自驱动实验室与自动化科学发现

真正的自驱动实验室不是给仪器装上一条机械臂，而是让选题、执行、异常、阴性结果和下一轮决策共享同一本账。本面板沿着二十个可核验节点追问：闭环在哪一步真的缩短了发现，而又在哪一步把人的判断藏进了代理指标。

第一幕追踪自驱动实验室与自动化科学发现如何把旧问题变成可执行、可测量的对象；判断标准始终是闭环只有把失败和人工接管计入分母，才构成自动化科学发现。

甲、Robot Scientist AdamRobot Scientist Adam

Robot Scientist Adam由King et al., Science 324, 85–89 (2009), doi:10.1126/science.1165620固定为一个可核验节点。到2026年，Robot Scientist Adam仍须把旧基线、阴性结果和未完成运行放回历史分母。

Robot Scientist Adam的单因锁定为机器独立提出并验证功能基因假设。2026年固定Robot Scientist Adam预算与样本，另锁Robot Scientist Adam设备与停止规则；移除其机制仍同向就撤回判断。〔〔对象清单〕对象清单〕对Robot Scientist AdamRobot Scientist Adam而言，真正需要登记的不是又一个平均分，而是由“决定本项科学结果能否成立的只有机器独立提出并验证功能基因假设”推出的每一步中介、责任人和可撤回条件，〔对象清单〕缺少任何一环，都不能把相关性写成机制。〔对象清单〕机构采用Robot Scientist AdamRobot Scientist Adam之前还应公布否决门槛：一旦“⇄增益在系统核算后反号：适用于定义清楚、仪器稳定的功能筛选，开放世界问题仍需人决定概念和价值，当未记录边界主导时，Robot Scien”出现，就暂停扩张并回到“机器独立提出并验证功能基因假设”的原始记录复核，该门槛必须早于部署决定写入方案。

Robot Scientist Adam以King et al., Science 324, 85–89 (2009), doi:10.1126/science.1165620为提出锚，以酵母功能基因组学能否由机器闭环提出并检验假设为反证入口；当前状态是Adam的谱系进入后续机器人科学家与实验知识表示。2026年发布Robot Scientist Adam的run ID与校准版；Robot Scientist Adam另报周期、误差、对照和95%区间。

Robot Scientist Adam的最强边界是适用于定义清楚、仪器稳定的功能筛选；开放世界问题仍需人决定概念和价值。2026年把Robot Scientist Adam推向批次漂移与仪器异常；边界主导时，Robot Scientist Adam越强，外部失真反而越高。〔对象清单〕落到复现实务，可为Robot Scientist AdamRobot Scientist Adam建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“机器独立提出并验证功能基因假设”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。〔对象清单〕把Robot Scientist AdamRobot Scientist Adam与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“机器独立提出并验证功能基因假设”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

Robot Scientist Adam的工程量纲围绕机器独立提出并验证功能基因假设；Robot Scientist Adam的样本、误差、周期与对照分别入账。2026年保存Robot Scientist Adam指令与耗材批次；Robot Scientist Adam接管、权限和中止另记，缺失分母留白。

Robot Scientist Adam与相邻领域登记为科学AI称“机器人科学家Adam：假说—实验—修正第一次闭合”；见第531号第二条“机器人科学家Adam：假说—实验—修正第一次闭合”。2026年Robot Scientist Adam接口只传递可回放证据；Robot Scientist Adam的对象与量纲不变，其预设〔01 谁进入分母〕酵母功能基因组学能否由机器闭环提出并检验假设必须另行受测。〔对象清单〕本条的边界案例应从“尚缺Robot Scientist Adam在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄增益在系统核算后反号：适用于定义清楚、仪器稳定的功能筛选，开放世界问题仍需人决定概念和价值，当未记录边界主导时，Robot Scien”究竟是偶发噪声，还是足以改变结论方向的系统反例。

乙、Robot Scientist EveRobot Scientist Eve

在Robot Scientist Eve之前，领域往往把复杂瓶颈归为规模不足。到2026年，Robot Scientist Eve仍须把旧基线、阴性结果和未完成运行放回历史分母。〔事件时间轴〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项科学结果能否成立的只有自动筛选与知识驱动优先级合并”的操作定义，仍能复算“以“自动筛选与知识驱动优先级合并”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

Robot Scientist Eve的单因锁定为自动筛选与知识驱动优先级合并。2026年固定Robot Scientist Eve预算与样本，另锁Robot Scientist Eve设备与停止规则；移除其机制仍同向就撤回判断。

Robot Scientist Eve以Williams et al., J. R. Soc. Interface 12, 20141289 (2015), doi:10.1098/rsif.2014.1289为提出锚，以高通量命中是否等于可转化药物发现为反证入口；当前状态是抗寄生虫药物再利用继续作为自动假设检验范例。2026年发布Robot Scientist Eve的run ID与校准版；Robot Scientist Eve另报周期、误差、对照和95%区间。〔事件时间轴〕机构采用Robot Scientist EveRobot Scientist Eve之前还应公布否决门槛：一旦“⇄外部复现方向翻转：命中率依赖试验体系与阈值，不能从体外活性直接外推临床有效性，当未记录边界主导时，Robot Scientist Ev”出现，就暂停扩张并回到“自动筛选与知识驱动优先级合并”的原始记录复核，该门槛必须早于部署决定写入方案。〔事件时间轴〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺Robot Scientist Eve在独立场景的长周期阴性结果”的原始记录，并把“⇄外部复现方向翻转：命中率依赖试验体系与阈值，不能从体外活性直接外推临床有效性，当未记录边界主导时，Robot Scientist Ev”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

