计算科学与工程

计算科学与工程已经从‘把同一算法跑得更快’转向‘在异构硬件、误差预算、数据移动和可复现责任之间重新设计算法’。浮点运算峰值只是入口，真正的科学产出取决于离散误差、求解器误差、软硬件版本和工作流证据能否沿整条链复算。

第一幕追踪计算科学与工程如何把旧问题变成可执行、可测量的对象；判断标准始终是计算科学与工程成立的决定性机制，是让算法、精度、硬件和证据链共同服从一个误差与资源预算，而不是把峰值算力或单次加速比当作科学正确性。

甲、GPU通用科学计算General-Purpose GPU Computing

在Owens et al., Computer Graphics Forum 26, 80–113 (2007)之前，GPU通用科学计算多按设备或项目是否存在来计数。CUDA时代的综述展示GPU可将线性代数、粒子和网格计算推进到高吞吐，异构加速成为科学软件主线迫使研究者改问吞吐加速能否覆盖数据搬移和数值差异，也把未投运、未覆盖和无法维持的部分重新放回历史现场。把观察窗拉长以后，补列未采用和失败样本；通用科学计算须连同不确定性报告结果（Owens et al. 2007）。

GPU通用科学计算的主张不以“多因素”退场：只有把大量规则并行数值核映射到图形处理器决定这次转向。CUDA时代的综述展示GPU可将线性代数、粒子和网格计算推进到高吞吐，异构加速成为科学软件主线是它可以被消融的抓手；若冻结其他条件后方向不变，单因解释即告失败。对照未采用者时，固定服务基线再做消融；通用科学计算据此区分证据与宣传（National Academies 2019）。

Owens et al., Computer Graphics Forum 26, 80–113 (2007)提供了可复算起点——CUDA时代的综述展示GPU可将线性代数、粒子和网格计算推进到高吞吐，异构加速成为科学软件主线。分子必须是经实际运行确认的结果，分母必须包含全部候选、周期与中止；二者的比才是把大量规则并行数值核映射到图形处理器的量纲。在跨场址复现之前，公开分子分母与退出；通用科学计算由此留下可执行否证入口；复算值固定为实际兑现数／全部候选与中止数（Owens et al. 2007；Kashi et al. 2026）。通用科学计复核门槛预注册3站×13批次。

National Academies 2019把边界写成主机设备传输、分支发散和低精度运算会吞掉加速，单核基线选择也会夸大倍数；此时局部收益可能翻成系统损失。当平均值被拆开，应分开常态与极端样本，并把反号结论收窄到实际适用区间；通用科学计算下一次更新可追到原始版本。沿责任链继续追问，分列常态极端与反号；通用科学计算补阴性账胜过追加佳例（Owens et al. 2007）。

截至Kashi et al., Mixed-Precision Numerics in Scientific Applications: Survey and Perspectives, Journal of Supercomputing (2026), doi:10.1007/s11227-026-08264-4.，性能可移植框架继续比较GPU与多架构执行。这要求把GPU通用科学计算的采购规格从铭牌参数改成全程服务：CUDA时代的综述展示GPU可将线性代数、粒子和网格计算推进到高吞吐，异构加速成为科学软件主线要在独立场址和维护期后仍可重现。沿责任链继续追问，保存许可维护与责任版本；通用科学计算据此拆开相关变化与机制效应（National Academies 2019）。

外部接口由主机设备传输、分支发散和低精度运算会吞掉加速，单核基线选择也会夸大倍数划线，而不是由学科名划线。另一个领域若只报告局部把大量规则并行数值核映射到图形处理器，便会与GPU通用科学计算共享同一盲点；加入CUDA时代的综述展示GPU可将线性代数、粒子和网格计算推进到高吞吐，异构加速成为科学软件主线后，两边才有可通约的对手（Kashi et al. 2026）。

乙、混合精度迭代改进Mixed-Precision Iterative Refinement

Buttari et al. 2007改写了低精度求解能否在病态矩阵下恢复高精度答案；混合精度迭代改进证明大部分计算可在较低精度完成让旧默认有了可查裂缝。对照未采用者时，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；混合精度迭代须连同不确定性报告结果。在跨场址复现之前，补列未采用和失败样本；混合精度迭代下一次更新可追到原始版本（Buttari et al. 2007）。

本条只承认用低精度分解配合高精度残差修正；移除后若混合精度迭代改进证明大部分计算可在较低精度完成仍出现，立场即撤回。在跨场址复现之前，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；混合精度迭代据此区分证据与宣传。当平均值被拆开，固定服务基线再做消融；混合精度迭代据此拆开相关变化与机制效应（National Academies 2019）。

Buttari et al. 2007的硬证据是混合精度迭代改进证明大部分计算可在较低精度完成，再以高精度残差恢复准确解，能耗成为数值设计变量；实际兑现数／全部候选与中止数才可复算。当平均值被拆开，最低记录还须给出原始分子、总体分母、观察期与退出原因；混合精度迭代由此留下可执行否证入口。沿责任链继续追问，公开分子分母与退出；混合精度迭代记录同时划定外推边界（Buttari et al. 2007；Kashi et al. 2026）。混合精度迭复核门槛预注册4站×15批次。

National Academies 2019保留条件数过大或残差停滞时修正失败；混合精度迭代越界后须重判方向。沿责任链继续追问，应分开常态与极端样本，并把反号结论收窄到实际适用区间；混合精度迭代下一次更新可追到原始版本。以同一服务单位复算，应分开常态与极端样本，并把反号结论收窄到实际适用区间；混合精度迭代补阴性账胜过追加佳例。面对分布外情形，分列常态极端与反号；混合精度迭代须分开验收常态与压力场景（Buttari et al. 2007）。

Kashi et al. 2026记录自适应精度与张量核心继续扩展到稀疏和非线性问题；维护账须继续追踪混合精度迭代改进证明大部分计算可在较低精度完成。以同一服务单位复算，还须把许可、维护、责任主体和退出条件按版本保存；混合精度迭代据此拆开相关变化与机制效应。面对分布外情形，保存许可维护与责任版本；混合精度迭代还须公开未完成与退出事件（National Academies 2019）。

外部接口由条件数过大或残差停滞时修正失败，速度收益不能替后向误差作证划定；加入混合精度迭代改进证明大部分计算可在较低精度完成，再以高精度残差恢复准确解，能耗成为数值设计变量后，用低精度分解配合高精度残差修正才可跨域比较。面对分布外情形，统一单位时间窗和边界；混合精度迭代记录同时划定外推边界（Kashi et al. 2026）。

丙、多层蒙特卡洛Multilevel Monte Carlo

领域曾把多层蒙特卡洛当作一项可独立扩大的部件，Giles, Operations Research 56, 607–617 (2008)却从MLMC把离散层级差当控制变量，在给定均方误差下显著降低随机仿真成本切入。由此可见，真正卡住旧框架的是层间耦合的方差衰减能否在复杂离散和不连续收益中保持，而不是同类项目还不够多。在跨场址复现之前，补列未采用和失败样本；多层蒙特卡洛须连同不确定性报告结果（Giles 2008）。

本条只承认用大量粗样本和少量细样本估计期望是充分改变方向的那一样。MLMC把离散层级差当控制变量，在给定均方误差下显著降低随机仿真成本说明该机制怎样进入结果；若把它拿掉仍能复制趋势，多层蒙特卡洛就只是同期变化的标签，不是因果解释。当平均值被拆开，固定服务基线再做消融；多层蒙特卡洛据此区分证据与宣传（National Academies 2019）。

证据锚点由Giles, Operations Research 56, 607–617 (2008)承担：MLMC把离散层级差当控制变量，在给定均方误差下显著降低随机仿真成本。核算时分子是实际兑现的用大量粗样本和少量细样本估计期望，分母是全部名义运行与适用对象；停运、退出和未接入者不能从统计里蒸发。沿责任链继续追问，公开分子分母与退出；多层蒙特卡洛由此留下可执行否证入口。以同一服务单位复算，公开分子分母与退出；多层蒙特卡洛记录同时划定外推边界；复算值固定为实际兑现数／全部候选与中止数（Giles 2008；Kashi et al. 2026）。多层蒙特卡复核门槛预注册5站×17批次。

