):493–500. doi:10.1038/s41586-024-07487-w.
- Xie T, Grossman JC. Crystal graph convolutional neural networks for an accurate and interpretable prediction of material properties. Phys Rev Lett. 2018;120(14):145301. doi:10.1103/PhysRevLett.120.145301.
- Chen C, Ye W, Zuo Y, et al. Graph networks as a universal machine learning framework for molecules and crystals. Chem Mater. 2019;31(9):3564–3572. doi:10.1021/acs.chemmater.9b01294.
- Raissi M, Perdikaris P, Karniadakis GE. Physics-informed neural networks. J Comput Phys. 2019;378:686–707. doi:10.1016/j.jcp.2018.10.045.
- Krishnapriyan AS, Gholami A, Zhe S, Kirby R, Mahoney MW. Characterizing possible failure modes in physics-informed neural networks. NeurIPS. 2021;34:26548–26560.
- Karniadakis GE, Kevrekidis IG, Lu L, et al. Physics-informed machine learning. Nat Rev Phys. 2021;3(6):422–440. doi:10.1038/s42254-021-00314-5.
- Pfau D, Spencer JS, Matthews AGDG, Foulkes WMC. Ab initio solution of the many-electron Schrödinger equation with deep neural networks. Phys Rev Res. 2020;2(3):033429. doi:10.1103/PhysRevResearch.2.033429.
- Hermann J, Schätzle Z, Noé F. Deep-neural-network solution of the electronic Schrödinger equation. Nat Chem. 2020;12(10):891–897. doi:10.1038/s41557-020-0544-y.
- Pfau D, Axelrod S, Sutterud H, et al. Accurate computation of quantum excited states with neural networks. Science. 2024;385(6711):eadn0137. doi:10.1126/science.adn0137.
- MacLeod BP, Parlane FGL, Morrissey TD, et al. Self-driving laboratory for accelerated discovery of thin-film materials. Sci Adv. 2020;6(20):eaaz8867. doi:10.1126/sciadv.aaz8867.
- Szymanski NJ, Zeng Y, Huo H, et al. An autonomous laboratory for the accelerated synthesis of inorganic materials. Nature. 2023;624(7990):86–91. doi:10.1038/s41586-023-06734-w.
- Bi K, Xie L, Zhang H, et al. Accurate medium-range global weather forecasting with 3D neural networks. Nature. 2023;619(7970):533–538. doi:10.1038/s41586-023-06185-3.
- Lam R, Sanchez-Gonzalez A, Willson M, et al. Learning skillful medium-range global weather forecasting. Science. 2023;382(6677):1416–1421. doi:10.1126/science.adi2336.
- Price I, Sanchez-Gonzalez A, Alet F, et al. Probabilistic weather forecasting with machine learning. Nature. 2025;637(8044):84–90. doi:10.1038/s41586-024-08252-9.
- Stokes JM, Yang K, Swanson K, et al. A deep learning approach to antibiotic discovery. Cell. 2020;180(4):688–702.e13. doi:10.1016/j.cell.2020.01.021.
- Liu G, Catacutan DB, Rathod K, et al. Deep learning-guided discovery of an antibiotic targeting Acinetobacter baumannii. Nat Chem Biol. 2023;19(11):1342–1350. doi:10.1038/s41589-023-01349-8.
- Wong F, Zheng EJ, Valeri JA, et al. Discovery of a structural class of antibiotics with explainable deep learning. Nature. 2024;626(7997):177–185. doi:10.1038/s41586-023-06887-8.
- Kates-Harbeck J, Svyatkovskiy A, Tang W. Predicting disruptive instabilities in controlled fusion plasmas through deep learning. Nature. 2019;568(7753):526–531. doi:10.1038/s41586-019-1116-4.
- Degrave J, Felici F, Bucher D, et al. Magnetic control of tokamak plasmas through deep reinforcement learning. Nature. 2022;602(7897):414–419. doi:10.1038/s41586-021-04301-9.
- Seo J, Jalalvand A, Conlin R, et al. Avoiding fusion plasma tearing instability with deep reinforcement learning. Nature. 2024;626(8000):746–751. doi:10.1038/s41586-024-07024-9.
- Fawzi A, Balog M, Huang A, et al. Discovering faster matrix multiplication algorithms with reinforcement learning. Nature. 2022;610(7930):47–53. doi:10.1038/s41586-022-05172-4.
- Romera-Paredes B, Barekatain M, Novikov A, et al. Mathematical discoveries from program search with large language models. Nature. 2024;625(7995):468–475. doi:10.1038/s41586-023-06924-6.
- Trinh T, Wu Y, Le QV, et al. Solving olympiad geometry without human demonstrations. Nature. 2024;625(7995):476–482. doi:10.1038/s41586-023-06747-5.
- Gómez-Bombarelli R, Wei JN, Duvenaud D, et al. Automatic chemical design using a data-driven continuous representation of molecules. ACS Cent Sci. 2018;4(2):268–276. doi:10.1021/acscentsci.7b00572.
- Zhavoronkov A, Ivanenkov YA, Aliper A, et al. Deep learning enables rapid identification of potent DDR1 kinase inhibitors. Nat Biotechnol. 2019;37(9):1038–1040. doi:10.1038/s41587-019-0224-x.
- Watson JL, Juergens D, Bennett NR, et al. De novo design of protein structure and function with RFdiffusion. Nature. 2023;620(7976):1089–1100. doi:10.1038/s41586-023-06415-8.
- Boiko DA, MacKnight R, Kline B, Gomes G. Autonomous chemical research with large language models. Nature. 2023;624(7992):570–578. doi:10.1038/s41586-023-06792-0.
- Taylor R, Kardas M, Cucurull G, et al. Galactica: a large language model for science. arXiv:2211.09085. 2022.
- Bran AM, Cox S, Schilter O, et al. Augmenting large language models with chemistry tools. Nat Mach Intell. 2024;6(5):525–535. doi:10.1038/s42256-024-00832-8.
- Batzner S, Musaelian A, Sun L, et al. E(3)-equivariant graph neural networks for data-efficient and accurate interatomic potentials. Nat Commun. 2022;13:2453. doi:10.1038/s41467-022-29939-5.
- Musaelian A, Batzner S, Johansson A, et al. Learning local equivariant representations for large-scale atomistic dynamics. Nat Commun. 2023;14:579. doi:10.1038/s41467-023-36329-y.
- Batatia I, Benner P, Chiang Y, et al. A foundation model for atomistic materials chemistry. J Chem Phys. 2025;163(18). doi:10.1063/5.0297006.