Robot Scientist Eve的最强边界是命中率依赖试验体系与阈值，不能从体外活性直接外推临床有效性。2026年把Robot Scientist Eve推向批次漂移与仪器异常；边界主导时，Robot Scientist Eve越强，外部失真反而越高。

Robot Scientist Eve的工程量纲围绕自动筛选与知识驱动优先级合并；Robot Scientist Eve的样本、误差、周期与对照分别入账。2026年保存Robot Scientist Eve指令与耗材批次；Robot Scientist Eve接管、权限和中止另记，缺失分母留白。〔事件时间轴〕把Robot Scientist EveRobot Scientist Eve与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“自动筛选与知识驱动优先级合并”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。〔事件时间轴〕在自驱动实验室与自动化科学发现的这一对象上，复核应把“以“自动筛选与知识驱动优先级合并”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺Robot Scientist Eve在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

Robot Scientist Eve与相邻领域登记为科学AI称“Halicin与abaucin：模型必须把化学空间带到湿实验验证”；见第531号第十五条“Halicin与abaucin：模型必须把化学空间带到湿实验验证”。2026年Robot Scientist Eve接口只传递可回放证据；Robot Scientist Eve的对象与量纲不变，其预设〔01 谁进入分母〕高通量命中是否等于可转化药物发现必须另行受测。

丙、AFLOW高通量材料学AFLOW

AFLOW高通量材料学由Curtarolo et al., Computational Materials Science 58, 218–226 (2012), doi:10.1016/j.commatsci.2012.02.005固定AFLOW高通量材料学为可核验节点。AFLOW高通量材料学的旧问题不是设备不够新，而是标准化输入、赝势和结构原型使大批量材料计算可比较，候选生成速度首次工程化。关键读数是“可追溯计算配方形成机器候选池”，因此AFLOW高通量材料学的历史位置要连同其对象、基线和失败样本读取。到2026年，AFLOW高通量材料学旧基线与阴性结果重新入账；AFLOW高通量材料学未完成运行也保留，成熟设备不得改写起点。

AFLOW高通量材料学的单因锁定为可追溯计算配方形成机器候选池。2026年固定AFLOW高通量材料学预算与样本，另锁AFLOW高通量材料学设备与停止规则；移除其机制仍同向就撤回判断。

AFLOW高通量材料学以Curtarolo et al., Computational Materials Science 58, 218–226 (2012), doi:10.1016/j.commatsci.2012.02.005为提出锚，以计算高通量能否替代实验闭环为反证入口；当前状态是AFLOW数据库与标准化工作流持续扩展。2026年发布AFLOW高通量材料学的run ID与校准版；AFLOW高通量材料学另报周期、误差、对照和95%区间。

AFLOW高通量材料学的最强边界是计算数据库继承近似泛函和结构先验，实验可合成性不能由低形成能独占。2026年把AFLOW高通量材料学推向批次漂移与仪器异常；边界主导时，AFLOW高通量材料学越强，外部失真反而越高。〔装置边界〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺AFLOW高通量材料学在独立场景的长周期阴性结果”的原始记录，并把“⇄极端条件使代理失真：计算数据库继承近似泛函和结构先验，实验可合成性不能由低形成能独占，当未记录边界主导时，AFLOW高通量材料学优化越”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

AFLOW高通量材料学的工程量纲围绕可追溯计算配方形成机器候选池；AFLOW高通量材料学的样本、误差、周期与对照分别入账。2026年保存AFLOW高通量材料学指令与耗材批次；AFLOW高通量材料学接管、权限和中止另记，缺失分母留白。

AFLOW高通量材料学与相邻领域登记为材料科学称“高通量组合实验”；见第240号第三条“高通量组合实验”。2026年AFLOW高通量材料学接口只传递可回放证据；AFLOW高通量材料学的对象与量纲不变，其预设〔01 谁进入分母〕计算高通量能否替代实验闭环必须另行受测。〔装置边界〕在自驱动实验室与自动化科学发现的这一对象上，复核应把“以“可追溯计算配方形成机器候选池”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺AFLOW高通量材料学在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

丁、Materials ProjectMaterials Project

在Materials Project之前，领域往往把复杂瓶颈归为规模不足。Jain et al., APL Materials 1, 011002 (2013), doi:10.1063/1.4812323给出的新切口是“统一数据底座改变候选检索方式”；其可见结果来自开放材料性质与程序化接口让实验室可从同一候选空间出发并回写验证结果，也把Materials Project原先隐藏的系统边界拉到台前。到2026年，Materials Project旧基线与阴性结果重新入账；Materials Project未完成运行也保留，成熟设备不得改写起点。〔样本分层〕对Materials ProjectMaterials Project而言，真正需要登记的不是又一个平均分，而是由“决定本项科学结果能否成立的只有统一数据底座改变候选检索方式”推出的每一步中介、责任人和可撤回条件，〔样本分层〕缺少任何一环，都不能把相关性写成机制。

Materials Project的单因锁定为统一数据底座改变候选检索方式。2026年固定Materials Project预算与样本，另锁Materials Project设备与停止规则；移除其机制仍同向就撤回判断。

Materials Project以Jain et al., APL Materials 1, 011002 (2013), doi:10.1063/1.4812323为提出锚，以开放计算材料数据的误差能否跨化学空间一致为反证入口；当前状态是数据库持续发布版本、API与误差说明。2026年发布Materials Project的run ID与校准版；Materials Project另报周期、误差、对照和95%区间。〔样本分层〕落到复现实务，可为Materials ProjectMaterials Project建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“统一数据底座改变候选检索方式”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

Materials Project的最强边界是版本、计算参数和纠错记录若未锁定，同名材料数值不能视作永久真值。2026年把Materials Project推向批次漂移与仪器异常；边界主导时，Materials Project越强，外部失真反而越高。