层间样本若未强耦合或事件指标不连续，方差不衰减，理论复杂度会失效构成多层蒙特卡洛的反号条件。National Academies, Reproducibility and Replicability in Science (2019).把层间耦合的方差衰减能否在复杂离散和不连续收益中保持保留为开放争议，意味着平均改善越大，未入账的转移成本反而可能越难被看见。以同一服务单位复算，分列常态极端与反号；多层蒙特卡洛下一次更新可追到原始版本（Giles 2008）。

Kashi et al., Mixed-Precision Numerics in Scientific Applications: Survey and Perspectives, Journal of Supercomputing (2026), doi:10.1007/s11227-026-08264-4.记录的当下状态是自适应与多指标MLMC继续处理概率和密度。工程责任因此延伸到许可、供应、维护和退役，不再止于Giles, Operations Research 56, 607–617 (2008)展示的首个成功场景。面对分布外情形，还须把许可、维护、责任主体和退出条件按版本保存；多层蒙特卡洛据此拆开相关变化与机制效应。为防止事后改口，保存许可维护与责任版本；多层蒙特卡洛分母改变便重算结论（National Academies 2019）。

与相邻领域对撞时，本条不搬运多层蒙特卡洛这个名称，只搬运MLMC把离散层级差当控制变量，在给定均方误差下显著降低随机仿真成本所对应的比率。若对手在层间样本若未强耦合或事件指标不连续，方差不衰减，理论复杂度会失效下仍声称同方向，两边便共同暴露了未被计量的第三变量。为防止事后改口，统一单位时间窗和边界；一旦结果反号就应撤回原来的充分性主张（Kashi et al. 2026）。

丁、MOOSE多物理框架MOOSE

Gaston et al., Nuclear Engineering and Design 239, 1768–1778 (2009)把MOOSE多物理框架从愿景改写为可失败的工程对象。它针对的是共享非线性求解底座能否避免物理模块耦合误差；MOOSE把网格、时间步、非线性求解和并行基础设施集中，让应用专注物理残差与材料模型则说明旧体系为何无法再用一项峰值或一次投运交差。当平均值被拆开，补列未采用和失败样本；多物理框架须连同不确定性报告结果（Gaston et al. 2009）。

可反驳命题写得很窄：只有以雅可比自由牛顿Krylov统一耦合场求解能使MOOSE多物理框架保持原方向。增加预算与样本不能替代这一步，反之若MOOSE把网格、时间步、非线性求解和并行基础设施集中，让应用专注物理残差与材料模型由其他机制同样产生，本条必须撤回单因。沿责任链继续追问，固定服务基线再做消融；多物理框架据此区分证据与宣传（National Academies 2019）。

第三段的硬账来自Gaston et al., Nuclear Engineering and Design 239, 1768–1778 (2009)所报告的MOOSE把网格、时间步、非线性求解和并行基础设施集中，让应用专注物理残差与材料模型。应同时记录成功数／全部尝试数、实际周期／设计周期以及边界内外的差值，才能知道以雅可比自由牛顿Krylov统一耦合场求解是否真的兑现。以同一服务单位复算，公开分子分母与退出；多物理框架由此留下可执行否证入口（Gaston et al. 2009；Kashi et al. 2026）。多物理框架复核门槛预注册6站×19批次。

National Academies 2019把边界写成模块可编译不等于耦合正确，界面守恒、时间尺度和验证责任仍需逐应用证明；此时局部收益可能翻成系统损失。面对分布外情形，应分开常态与极端样本，并把反号结论收窄到实际适用区间；多物理框架下一次更新可追到原始版本。为防止事后改口，分列常态极端与反号；多物理框架把观察记录接回问责链。在下一轮独立复核里，分列常态极端与反号；多物理框架须连同不确定性报告结果（Gaston et al. 2009）。

Kashi et al., Mixed-Precision Numerics in Scientific Applications: Survey and Perspectives, Journal of Supercomputing (2026), doi:10.1007/s11227-026-08264-4.把近期进展概括为模块化多物理继续进入反应堆材料和地学。对MOOSE多物理框架的制度含义，是合同须规定数据归属、失效报告与长期责任，并按MOOSE把网格、时间步、非线性求解和并行基础设施集中，让应用专注物理残差与材料模型复核撤场后的证据链。为防止事后改口，保存许可维护与责任版本；多物理框架记录须回到全量分母（National Academies 2019）。

外部接口由模块可编译不等于耦合正确，界面守恒、时间尺度和验证责任仍需逐应用证明划定；加入MOOSE把网格、时间步、非线性求解和并行基础设施集中，让应用专注物理残差与材料模型后，以雅可比自由牛顿Krylov统一耦合场求解才可跨域比较。在下一轮独立复核里，统一单位时间窗和边界；一旦结果反号就应撤回原来的充分性主张（Kashi et al. 2026）。

戊、任务图运行时StarPUTask-Based Runtime

Augonnet et al. 2011改写了动态调度能否稳定胜过手工映射且保持结果可重复；StarPU让CPU与GPU按性能模型动态分派任务让旧默认有了可查裂缝。沿责任链继续追问，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；任务图运行时须连同不确定性报告结果。以同一服务单位复算，补列未采用和失败样本；任务图运行时下一次更新可追到原始版本（Augonnet et al. 2011）。

本条只承认把计算和数据依赖写成任务图交给运行时调度；移除后若StarPU让CPU与GPU按性能模型动态分派任务仍出现，立场即撤回。以同一服务单位复算，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；任务图运行时据此区分证据与宣传。面对分布外情形，固定服务基线再做消融；任务图运行时据此拆开相关变化与机制效应（National Academies 2019）。

Augonnet et al. 2011报告StarPU让CPU与GPU按性能模型动态分派任务；任务图运行时以兑现数／候选与中止总数结算。面对分布外情形，最低记录还须给出原始分子、总体分母、观察期与退出原因；任务图运行时由此留下可执行否证入口。为防止事后改口，最低记录还须给出原始分子、总体分母、观察期与退出原因；一旦结果反号就应撤回原来的充分性主张。在下一轮独立复核里，公开分子分母与退出；任务图运行时投运后仍保留责任主体（Augonnet et al. 2011；Kashi et al. 2026）。任务图运行复核门槛预注册2站×21批次。

National Academies 2019保留调度开销、性能模型冷启动和非确定执行会改变墙钟与浮点求和顺序；任务图运行时越界后须重判方向。为防止事后改口，应分开常态与极端样本，并把反号结论收窄到实际适用区间；任务图运行时局部增益不得冒充系统收益。在下一轮独立复核里，分列常态极端与反号；任务图运行时把观察记录接回问责链。若要把这一判断写进合同，分列常态极端与反号；任务图运行时须连同不确定性报告结果（Augonnet et al. 2011）。

Kashi et al. 2026记录PaRSEC、Legion和Kokkos任务模型继续扩展异构机器；维护账须继续追踪StarPU让CPU与GPU按性能模型动态分派任务。在下一轮独立复核里，还须把许可、维护、责任主体和退出条件按版本保存；任务图运行时记录须回到全量分母。若要把这一判断写进合同，保存许可维护与责任版本；任务图运行时分母改变便重算结论。从失败样本回看，保存许可维护与责任版本；任务图运行时据此区分证据与宣传（National Academies 2019）。

跨域比较以调度开销、性能模型冷启动和非确定执行会改变墙钟与浮点求和顺序划界，并用StarPU让CPU与GPU按性能模型动态分派任务重算把计算和数据依赖写成任务图交给运行时调度。若要把这一判断写进合同，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。从失败样本回看，统一单位时间窗和边界；任务图运行时投运后仍保留责任主体（Kashi et al. 2026）。

己、随机数值线性代数Randomized Numerical Linear Algebra

Halko 2011改写了随机投影误差能否在谱衰减弱和多遍代价高时受控；随机SVD以少量矩阵乘法逼近主子空间让旧默认有了可查裂缝。以同一服务单位复算，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；随机数值线性须连同不确定性报告结果。面对分布外情形，补列未采用和失败样本；随机数值线性下一次更新可追到原始版本（Halko 2011）。

本条只承认用随机采样发现低维子空间；移除后若随机SVD以少量矩阵乘法逼近主子空间仍出现，立场即撤回。面对分布外情形，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；随机数值线性据此区分证据与宣传。为防止事后改口，固定服务基线再做消融；随机数值线性记录须回到全量分母。在下一轮独立复核里，固定服务基线再做消融；随机数值线性分母改变便重算结论（National Academies 2019）。

Halko 2011报告随机SVD以少量矩阵乘法逼近主子空间；随机数值线性以兑现数／候选与中止总数结算。为防止事后改口，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。在下一轮独立复核里，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张。若要把这一判断写进合同，公开分子分母与退出；随机数值线性投运后仍保留责任主体（Halko 2011；Kashi et al. 2026）。随机数值线复核门槛预注册3站×23批次。

National Academies 2019保留谱间隙小或尾部能量大时秩需求上升；随机数值线性越界后须重判方向。在下一轮独立复核里，应分开常态与极端样本，并把反号结论收窄到实际适用区间；随机数值线性局部增益不得冒充系统收益。若要把这一判断写进合同，应分开常态与极端样本，并把反号结论收窄到实际适用区间；随机数值线性把观察记录接回问责链。从失败样本回看，分列常态极端与反号；随机数值线性须连同不确定性报告结果（Halko 2011）。

Kashi et al. 2026记录单遍和通信避免算法继续服务超大矩阵；维护账须继续追踪随机SVD以少量矩阵乘法逼近主子空间。若要把这一判断写进合同，还须把许可、维护、责任主体和退出条件按版本保存；随机数值线性记录须回到全量分母。从失败样本回看，保存许可维护与责任版本；随机数值线性分母改变便重算结论。把观察窗拉长以后，保存许可维护与责任版本；随机数值线性据此区分证据与宣传（National Academies 2019）。

跨域比较以谱间隙小或尾部能量大时秩需求上升划界，并用随机SVD以少量矩阵乘法逼近主子空间重算用随机采样发现低维子空间。从失败样本回看，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。把观察窗拉长以后，统一单位时间窗和边界；随机数值线性投运后仍保留责任主体（Kashi et al. 2026）。

庚、原位可视化In-Situ Visualization

Childs et al. 2012改写了仿真期间丢弃原始场是否阻断事后新问题；原位分析应对超级计算中输出速度落后于模拟速度让旧默认有了可查裂缝。面对分布外情形，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；原位可视化须连同不确定性报告结果。为防止事后改口，补列未采用和失败样本；原位可视化局部增益不得冒充系统收益（Childs et al. 2012）。

本条只承认在数据仍驻留内存时完成分析与可视化；移除后若原位分析应对超级计算中输出速度落后于模拟速度仍出现，立场即撤回。为防止事后改口，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；原位可视化醒目纪录仍须排除筛选效应。在下一轮独立复核里，固定服务基线再做消融；原位可视化记录须回到全量分母（National Academies 2019）。

Childs et al. 2012报告原位分析应对超级计算中输出速度落后于模拟速度；原位可视化以兑现数／候选与中止总数结算。在下一轮独立复核里，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。若要把这一判断写进合同，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张。从失败样本回看，公开分子分母与退出；原位可视化投运后仍保留责任主体（Childs et al. 2012；Kashi et al. 2026）。原位可视化复核门槛预注册4站×25批次。

National Academies 2019保留当时没想到的特征若被删掉便无法追回；原位可视化越界后须重判方向。若要把这一判断写进合同，应分开常态与极端样本，并把反号结论收窄到实际适用区间；原位可视化局部增益不得冒充系统收益。从失败样本回看，分列常态极端与反号；原位可视化把观察记录接回问责链。把观察窗拉长以后，分列常态极端与反号；原位可视化须连同不确定性报告结果（Childs et al. 2012）。

Kashi et al. 2026记录原位特征检测和可逆压缩继续降低I/O压力；维护账须继续追踪原位分析应对超级计算中输出速度落后于模拟速度。从失败样本回看，还须把许可、维护、责任主体和退出条件按版本保存；原位可视化记录须回到全量分母。把观察窗拉长以后，保存许可维护与责任版本；原位可视化分母改变便重算结论。对照未采用者时，保存许可维护与责任版本；原位可视化据此区分证据与宣传（National Academies 2019）。

跨域比较以当时没想到的特征若被删掉便无法追回划界，并用原位分析应对超级计算中输出速度落后于模拟速度重算在数据仍驻留内存时完成分析与可视化。把观察窗拉长以后，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。对照未采用者时，统一单位时间窗和边界；原位可视化投运后仍保留责任主体（Kashi et al. 2026）。

辛、容错算法与检查点Algorithm-Based Fault Tolerance

Bosilca et al. 2012改写了错误检测能否比全局检查点更低成本且覆盖静默错误；算法级容错让矩阵运算和迭代器从应用结构恢复故障让旧默认有了可查裂缝。为防止事后改口，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；容错算法与检据此区分设备存在与服务兑现。在下一轮独立复核里，补列未采用和失败样本；容错算法与检局部增益不得冒充系统收益（Bosilca et al. 2012）。

本条只承认利用算法冗余检测并恢复部分计算状态；移除后若算法级容错让矩阵运算和迭代器从应用结构恢复故障仍出现，立场即撤回。在下一轮独立复核里，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；容错算法与检醒目纪录仍须排除筛选效应。若要把这一判断写进合同，固定服务基线再做消融；容错算法与检记录须回到全量分母（National Academies 2019）。

Bosilca et al. 2012报告算法级容错让矩阵运算和迭代器从应用结构恢复故障；容错算法与检以兑现数／候选与中止总数结算。若要把这一判断写进合同，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。从失败样本回看，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张。把观察窗拉长以后，公开分子分母与退出；容错算法与检投运后仍保留责任主体（Bosilca et al. 2012；Kashi et al. 2026）。容错算法与复核门槛预注册5站×27批次。

National Academies 2019保留冗余只覆盖模型化故障；容错算法与检越界后须重判方向。从失败样本回看，应分开常态与极端样本，并把反号结论收窄到实际适用区间；容错算法与检局部增益不得冒充系统收益。把观察窗拉长以后，应分开常态与极端样本，并把反号结论收窄到实际适用区间；容错算法与检把观察记录接回问责链。对照未采用者时，分列常态极端与反号；容错算法与检须连同不确定性报告结果（Bosilca et al. 2012）。

Kashi et al. 2026记录弹性运行时继续面向大规模节点故障；维护账须继续追踪算法级容错让矩阵运算和迭代器从应用结构恢复故障。把观察窗拉长以后，还须把许可、维护、责任主体和退出条件按版本保存；容错算法与检记录须回到全量分母。对照未采用者时，保存许可维护与责任版本；容错算法与检分母改变便重算结论。在跨场址复现之前，保存许可维护与责任版本；容错算法与检据此区分证据与宣传（National Academies 2019）。

跨域比较以冗余只覆盖模型化故障划界，并用算法级容错让矩阵运算和迭代器从应用结构恢复故障重算利用算法冗余检测并恢复部分计算状态。对照未采用者时，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。在跨场址复现之前，统一单位时间窗和边界；容错算法与检投运后仍保留责任主体（Kashi et al. 2026）。

第二幕转向规模、闭环与责任。最新纪录只有在失败和资源进入分母后，才足以支持“计算科学与工程成立的决定性机制，是让算法、精度、硬件和证据链共同服从一个误差与资源预算，而不是把峰值算力或单次加速比当作科学正确性”。

一、FAIR科学数据原则FAIR Principles

Wilkinson et al. 2016以前，旧框架没有回答可发现可访问是否等于仿真可复算；FAIR把科学计算输出从文件交付改成带标识语义许可和来源的长期对象把问题改成可核验对象。在下一轮独立复核里，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；科学数据原则据此区分设备存在与服务兑现。若要把这一判断写进合同，补列未采用和失败样本；科学数据原则局部增益不得冒充系统收益（Wilkinson et al. 2016）。

FAIR科学数据原则的主张不以“多因素”退场：只有让数据与元数据可发现可访问可互操作可复用决定这次转向。FAIR把科学计算输出从文件交付改成带标识语义许可和来源的长期对象是它可以被消融的抓手；若冻结其他条件后方向不变，单因解释即告失败。若要把这一判断写进合同，固定服务基线再做消融；科学数据原则醒目纪录仍须排除筛选效应（National Academies 2019）。

Wilkinson et al. 2016的硬证据是FAIR把科学计算输出从文件交付改成带标识语义许可和来源的长期对象；实际兑现数／全部候选与中止数才可复算。从失败样本回看，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。把观察窗拉长以后，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张（Wilkinson et al. 2016；Kashi et al. 2026）。科学数据原复核门槛预注册6站×29批次。