Materials Project的工程量纲围绕统一数据底座改变候选检索方式；Materials Project的样本、误差、周期与对照分别入账。2026年保存Materials Project指令与耗材批次；Materials Project接管、权限和中止另记，缺失分母留白。〔样本分层〕证据链还要把Jain et al., APL Materials 1, 011002 (2013), doi的起点材料与更新文献放在同一比较表里，并逐项报告“统一数据底座改变候选检索方式”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。〔样本分层〕本条的边界案例应从“尚缺Materials Project在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄增益在系统核算后反号：版本、计算参数和纠错记录若未锁定，同名材料数值不能视作永久真值，当未记录边界主导时，Materials Proj”究竟是偶发噪声，还是足以改变结论方向的系统反例。

Materials Project与相邻领域登记为材料科学称“开放计算筛选”；见第240号第四条“开放计算筛选”。2026年Materials Project接口只传递可回放证据；Materials Project的对象与量纲不变，其预设〔02 单一读数代表复杂对象〕开放计算材料数据的误差能否跨化学空间一致必须另行受测。

戊、模块化有机合成机器Organic Synthesis Machine

模块化有机合成机器由Li et al., Science 347, 1221–1226 (2015), doi:10.1126/science.aaa5414固定模块化有机合成机器为可核验节点。模块化有机合成机器的旧问题不是设备不够新，而是机器以标准化模块完成一组小分子合成，证明合成知识可以部分编译成设备动作。关键读数是“积木式单元把合成路线变成可执行程序”，因此模块化有机合成机器的历史位置要连同其对象、基线和失败样本读取。到2026年，模块化有机合成机器旧基线与阴性结果重新入账；模块化有机合成机器未完成运行也保留，成熟设备不得改写起点。

模块化有机合成机器的单因锁定为积木式单元把合成路线变成可执行程序。2026年固定模块化有机合成机器预算与样本，另锁模块化有机合成机器设备与停止规则；移除其机制仍同向就撤回判断。

模块化有机合成机器以Li et al., Science 347, 1221–1226 (2015), doi:10.1126/science.aaa5414为提出锚，以模块化合成能否覆盖反应条件的长尾为反证入口；当前状态是自动合成平台转向更通用的规划和流动化接口。2026年发布模块化有机合成机器的run ID与校准版；模块化有机合成机器另报周期、误差、对照和95%区间。

模块化有机合成机器的最强边界是反应类别、纯化兼容性与耗材接口限制覆盖面，成功分子不能代表化学空间。2026年把模块化有机合成机器推向批次漂移与仪器异常；边界主导时，模块化有机合成机器越强，外部失真反而越高。

模块化有机合成机器的工程量纲围绕积木式单元把合成路线变成可执行程序；模块化有机合成机器的样本、误差、周期与对照分别入账。2026年保存模块化有机合成机器指令与耗材批次；模块化有机合成机器接管、权限和中止另记，缺失分母留白。

模块化有机合成机器与相邻领域登记为科学AI称“Coscientist与ChemCrow：科研智能体的能力边界在工具链”；见第531号第十九条“Coscientist与ChemCrow：科研智能体的能力边界在工具链”。2026年模块化有机合成机器接口只传递可回放证据；模块化有机合成机器的对象与量纲不变，其预设〔02 单一读数代表复杂对象〕模块化合成能否覆盖反应条件的长尾必须另行受测。〔版本登记〕本条的边界案例应从“尚缺模块化有机合成机器在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄外部复现方向翻转：反应类别、纯化兼容性与耗材接口限制覆盖面，成功分子不能代表化学空间，当未记录边界主导时，模块化有机合成机器优化越强”究竟是偶发噪声，还是足以改变结论方向的系统反例。

己、贝叶斯材料搜索Bayesian Materials Search

在贝叶斯材料搜索之前，领域往往把复杂瓶颈归为规模不足。Seko et al., Physical Review Letters 115, 205901 (2015), doi:10.1103/PhysRevLett.115.205901给出的新切口是“用少量昂贵计算定位低热导材料”；其可见结果来自贝叶斯优化在大候选空间中迭代选择下一批计算，把搜索预算集中到高价值区域，也把贝叶斯材料搜索原先隐藏的系统边界拉到台前。到2026年，贝叶斯材料搜索旧基线与阴性结果重新入账；贝叶斯材料搜索未完成运行也保留，成熟设备不得改写起点。〔失败谱〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项科学结果能否成立的只有用少量昂贵计算定位低热导材料”的操作定义，仍能复算“以“用少量昂贵计算定位低热导材料”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

贝叶斯材料搜索的单因锁定为用少量昂贵计算定位低热导材料。2026年固定贝叶斯材料搜索预算与样本，另锁贝叶斯材料搜索设备与停止规则；移除其机制仍同向就撤回判断。

贝叶斯材料搜索以Seko et al., Physical Review Letters 115, 205901 (2015), doi:10.1103/PhysRevLett.115.205901为提出锚，以代理模型的不确定度是否校准为反证入口；当前状态是主动学习成为自驱动实验室的基础策略。2026年发布贝叶斯材料搜索的run ID与校准版；贝叶斯材料搜索另报周期、误差、对照和95%区间。〔失败谱〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺贝叶斯材料搜索在独立场景的长周期阴性结果”的原始记录，并把“⇄极端条件使代理失真：先验核和初始样本决定探索方向，分布外候选会让置信区间虚假收窄，当未记录边界主导时，贝叶斯材料搜索优化越强，外部失真”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

贝叶斯材料搜索的最强边界是先验核和初始样本决定探索方向，分布外候选会让置信区间虚假收窄。2026年把贝叶斯材料搜索推向批次漂移与仪器异常；边界主导时，贝叶斯材料搜索越强，外部失真反而越高。