National Academies, Reproducibility and Replicability in Science (2019).没有替FAIR科学数据原则消除争议，而是把可发现可访问是否等于仿真可复算固定为检验问题。数据FAIR而代码、参数和容器缺失时仍不能重跑，开放元数据不等于开放计算出现时，性能越被优化，系统账面之外的损害越可能上升。把观察窗拉长以后，分列常态极端与反号；科学数据原则局部增益不得冒充系统收益。对照未采用者时，分列常态极端与反号；科学数据原则把观察记录接回问责链（Wilkinson et al. 2016）。

Kashi et al. 2026记录工作流封装和可执行论文继续补足环境依赖；采购与监管须把FAIR把科学计算输出从文件交付改成带标识语义许可和来源的长期对象写进维护账。对照未采用者时，还须把许可、维护、责任主体和退出条件按版本保存；科学数据原则记录须回到全量分母。在跨场址复现之前，保存许可维护与责任版本；科学数据原则分母改变便重算结论（National Academies 2019）。

外部接口由数据FAIR而代码、参数和容器缺失时仍不能重跑，开放元数据不等于开放计算划线，而不是由学科名划线。另一个领域若只报告局部让数据与元数据可发现可访问可互操作可复用，便会与FAIR科学数据原则共享同一盲点；加入FAIR把科学计算输出从文件交付改成带标识语义许可和来源的长期对象后，两边才有可通约的对手（Kashi et al. 2026）。

二、性能可移植KokkosPerformance Portability

Edwards 2014改写了单一抽象能否跨架构保持接近最佳性能；Kokkos让同一C++源通过执行与内存空间适配多架构让旧默认有了可查裂缝。若要把这一判断写进合同，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；性能可移植据此区分设备存在与服务兑现。从失败样本回看，补列未采用和失败样本；性能可移植局部增益不得冒充系统收益。把观察窗拉长以后，补列未采用和失败样本；性能可移植把观察记录接回问责链（Edwards 2014）。

本条只承认把并行模式和数据布局从设备语法分离；移除后若Kokkos让同一C++源通过执行与内存空间适配多架构仍出现，立场即撤回。从失败样本回看，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；性能可移植醒目纪录仍须排除筛选效应。把观察窗拉长以后，固定服务基线再做消融；性能可移植记录须回到全量分母（National Academies 2019）。

Edwards 2014报告Kokkos让同一C++源通过执行与内存空间适配多架构；性能可移植以兑现数／候选与中止总数结算。把观察窗拉长以后，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。对照未采用者时，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张。在跨场址复现之前，公开分子分母与退出；性能可移植投运后仍保留责任主体（Edwards 2014；Kashi et al. 2026）。性能可移植复核门槛预注册2站×31批次。

National Academies 2019保留抽象层仍需逐内核调优；性能可移植越界后须重判方向。对照未采用者时，应分开常态与极端样本，并把反号结论收窄到实际适用区间；性能可移植局部增益不得冒充系统收益。在跨场址复现之前，应分开常态与极端样本，并把反号结论收窄到实际适用区间；性能可移植把观察记录接回问责链。当平均值被拆开，分列常态极端与反号；性能可移植须连同不确定性报告结果（Edwards 2014）。

Kashi et al. 2026记录Kokkos、RAJA和SYCL继续面向CPU GPU与加速器；维护账须继续追踪Kokkos让同一C++源通过执行与内存空间适配多架构。在跨场址复现之前，还须把许可、维护、责任主体和退出条件按版本保存；性能可移植记录须回到全量分母。当平均值被拆开，保存许可维护与责任版本；性能可移植分母改变便重算结论。沿责任链继续追问，保存许可维护与责任版本；性能可移植据此区分证据与宣传（National Academies 2019）。

跨域比较以抽象层仍需逐内核调优划界，并用Kokkos让同一C++源通过执行与内存空间适配多架构重算把并行模式和数据布局从设备语法分离。当平均值被拆开，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。沿责任链继续追问，统一单位时间窗和边界；性能可移植投运后仍保留责任主体（Kashi et al. 2026）。

三、可复现计算环境Containerized Scientific Workflows

Boettiger 2015改写了容器镜像能否保存硬件驱动外部服务和长期安全；容器把库、解释器和系统工具固定为可分发环境让旧默认有了可查裂缝。从失败样本回看，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；可复现计算环据此区分设备存在与服务兑现。把观察窗拉长以后，补列未采用和失败样本；可复现计算环局部增益不得冒充系统收益（Boettiger 2015）。

本条只承认以版本化容器封装计算依赖；移除后若容器把库、解释器和系统工具固定为可分发环境仍出现，立场即撤回。把观察窗拉长以后，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；可复现计算环醒目纪录仍须排除筛选效应。对照未采用者时，固定服务基线再做消融；可复现计算环记录须回到全量分母（National Academies 2019）。

Boettiger 2015的硬证据是容器把库、解释器和系统工具固定为可分发环境，缓解论文代码在新机器无法运行；实际兑现数／全部候选与中止数才可复算。对照未采用者时，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。在跨场址复现之前，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张（Boettiger 2015；Kashi et al. 2026）。可复现计算复核门槛预注册3站×33批次。

National Academies 2019保留镜像依赖外部数据、CPU指令和GPU驱动；可复现计算环越界后须重判方向。在跨场址复现之前，应分开常态与极端样本，并把反号结论收窄到实际适用区间；可复现计算环局部增益不得冒充系统收益。当平均值被拆开，应分开常态与极端样本，并把反号结论收窄到实际适用区间；可复现计算环把观察记录接回问责链。沿责任链继续追问，分列常态极端与反号；可复现计算环须连同不确定性报告结果（Boettiger 2015）。

Kashi et al. 2026记录Apptainer与工作流语言继续记录环境和来源；采购与监管须把容器把库、解释器和系统工具固定为可分发环境，缓解论文代码在新机器无法运行写进维护账。当平均值被拆开，还须把许可、维护、责任主体和退出条件按版本保存；可复现计算环记录须回到全量分母。沿责任链继续追问，保存许可维护与责任版本；可复现计算环分母改变便重算结论（National Academies 2019）。

跨域比较以镜像依赖外部数据、CPU指令和GPU驱动划界，并用容器把库、解释器和系统工具固定为可分发环境重算以版本化容器封装计算依赖。沿责任链继续追问，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。以同一服务单位复算，统一单位时间窗和边界；可复现计算环投运后仍保留责任主体（Kashi et al. 2026）。

四、ECP百亿亿次协同设计Exascale Computing Project

US Department of Energy, Exascale Computing Project launched 2016把ECP百亿亿次协同设计从愿景改写为可失败的工程对象。它针对的是应用软件硬件协同能否避免峰值机器无可用科学程序；ECP把科学应用、软件技术和硬件集成并行推进，百亿亿次不再被视为单一机器采购则说明旧体系为何无法再用一项峰值或一次投运交差。把观察窗拉长以后，补列未采用和失败样本；百亿亿次协同据此区分设备存在与服务兑现（US Department of Energy 2016）。

可反驳命题写得很窄：只有以应用牵引硬件软件数学库共同准备能使ECP百亿亿次协同设计保持原方向。增加预算与样本不能替代这一步，反之若ECP把科学应用、软件技术和硬件集成并行推进，百亿亿次不再被视为单一机器采购由其他机制同样产生，本条必须撤回单因。对照未采用者时，固定服务基线再做消融；百亿亿次协同醒目纪录仍须排除筛选效应（National Academies 2019）。

第三段的硬账来自US Department of Energy, Exascale Computing Project launched 2016所报告的ECP把科学应用、软件技术和硬件集成并行推进，百亿亿次不再被视为单一机器采购。应同时记录成功数／全部尝试数、实际周期／设计周期以及边界内外的差值，才能知道以应用牵引硬件软件数学库共同准备是否真的兑现。在跨场址复现之前，公开分子分母与退出；缺少这一列就无法判断方向有没有翻转（US Department of Energy 2016；Kashi et al. 2026）。百亿亿次协复核门槛预注册4站×35批次。

National Academies 2019把边界写成项目里程碑完成不能代表全部应用稳态生产，迁移与长期维护成本仍在机构账外；此时局部收益可能翻成系统损失。当平均值被拆开，应分开常态与极端样本，并把反号结论收窄到实际适用区间；百亿亿次协同局部增益不得冒充系统收益。沿责任链继续追问，分列常态极端与反号；百亿亿次协同把观察记录接回问责链（US Department of Energy 2016）。

Kashi et al., Mixed-Precision Numerics in Scientific Applications: Survey and Perspectives, Journal of Supercomputing (2026), doi:10.1007/s11227-026-08264-4.把近期进展概括为ECP于2024总结应用软件栈与共同技术成果。对ECP百亿亿次协同设计的制度含义，是合同须规定数据归属、失效报告与长期责任，并按ECP把科学应用、软件技术和硬件集成并行推进，百亿亿次不再被视为单一机器采购复核撤场后的证据链。沿责任链继续追问，保存许可维护与责任版本；百亿亿次协同记录须回到全量分母（National Academies 2019）。

ECP百亿亿次协同设计与外部面板共享的是“可测代理等于真实服务”这一预设，分歧点则在ECP把科学应用、软件技术和硬件集成并行推进，百亿亿次不再被视为单一机器采购。把项目里程碑完成不能代表全部应用稳态生产，迁移与长期维护成本仍在机构账外加入共同分母后，两个领域原本一致的排序可能交换。以同一服务单位复算，统一单位时间窗和边界；一旦结果反号就应撤回原来的充分性主张（Kashi et al. 2026）。

五、SZ有损科学压缩Error-Bounded Scientific Compression

Tao et al. 2018改写了逐点误差界能否保留拓扑特征与下游统计；SZ把科学数据压缩从视觉无损改成数值误差有界让旧默认有了可查裂缝。对照未采用者时，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；有损科学压缩据此区分设备存在与服务兑现。在跨场址复现之前，补列未采用和失败样本；有损科学压缩局部增益不得冒充系统收益。当平均值被拆开，补列未采用和失败样本；有损科学压缩把观察记录接回问责链（Tao et al. 2018）。

本条只承认以用户给定误差界压缩浮点场；移除后若SZ把科学数据压缩从视觉无损改成数值误差有界仍出现，立场即撤回。在跨场址复现之前，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；有损科学压缩醒目纪录仍须排除筛选效应。当平均值被拆开，固定服务基线再做消融；有损科学压缩记录须回到全量分母（National Academies 2019）。

Tao et al. 2018报告SZ把科学数据压缩从视觉无损改成数值误差有界；有损科学压缩以兑现数／候选与中止总数结算。当平均值被拆开，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。沿责任链继续追问，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张。以同一服务单位复算，公开分子分母与退出；有损科学压缩投运后仍保留责任主体（Tao et al. 2018；Kashi et al. 2026）。有损科学压复核门槛预注册5站×37批次。

National Academies 2019保留逐点界不保证涡核、临界点或尾概率保持；有损科学压缩越界后须重判方向。沿责任链继续追问，应分开常态与极端样本，并把反号结论收窄到实际适用区间；有损科学压缩局部增益不得冒充系统收益。以同一服务单位复算，应分开常态与极端样本，并把反号结论收窄到实际适用区间；有损科学压缩把观察记录接回问责链。面对分布外情形，分列常态极端与反号；有损科学压缩须连同不确定性报告结果（Tao et al. 2018）。

Kashi et al. 2026记录自适应压缩开始用任务误差而非单一绝对误差；维护账须继续追踪SZ把科学数据压缩从视觉无损改成数值误差有界。以同一服务单位复算，还须把许可、维护、责任主体和退出条件按版本保存；有损科学压缩记录须回到全量分母。面对分布外情形，保存许可维护与责任版本；有损科学压缩分母改变便重算结论。为防止事后改口，保存许可维护与责任版本；有损科学压缩醒目纪录仍须排除筛选效应（National Academies 2019）。

跨域比较以逐点界不保证涡核、临界点或尾概率保持划界，并用SZ把科学数据压缩从视觉无损改成数值误差有界重算以用户给定误差界压缩浮点场。面对分布外情形，先统一功能单位与时间窗，再把边界条件作为共同反例；一旦结果反号就应撤回原来的充分性主张。为防止事后改口，统一单位时间窗和边界；有损科学压缩须分开验收常态与压力场景（Kashi et al. 2026）。

六、JAX可组合自动微分JAX

Bradbury et al., JAX: Composable Transformations of Python+NumPy Programs (2018)出现以前，讨论常把瓶颈压成投入不足；但自动微分和即时编译能否覆盖不纯函数与数值控制流。JAX把NumPy风格程序转换为可求导、可批处理和加速器编译函数，模糊数值代码与机器学习边界把原先藏在背景里的对象、基线和失败时段推到台前，旧说法因而第一次有了可查的裂缝。在跨场址复现之前，补列未采用和失败样本；可组合自动微据此区分设备存在与服务兑现（Bradbury et al. 2018）。

JAX可组合自动微分把立场锁在一个动作上：决定方向的只有用函数变换统一求导向量化并行和编译。JAX把NumPy风格程序转换为可求导、可批处理和加速器编译函数，模糊数值代码与机器学习边界若可在移除这一动作后照旧出现，Bradbury et al., JAX: Composable Transformations of Python+NumPy Programs (2018)所代表的转折便不成立；规模、补贴或设备更新不能替它作因。当平均值被拆开，固定服务基线再做消融；可组合自动微醒目纪录仍须排除筛选效应（National Academies 2019）。

Bradbury et al., JAX: Composable Transformations of Python+NumPy Programs (2018)给出的关键证据是JAX把NumPy风格程序转换为可求导、可批处理和加速器编译函数，模糊数值代码与机器学习边界。这笔读数须和全部适用对象、运行周期及未完成事件同列；只摘用函数变换统一求导向量化并行和编译的最好值，会把样本选择误写成性能跃升。沿责任链继续追问，公开分子分母与退出；缺少这一列就无法判断方向有没有翻转；复算值固定为实际兑现数／全部候选与中止数（Bradbury et al. 2018；Kashi et al. 2026）。可组合自动复核门槛预注册6站×39批次。

最强边界不是一句谨慎声明，而是随机状态、动态形状和自定义算子需显式处理，梯度存在不代表离散模型可微得正确。National Academies, Reproducibility and Replicability in Science (2019).从系统侧追问自动微分和即时编译能否覆盖不纯函数与数值控制流，使这一条件具有令收益翻转的实质力量，而非可以移到脚注的例外。以同一服务单位复算，分列常态极端与反号；可组合自动微局部增益不得冒充系统收益（Bradbury et al. 2018）。

到Kashi et al., Mixed-Precision Numerics in Scientific Applications: Survey and Perspectives, Journal of Supercomputing (2026), doi:10.1007/s11227-026-08264-4.时，可微编程继续进入模拟优化和统计推断。这使JAX可组合自动微分进入采购、监管或规划后必须保存版本、运维与退出记录；否则前端的JAX把NumPy风格程序转换为可求导、可批处理和加速器编译函数，模糊数值代码与机器学习边界无法和末端结果对账。面对分布外情形，保存许可维护与责任版本；可组合自动微记录须回到全量分母（National Academies 2019）。

跨域接口落在自动微分和即时编译能否覆盖不纯函数与数值控制流：JAX可组合自动微分给出的用函数变换统一求导向量化并行和编译若要与外部方案比较，必须守住同一服务单位。随机状态、动态形状和自定义算子需显式处理，梯度存在不代表离散模型可微得正确一旦发生，局部纪录会与系统成效分离，这正是本条留下的反例（Kashi et al. 2026）。

七、AMReX块结构自适应网格AMReX

Zhang et al. 2019改写了局部加密能否在负载平衡通信和守恒间同时成立；AMReX统一网格层级、并行通信和粒子容器让旧默认有了可查裂缝。当平均值被拆开，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；块结构自适应据此区分设备存在与服务兑现。沿责任链继续追问，补列未采用和失败样本；块结构自适应局部增益不得冒充系统收益。以同一服务单位复算，补列未采用和失败样本；块结构自适应把观察记录接回问责链（Zhang et al. 2019）。

本条只承认以块结构AMR只在需要处提高分辨率；移除后若AMReX统一网格层级、并行通信和粒子容器仍出现，立场即撤回。沿责任链继续追问，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；块结构自适应醒目纪录仍须排除筛选效应。以同一服务单位复算，固定服务基线再做消融；块结构自适应记录须回到全量分母。面对分布外情形，固定服务基线再做消融；块结构自适应分母改变便重算结论（National Academies 2019）。