贝叶斯材料搜索的工程量纲围绕用少量昂贵计算定位低热导材料；贝叶斯材料搜索的样本、误差、周期与对照分别入账。2026年保存贝叶斯材料搜索指令与耗材批次；贝叶斯材料搜索接管、权限和中止另记，缺失分母留白。

贝叶斯材料搜索与相邻领域登记为材料科学称“不确定性驱动主动学习”；见第240号第十条“不确定性驱动主动学习”。2026年贝叶斯材料搜索接口只传递可回放证据；贝叶斯材料搜索的对象与量纲不变，其预设〔02 单一读数代表复杂对象〕代理模型的不确定度是否校准必须另行受测。

庚、把失败反应写进数据Dark Reactions

把失败反应写进数据由Raccuglia et al., Nature 533, 73–76 (2016), doi:10.1038/nature17439固定把失败反应写进数据为可核验节点。把失败反应写进数据的旧问题不是设备不够新，而是从实验室笔记中恢复成功与失败的水热合成记录后，模型优于只读成功文献的学习。关键读数是“未发表失败提高结晶条件预测”，因此把失败反应写进数据的历史位置要连同其对象、基线和失败样本读取。到2026年，把失败反应写进数据旧基线与阴性结果重新入账；把失败反应写进数据未完成运行也保留，成熟设备不得改写起点。

把失败反应写进数据的单因锁定为未发表失败提高结晶条件预测。2026年固定把失败反应写进数据预算与样本，另锁把失败反应写进数据设备与停止规则；移除其机制仍同向就撤回判断。〔机构接口〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄增益在系统核算后反号：失败记录也受选择过程影响，未尝试区域不能伪装成真正阴性样本，当未记录边界主导时，把失败反应写进数据优化越强，外部”做至少两轮外部复算，若方向翻转，把失败反应写进数据Dark Reactions的结论必须随之收窄。

把失败反应写进数据以Raccuglia et al., Nature 533, 73–76 (2016), doi:10.1038/nature17439为提出锚，以阴性实验是否能够抵消文献的成功偏差为反证入口；当前状态是失败数据学习成为化学闭环的标准主张。2026年发布把失败反应写进数据的run ID与校准版；把失败反应写进数据另报周期、误差、对照和95%区间。

把失败反应写进数据的最强边界是失败记录也受选择过程影响，未尝试区域不能伪装成真正阴性样本。2026年把把失败反应写进数据推向批次漂移与仪器异常；边界主导时，把失败反应写进数据越强，外部失真反而越高。〔机构接口〕证据链还要把Raccuglia et al., Nature 533, 73–76 (2016), doi:的起点材料与更新文献放在同一比较表里，并逐项报告“未发表失败提高结晶条件预测”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。

把失败反应写进数据的工程量纲围绕未发表失败提高结晶条件预测；把失败反应写进数据的样本、误差、周期与对照分别入账。2026年保存把失败反应写进数据指令与耗材批次；把失败反应写进数据接管、权限和中止另记，缺失分母留白。

把失败反应写进数据与相邻领域登记为科学AI称“暗反应：失败实验不是垃圾，而是边界数据”；见第531号第八条“暗反应：失败实验不是垃圾，而是边界数据”。2026年把失败反应写进数据接口只传递可回放证据；把失败反应写进数据的对象与量纲不变，其预设〔04 测量不改变被测对象〕阴性实验是否能够抵消文献的成功偏差必须另行受测。

辛、自主碳纳米管合成Autonomous CNT Synthesis

在自主碳纳米管合成之前，领域往往把复杂瓶颈归为规模不足。Nikolaev et al., npj Computational Materials 2, 16031 (2016), doi:10.1038/npjcompumats.2016.31给出的新切口是“算法边做边选碳纳米管生长条件”；其可见结果来自自动平台以拉曼反馈和搜索算法调整温度与气体条件，展示连续制造参数的闭环优化，也把自主碳纳米管合成原先隐藏的系统边界拉到台前。到2026年，自主碳纳米管合成旧基线与阴性结果重新入账；自主碳纳米管合成未完成运行也保留，成熟设备不得改写起点。

自主碳纳米管合成的单因锁定为算法边做边选碳纳米管生长条件。2026年固定自主碳纳米管合成预算与样本，另锁自主碳纳米管合成设备与停止规则；移除其机制仍同向就撤回判断。

自主碳纳米管合成以Nikolaev et al., npj Computational Materials 2, 16031 (2016), doi:10.1038/npjcompumats.2016.31为提出锚，以原位测量能否稳定代表最终材料质量为反证入口；当前状态是闭环纳米材料生长推动在线计量与控制融合。2026年发布自主碳纳米管合成的run ID与校准版；自主碳纳米管合成另报周期、误差、对照和95%区间。〔资源预算〕落到复现实务，可为自主碳纳米管合成Autonomous CNT Synthesis建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“算法边做边选碳纳米管生长条件”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

自主碳纳米管合成的最强边界是传感器漂移和替代指标会把系统推向易测而非真正有用的样品。2026年把自主碳纳米管合成推向批次漂移与仪器异常；边界主导时，自主碳纳米管合成越强，外部失真反而越高。

自主碳纳米管合成的工程量纲围绕算法边做边选碳纳米管生长条件；自主碳纳米管合成的样本、误差、周期与对照分别入账。2026年保存自主碳纳米管合成指令与耗材批次；自主碳纳米管合成接管、权限和中止另记，缺失分母留白。〔资源预算〕本条的边界案例应从“尚缺自主碳纳米管合成在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄外部复现方向翻转：传感器漂移和替代指标会把系统推向易测而非真正有用的样品，当未记录边界主导时，自主碳纳米管合成优化越强，外部失真反而越”究竟是偶发噪声，还是足以改变结论方向的系统反例。