Zhang et al. 2019报告AMReX统一网格层级、并行通信和粒子容器；块结构自适应以兑现数／候选与中止总数结算。以同一服务单位复算，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。面对分布外情形，公开分子分母与退出；一旦结果反号就应撤回原来的充分性主张。为防止事后改口，公开分子分母与退出；块结构自适应须分开验收常态与压力场景（Zhang et al. 2019；Kashi et al. 2026）。块结构自适复核门槛预注册2站×41批次。

National Academies 2019保留细网格界面和重网格会引入守恒与负载波动；块结构自适应越界后须重判方向。面对分布外情形，应分开常态与极端样本，并把反号结论收窄到实际适用区间；块结构自适应局部增益不得冒充系统收益。为防止事后改口，分列常态极端与反号；块结构自适应还须公开未完成与退出事件。在下一轮独立复核里，分列常态极端与反号；块结构自适应据此区分设备存在与服务兑现（Zhang et al. 2019）。

Kashi et al. 2026记录AMReX继续支撑百亿亿次多物理应用；维护账须继续追踪AMReX统一网格层级、并行通信和粒子容器。为防止事后改口，还须把许可、维护、责任主体和退出条件按版本保存；块结构自适应记录同时划定外推边界。在下一轮独立复核里，保存许可维护与责任版本；块结构自适应据此与邻域同尺度对撞。若要把这一判断写进合同，保存许可维护与责任版本；块结构自适应醒目纪录仍须排除筛选效应（National Academies 2019）。

跨域比较以细网格界面和重网格会引入守恒与负载波动划界，并用AMReX统一网格层级、并行通信和粒子容器重算以块结构AMR只在需要处提高分辨率。在下一轮独立复核里，先统一功能单位与时间窗，再把边界条件作为共同反例；块结构自适应补阴性账胜过追加佳例。若要把这一判断写进合同，统一单位时间窗和边界；块结构自适应须分开验收常态与压力场景（Kashi et al. 2026）。

八、Frontier百亿亿次应用Frontier Exascale Computing

TOP500 and Oak Ridge Leadership Computing Facility 2022以前，旧框架没有回答HPL纪录能否代表真实多物理应用的时间到解；Frontier首次在HPL持续超过一百亿亿次浮点运算，标志异构GPU超级计算进入新尺度把问题改成可核验对象。沿责任链继续追问，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；百亿亿次应用据此区分设备存在与服务兑现。以同一服务单位复算，补列未采用和失败样本；百亿亿次应用局部增益不得冒充系统收益（TOP500 and Oak Ridge Leadership Computing Facility 2022）。

本条只承认让双精度每秒百亿亿次进入开放科学机器；移除后若Frontier首次在HPL持续超过一百亿亿次浮点运算仍出现，立场即撤回。以同一服务单位复算，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；百亿亿次应用醒目纪录仍须排除筛选效应。面对分布外情形，固定服务基线再做消融；百亿亿次应用记录须回到全量分母（National Academies 2019）。

TOP500 and Oak Ridge Leadership Computing Facility 2022报告Frontier首次在HPL持续超过一百亿亿次浮点运算；百亿亿次应用以兑现数／候选与中止总数结算。面对分布外情形，最低记录还须给出原始分子、总体分母、观察期与退出原因；缺少这一列就无法判断方向有没有翻转。为防止事后改口，公开分子分母与退出；百亿亿次应用补阴性账胜过追加佳例。在下一轮独立复核里，公开分子分母与退出；百亿亿次应用须分开验收常态与压力场景（TOP500 and Oak Ridge Leadership Computing Facility 2022；Kashi et al. 2026）。百亿亿次应复核门槛预注册3站×43批次。

National Academies 2019把边界写成HPL规则矩阵与稀疏通信应用差别巨大，峰值和功耗不能独立裁决科学产出；此时局部收益可能翻成系统损失。为防止事后改口，应分开常态与极端样本，并把反号结论收窄到实际适用区间；百亿亿次应用据此拆开相关变化与机制效应。在下一轮独立复核里，分列常态极端与反号；百亿亿次应用还须公开未完成与退出事件（TOP500 and Oak Ridge Leadership Computing Facility 2022）。

Kashi et al. 2026记录2024 ECP报告以应用成果和软件栈复核百亿亿次兑现；采购与监管须把Frontier首次在HPL持续超过一百亿亿次浮点运算，标志异构GPU超级计算进入新尺度写进维护账。在下一轮独立复核里，还须把许可、维护、责任主体和退出条件按版本保存；百亿亿次应用记录同时划定外推边界。若要把这一判断写进合同，保存许可维护与责任版本；百亿亿次应用据此与邻域同尺度对撞（National Academies 2019）。

跨域比较以HPL规则矩阵与稀疏通信应用差别巨大划界，并用Frontier首次在HPL持续超过一百亿亿次浮点运算重算让双精度每秒百亿亿次进入开放科学机器。若要把这一判断写进合同，先统一功能单位与时间窗，再把边界条件作为共同反例；百亿亿次应用补阴性账胜过追加佳例。从失败样本回看，统一单位时间窗和边界；百亿亿次应用须分开验收常态与压力场景（Kashi et al. 2026）。

九、工作流来源追踪Workflow Provenance

在Khan et al., Patterns 2, 100290 (2021)之前，工作流来源追踪多按设备或项目是否存在来计数。来源追踪使大型计算链的结果能回到原始数据与参数版本，支持增量重跑和责任定位迫使研究者改问自动工作流是否完整记录人工选择与外部服务，也把未投运、未覆盖和无法维持的部分重新放回历史现场。以同一服务单位复算，补列未采用和失败样本；工作流来源追据此区分设备存在与服务兑现（Khan et al. 2021）。

工作流来源追踪的主张不以“多因素”退场：只有把每一步输入输出软件版本写成机器可读来源决定这次转向。来源追踪使大型计算链的结果能回到原始数据与参数版本，支持增量重跑和责任定位是它可以被消融的抓手；若冻结其他条件后方向不变，单因解释即告失败。面对分布外情形，固定服务基线再做消融；工作流来源追醒目纪录仍须排除筛选效应（National Academies 2019）。

Khan et al., Patterns 2, 100290 (2021)提供了可复算起点——来源追踪使大型计算链的结果能回到原始数据与参数版本，支持增量重跑和责任定位。分子必须是经实际运行确认的结果，分母必须包含全部候选、周期与中止；二者的比才是把每一步输入输出软件版本写成机器可读来源的量纲。为防止事后改口，公开分子分母与退出；工作流来源追下一次更新可追到原始版本；复算值固定为实际兑现数／全部候选与中止数（Khan et al. 2021；Kashi et al. 2026）。工作流来源复核门槛预注册4站×45批次。

National Academies, Reproducibility and Replicability in Science (2019).没有替工作流来源追踪消除争议，而是把自动工作流是否完整记录人工选择与外部服务固定为检验问题。交互式调参、手工删样本和云服务版本常不进日志，自动记录仍可能留下决定性空白出现时，性能越被优化，系统账面之外的损害越可能上升。在下一轮独立复核里，分列常态极端与反号；工作流来源追据此拆开相关变化与机制效应（Khan et al. 2021）。

Kashi et al. 2026记录RO-Crate与CWL继续连接数据代码参数和执行；采购与监管须把来源追踪使大型计算链的结果能回到原始数据与参数版本，支持增量重跑和责任定位写进维护账。若要把这一判断写进合同，还须把许可、维护、责任主体和退出条件按版本保存；工作流来源追记录同时划定外推边界。从失败样本回看，保存许可维护与责任版本；工作流来源追据此与邻域同尺度对撞（National Academies 2019）。

外部接口由交互式调参、手工删样本和云服务版本常不进日志，自动记录仍可能留下决定性空白划线，而不是由学科名划线。另一个领域若只报告局部把每一步输入输出软件版本写成机器可读来源，便会与工作流来源追踪共享同一盲点；加入来源追踪使大型计算链的结果能回到原始数据与参数版本，支持增量重跑和责任定位后，两边才有可通约的对手（Kashi et al. 2026）。

十、可微仿真Differentiable Simulation

Innes et al., arXiv:1907.07587 and Scientific Machine Learning software ecosystem (2019–2024)出现以前，讨论常把瓶颈压成投入不足；但离散程序梯度能否代表连续物理灵敏度。可微仿真把PDE求解、优化与学习接成一个梯度链，降低逆设计中有限差分成本把原先藏在背景里的对象、基线和失败时段推到台前，旧说法因而第一次有了可查的裂缝。面对分布外情形，补列未采用和失败样本；可微仿真据此区分设备存在与服务兑现（Innes et al. 2024）。