自主碳纳米管合成与相邻领域登记为材料科学称“自主闭环材料实验”；见第240号第九条“自主闭环材料实验”。2026年自主碳纳米管合成接口只传递可回放证据；自主碳纳米管合成的对象与量纲不变，其预设〔04 测量不改变被测对象〕原位测量能否稳定代表最终材料质量必须另行受测。

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“闭环只有把失败和人工接管计入分母，才构成自动化科学发现”。

一、ChemOS实验操作系统ChemOS

ChemOS实验操作系统由Roch et al., Science Robotics 3, eaat5559 (2018), doi:10.1126/scirobotics.aat5559固定ChemOS实验操作系统为可核验节点。ChemOS实验操作系统的旧问题不是设备不够新，而是模块化架构让优化算法通过统一接口安排实验、读取结果和更新策略，降低闭环重写成本。关键读数是“把规划器、机器人和数据库解耦”，因此ChemOS实验操作系统的历史位置要连同其对象、基线和失败样本读取。到2026年，ChemOS实验操作系统旧基线与阴性结果重新入账；ChemOS实验操作系统未完成运行也保留，成熟设备不得改写起点。

ChemOS实验操作系统的单因锁定为把规划器、机器人和数据库解耦。2026年固定ChemOS实验操作系统预算与样本，另锁ChemOS实验操作系统设备与停止规则；移除其机制仍同向就撤回判断。〔外部复算〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺ChemOS实验操作系统在独立场景的长周期阴性结果”的原始记录，并把“⇄极端条件使代理失真：接口统一不等于误差统一，每台仪器的校准和异常仍需领域模型，当未记录边界主导时，ChemOS实验操作系统优化越强，外”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

ChemOS实验操作系统以Roch et al., Science Robotics 3, eaat5559 (2018), doi:10.1126/scirobotics.aat5559为提出锚，以通用调度层能否跨越不同仪器语义为反证入口；当前状态是ChemOS成为多类自驱动实验室的软件蓝图。2026年发布ChemOS实验操作系统的run ID与校准版；ChemOS实验操作系统另报周期、误差、对照和95%区间。

ChemOS实验操作系统的最强边界是接口统一不等于误差统一，每台仪器的校准和异常仍需领域模型。2026年把ChemOS实验操作系统推向批次漂移与仪器异常；边界主导时，ChemOS实验操作系统越强，外部失真反而越高。〔外部复算〕把ChemOS实验操作系统ChemOS与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“把规划器、机器人和数据库解耦”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

ChemOS实验操作系统的工程量纲围绕把规划器、机器人和数据库解耦；ChemOS实验操作系统的样本、误差、周期与对照分别入账。2026年保存ChemOS实验操作系统指令与耗材批次；ChemOS实验操作系统接管、权限和中止另记，缺失分母留白。

ChemOS实验操作系统与相邻领域登记为科学AI称“自驱动实验室：AI必须在物质世界里承担下一步实验”；见第531号第十三条“自驱动实验室：AI必须在物质世界里承担下一步实验”。2026年ChemOS实验操作系统接口只传递可回放证据；ChemOS实验操作系统的对象与量纲不变，其预设〔04 测量不改变被测对象〕通用调度层能否跨越不同仪器语义必须另行受测。〔外部复算〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项科学结果能否成立的只有把规划器、机器人和数据库解耦”的操作定义，仍能复算“以“把规划器、机器人和数据库解耦”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

二、机器人流动合成规划Robotic Flow Synthesis

在机器人流动合成规划之前，领域往往把复杂瓶颈归为规模不足。Coley et al., Science 365, eaax1566 (2019), doi:10.1126/science.aax1566给出的新切口是“从目标分子到流动设备动作的端到端编译”；其可见结果来自系统将计算合成路线转化为模块化流动反应并自动执行多个药物分子，也把机器人流动合成规划原先隐藏的系统边界拉到台前。到2026年，机器人流动合成规划旧基线与阴性结果重新入账；机器人流动合成规划未完成运行也保留，成熟设备不得改写起点。〔反号压力〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄增益在系统核算后反号：可用反应模板和硬件模块构成封闭词表，超出词表的路线仍需人工发明，当未记录边界主导时，机器人流动合成规划优化越强”做至少两轮外部复算，若方向翻转，机器人流动合成规划Robotic Flow Synthesis的结论必须随之收窄。

机器人流动合成规划的单因锁定为从目标分子到流动设备动作的端到端编译。2026年固定机器人流动合成规划预算与样本，另锁机器人流动合成规划设备与停止规则；移除其机制仍同向就撤回判断。

机器人流动合成规划以Coley et al., Science 365, eaax1566 (2019), doi:10.1126/science.aax1566为提出锚，以路线规划分数能否预测真实设备可执行性为反证入口；当前状态是合成规划与自动执行继续合并。2026年发布机器人流动合成规划的run ID与校准版；机器人流动合成规划另报周期、误差、对照和95%区间。

机器人流动合成规划的最强边界是可用反应模板和硬件模块构成封闭词表，超出词表的路线仍需人工发明。2026年把机器人流动合成规划推向批次漂移与仪器异常；边界主导时，机器人流动合成规划越强，外部失真反而越高。

机器人流动合成规划的工程量纲围绕从目标分子到流动设备动作的端到端编译；机器人流动合成规划的样本、误差、周期与对照分别入账。2026年保存机器人流动合成规划指令与耗材批次；机器人流动合成规划接管、权限和中止另记，缺失分母留白。〔反号压力〕在自驱动实验室与自动化科学发现的这一对象上，复核应把“以“从目标分子到流动设备动作的端到端编译”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺机器人流动合成规划在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