可微仿真把立场锁在一个动作上：决定方向的只有让仿真器输出对参数和设计变量直接求导。可微仿真把PDE求解、优化与学习接成一个梯度链，降低逆设计中有限差分成本若可在移除这一动作后照旧出现，Innes et al., arXiv:1907.07587 and Scientific Machine Learning software ecosystem (2019–2024)所代表的转折便不成立；规模、补贴或设备更新不能替它作因。为防止事后改口，固定服务基线再做消融；可微仿真由此留下可执行否证入口（National Academies 2019）。

Innes et al., arXiv:1907.07587 and Scientific Machine Learning software ecosystem (2019–2024)给出的关键证据是可微仿真把PDE求解、优化与学习接成一个梯度链，降低逆设计中有限差分成本。这笔读数须和全部适用对象、运行周期及未完成事件同列；只摘让仿真器输出对参数和设计变量直接求导的最好值，会把样本选择误写成性能跃升。在下一轮独立复核里，公开分子分母与退出；可微仿真下一次更新可追到原始版本；复算值固定为实际兑现数／全部候选与中止数（Innes et al. 2024；Kashi et al. 2026）。可微仿真复核门槛预注册5站×47批次。

最强边界不是一句谨慎声明，而是接触、激波和自适应网格会造成不光滑，代码梯度正确不等于连续模型梯度正确。National Academies, Reproducibility and Replicability in Science (2019).从系统侧追问离散程序梯度能否代表连续物理灵敏度，使这一条件具有令收益翻转的实质力量，而非可以移到脚注的例外。若要把这一判断写进合同，分列常态极端与反号；可微仿真据此拆开相关变化与机制效应（Innes et al. 2024）。

Kashi et al. 2026记录伴随与自动微分框架继续进入控制材料和反演；采购与监管须把可微仿真把PDE求解、优化与学习接成一个梯度链，降低逆设计中有限差分成本写进维护账。从失败样本回看，还须把许可、维护、责任主体和退出条件按版本保存；可微仿真记录同时划定外推边界。把观察窗拉长以后，保存许可维护与责任版本；可微仿真据此与邻域同尺度对撞（National Academies 2019）。

跨域接口落在离散程序梯度能否代表连续物理灵敏度：可微仿真给出的让仿真器输出对参数和设计变量直接求导若要与外部方案比较，必须守住同一服务单位。接触、激波和自适应网格会造成不光滑，代码梯度正确不等于连续模型梯度正确一旦发生，局部纪录会与系统成效分离，这正是本条留下的反例。把观察窗拉长以后，统一单位时间窗和边界；可微仿真补阴性账胜过追加佳例（Kashi et al. 2026）。

十一、混合精度科学应用总审计Mixed-Precision Scientific Computing

Kashi et al. 2026改写了精度降低的能耗收益能否以结果误差和失败率共同验收；最新综述把迭代改进、自适应精度和软件生态放到同一地图让旧默认有了可查裂缝。为防止事后改口，必须逐年保留未采用与失败案例，才能分开概念改名和对象变化；混合精度科学据此区分证据与宣传。在下一轮独立复核里，补列未采用和失败样本；混合精度科学据此拆开相关变化与机制效应（Kashi et al. 2026）。

本条只承认按敏感阶段分配不同数值精度；移除后若最新综述把迭代改进、自适应精度和软件生态放到同一地图仍出现，立场即撤回。在下一轮独立复核里，应在同一服务基线下固定场址与资源，再做移除机制的消融检验；混合精度科学由此留下可执行否证入口。若要把这一判断写进合同，固定服务基线再做消融；混合精度科学记录同时划定外推边界（National Academies 2019）。

Kashi et al. 2026报告最新综述把迭代改进、自适应精度和软件生态放到同一地图；混合精度科学以兑现数／候选与中止总数结算。若要把这一判断写进合同，最低记录还须给出原始分子、总体分母、观察期与退出原因；混合精度科学下一次更新可追到原始版本。从失败样本回看，公开分子分母与退出；混合精度科学补阴性账胜过追加佳例。把观察窗拉长以后，公开分子分母与退出；混合精度科学须分开验收常态与压力场景（Kashi et al. 2026；Kashi et al. 2026）。混合精度科复核门槛预注册6站×49批次。

National Academies 2019保留应用跨阶段误差会非线性放大；混合精度科学越界后须重判方向。从失败样本回看，应分开常态与极端样本，并把反号结论收窄到实际适用区间；混合精度科学据此拆开相关变化与机制效应。把观察窗拉长以后，应分开常态与极端样本，并把反号结论收窄到实际适用区间；混合精度科学还须公开未完成与退出事件。对照未采用者时，分列常态极端与反号；混合精度科学据此区分设备存在与服务兑现（Kashi et al. 2026）。

Kashi et al. 2026记录2026综述并列气候流体深度学习与科学基础设施；维护账须继续追踪最新综述把迭代改进、自适应精度和软件生态放到同一地图。把观察窗拉长以后，还须把许可、维护、责任主体和退出条件按版本保存；混合精度科学记录同时划定外推边界。对照未采用者时，保存许可维护与责任版本；混合精度科学据此与邻域同尺度对撞。在跨场址复现之前，保存许可维护与责任版本；混合精度科学醒目纪录仍须排除筛选效应（National Academies 2019）。

跨域比较以应用跨阶段误差会非线性放大划界，并用最新综述把迭代改进、自适应精度和软件生态放到同一地图重算按敏感阶段分配不同数值精度。对照未采用者时，先统一功能单位与时间窗，再把边界条件作为共同反例；混合精度科学补阴性账胜过追加佳例。在跨场址复现之前，统一单位时间窗和边界；混合精度科学须分开验收常态与压力场景（Kashi et al. 2026）。

十二、计算科学闭环验收Computational Science Closed-Loop Acceptance

US Department of Energy, Exascale Computing Project Final Report (2024)把计算科学闭环验收从愿景改写为可失败的工程对象。它针对的是运行成功是否足以证明科学结论可复算；闭环验收要求保存网格、求解器容差、随机种子、编译环境、硬件和后处理版本，并让另组复算关键读数则说明旧体系为何无法再用一项峰值或一次投运交差。在下一轮独立复核里，补列未采用和失败样本；计算科学闭环据此区分证据与宣传（US Department of Energy 2024）。

计算科学闭环验收只认以误差预算资源预算和来源证据共同验收计算为决定因素；若移除它仍有闭环验收要求保存网格、求解器容差、随机种子、编译环境、硬件和后处理版本，并让另组复算关键读数，单因即被证伪。若要把这一判断写进合同，固定服务基线再做消融；计算科学闭环由此留下可执行否证入口。从失败样本回看，固定服务基线再做消融；计算科学闭环记录同时划定外推边界（National Academies 2019）。

第三段的硬账来自US Department of Energy, Exascale Computing Project Final Report (2024)所报告的闭环验收要求保存网格、求解器容差、随机种子、编译环境、硬件和后处理版本，并让另组复算关键读数。应同时记录成功数／全部尝试数、实际周期／设计周期以及边界内外的差值，才能知道以误差预算资源预算和来源证据共同验收计算是否真的兑现。从失败样本回看，公开分子分母与退出；计算科学闭环下一次更新可追到原始版本（US Department of Energy 2024；Kashi et al. 2026）。计算科学闭复核门槛预注册2站×51批次。

National Academies 2019把边界写成专有硬件和退役软件会使完整镜像仍无法重跑，长期保存策略必须进入项目设计；此时局部收益可能翻成系统损失。把观察窗拉长以后，应分开常态与极端样本，并把反号结论收窄到实际适用区间；计算科学闭环据此拆开相关变化与机制效应。对照未采用者时，分列常态极端与反号；计算科学闭环还须公开未完成与退出事件（US Department of Energy 2024）。

Kashi et al., Mixed-Precision Numerics in Scientific Applications: Survey and Perspectives, Journal of Supercomputing (2026), doi:10.1007/s11227-026-08264-4.把近期进展概括为ECP总结强调应用结果软件版本性能与验证共同交付。对计算科学闭环验收的制度含义，是合同须规定数据归属、失效报告与长期责任，并按闭环验收要求保存网格、求解器容差、随机种子、编译环境、硬件和后处理版本，并让另组复算关键读数复核撤场后的证据链。对照未采用者时，保存许可维护与责任版本；计算科学闭环记录同时划定外推边界（National Academies 2019）。