机器人流动合成规划与相邻领域登记为智能体AI称“Toolformer：工具调用从手写路由变成可学习动作”；见第532号第十四条“Toolformer：工具调用从手写路由变成可学习动作”。2026年机器人流动合成规划接口只传递可回放证据；机器人流动合成规划的对象与量纲不变，其预设〔13 时间尺度可自由压缩〕路线规划分数能否预测真实设备可执行性必须另行受测。

三、移动机器人化学家Mobile Robotic Chemist

移动机器人化学家由Burger et al., Nature 583, 237–241 (2020), doi:10.1038/s41586-020-2442-2固定移动机器人化学家为可核验节点。移动机器人化学家的旧问题不是设备不够新，而是机器人在普通实验室移动、操作仪器并以贝叶斯搜索找到高活性光催化混合物。关键读数是“在八天内自主运行688次实验”，因此移动机器人化学家的历史位置要连同其对象、基线和失败样本读取。到2026年，移动机器人化学家旧基线与阴性结果重新入账；移动机器人化学家未完成运行也保留，成熟设备不得改写起点。

移动机器人化学家的单因锁定为在八天内自主运行688次实验。2026年固定移动机器人化学家预算与样本，另锁移动机器人化学家设备与停止规则；移除其机制仍同向就撤回判断。〔责任链〕落到复现实务，可为移动机器人化学家Mobile Robotic Chemist建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“在八天内自主运行688次实验”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

移动机器人化学家以Burger et al., Nature 583, 237–241 (2020), doi:10.1038/s41586-020-2442-2为提出锚，以移动性是否真正增加科学自治而非展示效果为反证入口；当前状态是移动机器人继续探索共享人类实验室空间。2026年发布移动机器人化学家的run ID与校准版；移动机器人化学家另报周期、误差、对照和95%区间。

移动机器人化学家的最强边界是688次运行集中在给定配方空间；选什么目标、何谓有用仍由人预先写入。2026年把移动机器人化学家推向批次漂移与仪器异常；边界主导时，移动机器人化学家越强，外部失真反而越高。

移动机器人化学家的工程量纲围绕在八天内自主运行688次实验；移动机器人化学家的样本、误差、周期与对照分别入账。2026年保存移动机器人化学家指令与耗材批次；移动机器人化学家接管、权限和中止另记，缺失分母留白。

移动机器人化学家与相邻领域登记为科学AI称“自驱动实验室：AI必须在物质世界里承担下一步实验”；见第531号第十三条“自驱动实验室：AI必须在物质世界里承担下一步实验”。2026年移动机器人化学家接口只传递可回放证据；移动机器人化学家的对象与量纲不变，其预设〔13 时间尺度可自由压缩〕移动性是否真正增加科学自治而非展示效果必须另行受测。〔责任链〕对移动机器人化学家Mobile Robotic Chemist而言，真正需要登记的不是又一个平均分，而是由“决定本项科学结果能否成立的只有在八天内自主运行688次实验”推出的每一步中介、责任人和可撤回条件，〔责任链〕缺少任何一环，都不能把相关性写成机制。

四、Ada薄膜实验室Ada Thin-Film SDL

在Ada薄膜实验室之前，领域往往把复杂瓶颈归为规模不足。MacLeod et al., Science Advances 6, eaaz8867 (2020), doi:10.1126/sciadv.aaz8867给出的新切口是“机器人在十轮内逼近性能最优区”；其可见结果来自Ada把溶液处理、退火、光谱测量和贝叶斯优化连在一起，展示材料加工闭环，也把Ada薄膜实验室原先隐藏的系统边界拉到台前。到2026年，Ada薄膜实验室旧基线与阴性结果重新入账；Ada薄膜实验室未完成运行也保留，成熟设备不得改写起点。〔排除规则〕机构采用Ada薄膜实验室Ada Thin-Film SDL之前还应公布否决门槛：一旦“⇄极端条件使代理失真：环境湿度、喷头状态和基底批次会回写结果，漂移若不建模便会制造虚假进步，当未记录边界主导时，Ada薄膜实验室优化越强”出现，就暂停扩张并回到“机器人在十轮内逼近性能最优区”的原始记录复核，该门槛必须早于部署决定写入方案。

Ada薄膜实验室的单因锁定为机器人在十轮内逼近性能最优区。2026年固定Ada薄膜实验室预算与样本，另锁Ada薄膜实验室设备与停止规则；移除其机制仍同向就撤回判断。

Ada薄膜实验室以MacLeod et al., Science Advances 6, eaaz8867 (2020), doi:10.1126/sciadv.aaz8867为提出锚，以薄膜表征代理能否跨批次保持可比为反证入口；当前状态是模块化薄膜闭环扩展到多目标材料发现。2026年发布Ada薄膜实验室的run ID与校准版；Ada薄膜实验室另报周期、误差、对照和95%区间。〔排除规则〕把Ada薄膜实验室Ada Thin-Film SDL与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“机器人在十轮内逼近性能最优区”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

Ada薄膜实验室的最强边界是环境湿度、喷头状态和基底批次会回写结果，漂移若不建模便会制造虚假进步。2026年把Ada薄膜实验室推向批次漂移与仪器异常；边界主导时，Ada薄膜实验室越强，外部失真反而越高。

Ada薄膜实验室的工程量纲围绕机器人在十轮内逼近性能最优区；Ada薄膜实验室的样本、误差、周期与对照分别入账。2026年保存Ada薄膜实验室指令与耗材批次；Ada薄膜实验室接管、权限和中止另记，缺失分母留白。〔排除规则〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项科学结果能否成立的只有机器人在十轮内逼近性能最优区”的操作定义，仍能复算“以“机器人在十轮内逼近性能最优区”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