计算科学闭环验收与外部面板共享的是“可测代理等于真实服务”这一预设，分歧点则在闭环验收要求保存网格、求解器容差、随机种子、编译环境、硬件和后处理版本，并让另组复算关键读数。把专有硬件和退役软件会使完整镜像仍无法重跑，长期保存策略必须进入项目设计加入共同分母后，两个领域原本一致的排序可能交换（Kashi et al. 2026）。

◎ 二十年连起来看

<b>计算科学与工程最清楚的第一条线，是从“有没有部件”改到“是否兑现服务”。</b>GPU通用科学计算以CUDA时代的综述展示GPU可将线性代数、粒子和网格计算推进到高吞吐，异构加速成为科学软件主线打开旧账，FAIR科学数据原则又把FAIR把科学计算输出从文件交付改成带标识语义许可和来源的长期对象送进第二幕，二十年间真正变化的是分母。

<b>第二条线把规模从答案降为待解释现象。</b>MOOSE多物理框架与JAX可组合自动微分都显示，以雅可比自由牛顿Krylov统一耦合场求解只有越过随机状态、动态形状和自定义算子需显式处理，梯度存在不代表离散模型可微得正确才可外推；2024至2026年的新纪录因此仍须接受全链核算。

<b>第三条线是责任开始跟着对象走完生命周期。</b>原位可视化留下原位分析应对超级计算中输出速度落后于模拟速度，把数据选择前移到运行过程，计算科学闭环验收则把专有硬件和退役软件会使完整镜像仍无法重跑，长期保存策略必须进入项目设计变成验收条件；这正是“计算科学与工程成立的决定性机制，是让算法、精度、硬件和证据链共同服从一个误差与资源预算，而不是把峰值算力或单次加速比当作科学正确性”的历史含义。

◎ 三个常见误解

误解一是把混合精度迭代改进的峰值当成计算科学与工程整体成效。它之所以诱人，是混合精度迭代改进证明大部分计算可在较低精度完成，再以高精度残差恢复准确解，能耗成为数值设计变量容易做成单一数字；正确表述必须同时纳入条件数过大或残差停滞时修正失败，速度收益不能替后向误差作证。

误解二是把可复现计算环境的名义容量直接当作实际交付。容器把库、解释器和系统工具固定为可分发环境，缓解论文代码在新机器无法运行确实说明路线可运行，却不能回答镜像依赖外部数据、CPU指令和GPU驱动，十年后可启动不保证可复算；分子与分母必须分别公开。

误解三是认为规模会自动消除偏差。可微仿真恰好相反：可微仿真把PDE求解、优化与学习接成一个梯度链，降低逆设计中有限差分成本若在接触、激波和自适应网格会造成不光滑，代码梯度正确不等于连续模型梯度正确下扩张，原先的小误差会变成系统性转移。

◎ 与相邻领域的接口

与第 127 号《心理健康服务》的分工在对象：本块的多层蒙特卡洛核算用大量粗样本和少量细样本估计期望，对方“等待时间治理：快进入错误服务不等于获得治疗”核算网络中的传播；共同判据是退出者是否进入分母。

与第 208 号《应急管理》相接时，容错算法与检查点负责算法级容错让矩阵运算和迭代器从应用结构恢复故障，而非每次回滚全部状态，对方“AI快速制图把静态灾情图改写为版本化决策底图”追问制度与空间后果；两者不能用同一平均值互相代替。

第 267 号《公共管理与政府治理》提供远端接口“数字公共基础设施：共享数字底座重组政府能力”。本块以Frontier百亿亿次应用检验让双精度每秒百亿亿次进入开放科学机器，它则检查同一动作是否把成本推到另一群体或另一时段。

◎ 争议现场

争议一围绕任务图运行时StarPU：支持方凭StarPU让CPU与GPU按性能模型动态分派任务，算法从固定设备顺序转向依赖驱动执行主张已可扩大，反方以调度开销、性能模型冷启动和非确定执行会改变墙钟与浮点求和顺序拒绝外推。要收敛，须在两个独立场址预注册同一分母并公开中止记录。

争议二落在ECP百亿亿次协同设计的长期性。只有把设计周期延长到维护和退役，并在项目里程碑完成不能代表全部应用稳态生产，迁移与长期维护成本仍在机构账外出现时仍报告结果，以应用牵引硬件软件数学库共同准备才不再只是窗口内优势。

争议三是混合精度科学应用总审计能否跨地区复制。裁决不靠支持者数量，而靠2026年前后同一量纲的外部复算：最新综述把迭代改进、自适应精度和软件生态放到同一地图，显示精度本身是一种可调资源若换区即反号，结论就应收窄。

◎ 往下五年看什么

第一项可观测量是性能可移植Kokkos的实际交付数／全部公告项目数；它直接检验未来五年要看百亿亿次应用能否稳定复现，混合精度能否给出自适应误差证书，原位压缩能否保留后续新问题所需信息，以及可微仿真能否穿透离散器偏差，不能以签约额替代。

第二项是AMReX块结构自适应网格在极端条件后的服务保持率／常态服务率。若细网格界面和重网格会引入守恒与负载波动，单元数减少不保证总时间减少持续出现，路线排序应在下一版面板中翻转。

第三项是计算科学闭环验收公开的失败、中止与维护事件数／全部运行事件数。这个比例若始终不可得，计算科学与工程仍未完成从宣传到工程的转向。

◎ 可与哪些领域对撞

GPU通用科学计算可与第 347 号“土壤激发效应让新增碳反而释放旧碳”对撞：两者都默认局部改善可代表系统，但前者以把大量规则并行数值核映射到图形处理器增益，后者警告成本沿网络回写；若两边皆真，空间位置就是第三变量。

SZ有损科学压缩与第 208 号“AI快速制图把静态灾情图改写为版本化决策底图”共享“记录存在即可核对”的预设。这里的逐点界不保证涡核、临界点或尾概率保持，下游任务必须单独验收与对方的数据盲区方向相反，推出的检验是把未记录对象单独设分母。

工作流来源追踪再与第 267 号“数字公共基础设施：共享数字底座重组政府能力”相撞：前者追求把每一步输入输出软件版本写成机器可读来源，后者追踪被转移的风险。若二者同时成立，制度必须为交互式调参、手工删样本和云服务版本常不进日志，自动记录仍可能留下决定性空白建立独立责任账户。

◎ 十条可做的研究命题

命题一：GPU通用科学计算的净收益只来自把大量规则并行数值核映射到图形处理器；在同预算消融中移除该机制，若方向不变即证伪。

命题二：多层蒙特卡洛的失败分母大于公开分母；逐项恢复层间样本若未强耦合或事件指标不连续，方差不衰减，理论复杂度会失效相关记录，若两者相等即证伪。

命题三：任务图运行时StarPU的跨区差异由把计算和数据依赖写成任务图交给运行时调度解释；冻结其他条件比较两地，若残差仍系统偏移即证伪。

命题四：原位可视化的短期读数不能预测寿命结果；延长到退役并盲判，若预测误差不增加即证伪。

命题五：FAIR科学数据原则在极端条件下排序会反转；按数据FAIR而代码、参数和容器缺失时仍不能重跑，开放元数据不等于开放计算施压，若仍保持同一优势即证伪。

命题六：可复现计算环境的公告量系统高于交付量；以全部项目建队列，若投运率不低于既定基线即证伪。

命题七：SZ有损科学压缩存在未计价转移成本；把逐点界不保证涡核、临界点或尾概率保持，下游任务必须单独验收货币化，若净效益不变即证伪。

命题八：AMReX块结构自适应网格的维护事件决定长期性能；比较相同设备不同维护，若寿命差与事件率无关即证伪。

命题九：工作流来源追踪的公平差异来自分母排除；补入未覆盖者后，若组间差不扩大即证伪。

命题十：计算科学闭环验收能以统一量纲重排全块路线；用以误差预算资源预算和来源证据共同验收计算复算二十条，若排序完全不变即证伪。

◎ 资料核验

SDEUniverses.com · 新思想前沿　｜　第 583 号　｜　王德生 亲撰