Ada薄膜实验室与相邻领域登记为材料科学称“集成计算材料工程（ICME）”；见第240号第一条“集成计算材料工程（ICME）”。2026年Ada薄膜实验室接口只传递可回放证据；Ada薄膜实验室的对象与量纲不变，其预设〔13 时间尺度可自由压缩〕薄膜表征代理能否跨批次保持可比必须另行受测。

五、CAMEO相图导航CAMEO

CAMEO相图导航由Kusne et al., Nature Communications 11, 5966 (2020), doi:10.1038/s41467-020-19597-w固定CAMEO相图导航为可核验节点。CAMEO相图导航的旧问题不是设备不够新，而是系统结合衍射、相图知识和主动学习，减少定位相边界与功能区所需测量。关键读数是“用知识感知策略自主发现相变材料”，因此CAMEO相图导航的历史位置要连同其对象、基线和失败样本读取。到2026年，CAMEO相图导航旧基线与阴性结果重新入账；CAMEO相图导航未完成运行也保留，成熟设备不得改写起点。

CAMEO相图导航的单因锁定为用知识感知策略自主发现相变材料。2026年固定CAMEO相图导航预算与样本，另锁CAMEO相图导航设备与停止规则；移除其机制仍同向就撤回判断。〔基线冻结〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺CAMEO相图导航在独立场景的长周期阴性结果”的原始记录，并把“⇄增益在系统核算后反号：知识先验错误时会系统性避开异常相，需保留随机探索和事后残差图，当未记录边界主导时，CAMEO相图导航优化越强，外”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

CAMEO相图导航以Kusne et al., Nature Communications 11, 5966 (2020), doi:10.1038/s41467-020-19597-w为提出锚，以相边界信息能否比黑箱性能更有效引导实验为反证入口；当前状态是物理约束主动学习持续进入材料表征。2026年发布CAMEO相图导航的run ID与校准版；CAMEO相图导航另报周期、误差、对照和95%区间。

CAMEO相图导航的最强边界是知识先验错误时会系统性避开异常相，需保留随机探索和事后残差图。2026年把CAMEO相图导航推向批次漂移与仪器异常；边界主导时，CAMEO相图导航越强，外部失真反而越高。〔基线冻结〕在自驱动实验室与自动化科学发现的这一对象上，复核应把“以“用知识感知策略自主发现相变材料”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺CAMEO相图导航在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

CAMEO相图导航的工程量纲围绕用知识感知策略自主发现相变材料；CAMEO相图导航的样本、误差、周期与对照分别入账。2026年保存CAMEO相图导航指令与耗材批次；CAMEO相图导航接管、权限和中止另记，缺失分母留白。

CAMEO相图导航与相邻领域登记为材料科学称“不确定性驱动主动学习”；见第240号第十条“不确定性驱动主动学习”。2026年CAMEO相图导航接口只传递可回放证据；CAMEO相图导航的对象与量纲不变，其预设〔17 局部最优可加总为整体最优〕相边界信息能否比黑箱性能更有效引导实验必须另行受测。〔基线冻结〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄增益在系统核算后反号：知识先验错误时会系统性避开异常相，需保留随机探索和事后残差图，当未记录边界主导时，CAMEO相图导航优化越强，外”做至少两轮外部复算，若方向翻转，CAMEO相图导航CAMEO的结论必须随之收窄。

六、好奇心驱动配方机器人Curious Formulation Robot

在好奇心驱动配方机器人之前，领域往往把复杂瓶颈归为规模不足。Grizou et al., Science Advances 6, eaay4237 (2020), doi:10.1126/sciadv.aay4237给出的新切口是“以学习进展选择复杂液滴实验”；其可见结果来自机器人用预测误差下降而非给定性能作为奖励，找到多样液滴行为区域，也把好奇心驱动配方机器人原先隐藏的系统边界拉到台前。到2026年，好奇心驱动配方机器人旧基线与阴性结果重新入账；好奇心驱动配方机器人未完成运行也保留，成熟设备不得改写起点。

好奇心驱动配方机器人的单因锁定为以学习进展选择复杂液滴实验。2026年固定好奇心驱动配方机器人预算与样本，另锁好奇心驱动配方机器人设备与停止规则；移除其机制仍同向就撤回判断。

好奇心驱动配方机器人以Grizou et al., Science Advances 6, eaay4237 (2020), doi:10.1126/sciadv.aay4237为提出锚，以无预设目标的好奇心是否仍暗含设计者价值为反证入口；当前状态是开放式探索成为目标驱动优化的对照路线。2026年发布好奇心驱动配方机器人的run ID与校准版；好奇心驱动配方机器人另报周期、误差、对照和95%区间。〔异常运行〕证据链还要把Grizou et al., Science Advances 6, eaay4237 (202的起点材料与更新文献放在同一比较表里，并逐项报告“以学习进展选择复杂液滴实验”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。

好奇心驱动配方机器人的最强边界是好奇心指标偏爱可学习变化，可能忽略难测、稀有却科学上重要的现象。2026年把好奇心驱动配方机器人推向批次漂移与仪器异常；边界主导时，好奇心驱动配方机器人越强，外部失真反而越高。

好奇心驱动配方机器人的工程量纲围绕以学习进展选择复杂液滴实验；好奇心驱动配方机器人的样本、误差、周期与对照分别入账。2026年保存好奇心驱动配方机器人指令与耗材批次；好奇心驱动配方机器人接管、权限和中止另记，缺失分母留白。〔异常运行〕对好奇心驱动配方机器人Curious Formulation Robot而言，真正需要登记的不是又一个平均分，而是由“决定本项科学结果能否成立的只有以学习进展选择复杂液滴实验”推出的每一步中介、责任人和可撤回条件，〔异常运行〕缺少任何一环，都不能把相关性写成机制。

好奇心驱动配方机器人与相邻领域登记为科学AI称“AlphaTensor与FunSearch：机器发现的对象变成可验证算法”；见第531号第十七条“AlphaTensor与FunSearch：机器发现的对象变成可验证算法”。2026年好奇心驱动配方机器人接口只传递可回放证据；好奇心驱动配方机器人的对象与量纲不变，其预设〔17 局部最优可加总为整体最优〕无预设目标的好奇心是否仍暗含设计者价值必须另行受测。

七、快充电池闭环优化Closed-Loop Fast Charging

快充电池闭环优化由Attia et al., Nature 578, 397–402 (2020), doi:10.1038/s41586-020-1994-5固定快充电池闭环优化为可核验节点。快充电池闭环优化的旧问题不是设备不够新，而是闭环系统以早期循环信号淘汰劣势协议，大幅缩短比较充电策略的时间。关键读数是“在224个协议中快速筛选快充策略”，因此快充电池闭环优化的历史位置要连同其对象、基线和失败样本读取。到2026年，快充电池闭环优化旧基线与阴性结果重新入账；快充电池闭环优化未完成运行也保留，成熟设备不得改写起点。

快充电池闭环优化的单因锁定为在224个协议中快速筛选快充策略。2026年固定快充电池闭环优化预算与样本，另锁快充电池闭环优化设备与停止规则；移除其机制仍同向就撤回判断。

快充电池闭环优化以Attia et al., Nature 578, 397–402 (2020), doi:10.1038/s41586-020-1994-5为提出锚，以早期寿命预测能否安全替代完整循环试验为反证入口；当前状态是电池自动实验转向寿命、快充和安全的多目标权衡。2026年发布快充电池闭环优化的run ID与校准版；快充电池闭环优化另报周期、误差、对照和95%区间。

快充电池闭环优化的最强边界是代理寿命在新化学体系或异常衰退机制下会失准，安全约束不能交给均值优化。2026年把快充电池闭环优化推向批次漂移与仪器异常；边界主导时，快充电池闭环优化越强，外部失真反而越高。〔人工接管〕本条的边界案例应从“尚缺快充电池闭环优化在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄极端条件使代理失真：代理寿命在新化学体系或异常衰退机制下会失准，安全约束不能交给均值优化，当未记录边界主导时，快充电池闭环优化优化越强”究竟是偶发噪声，还是足以改变结论方向的系统反例。

快充电池闭环优化的工程量纲围绕在224个协议中快速筛选快充策略；快充电池闭环优化的样本、误差、周期与对照分别入账。2026年保存快充电池闭环优化指令与耗材批次；快充电池闭环优化接管、权限和中止另记，缺失分母留白。

快充电池闭环优化与相邻领域登记为科学AI称“贝叶斯优化：最贵的实验应由信息价值决定”；见第531号第三条“贝叶斯优化：最贵的实验应由信息价值决定”。2026年快充电池闭环优化接口只传递可回放证据；快充电池闭环优化的对象与量纲不变，其预设〔17 局部最优可加总为整体最优〕早期寿命预测能否安全替代完整循环试验必须另行受测。〔人工接管〕机构采用快充电池闭环优化Closed-Loop Fast Charging之前还应公布否决门槛：一旦“⇄极端条件使代理失真：代理寿命在新化学体系或异常衰退机制下会失准，安全约束不能交给均值优化，当未记录边界主导时，快充电池闭环优化优化越强”出现，就暂停扩张并回到“在224个协议中快速筛选快充策略”的原始记录复核，该门槛必须早于部署决定写入方案。

八、A-Lab无机材料合成A-Lab

在A-Lab无机材料合成之前，领域往往把复杂瓶颈归为规模不足。Szymanski et al., Nature 624, 86–91 (2023), doi:10.1038/s41586-023-06734-w给出的新切口是“17天实现57个目标中的36个”；其可见结果来自A-Lab串起文献提取、配方、固相合成、衍射和主动学习，并公开慢动力学、挥发、非晶化与计算误差四类失败，也把A-Lab无机材料合成原先隐藏的系统边界拉到台前。到2026年，A-Lab无机材料合成旧基线与阴性结果重新入账；A-Lab无机材料合成未完成运行也保留，成熟设备不得改写起点。〔撤回门槛〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺A-Lab无机材料合成在独立场景的长周期阴性结果”的原始记录，并把“⇄增益在系统核算后反号：63%成功率只属于给定目标和设备，人工接管及平均3.9%的硬件异常率必须同列，当未记录边界主导时，A-Lab无机”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

A-Lab无机材料合成的单因锁定为17天实现57个目标中的36个。2026年固定A-Lab无机材料合成预算与样本，另锁A-Lab无机材料合成设备与停止规则；移除其机制仍同向就撤回判断。

A-Lab无机材料合成以Szymanski et al., Nature 624, 86–91 (2023), doi:10.1038/s41586-023-06734-w为提出锚，以计算可合成性与机器人实验之间的落差如何入账为反证入口；当前状态是353次实验的完整失败谱成为评价自驱动实验室的关键案例。2026年发布A-Lab无机材料合成的run ID与校准版；A-Lab无机材料合成另报周期、误差、对照和95%区间。

A-Lab无机材料合成的最强边界是63%成功率只属于给定目标和设备；人工接管及平均3.9%的硬件异常率必须同列。2026年把A-Lab无机材料合成推向批次漂移与仪器异常；边界主导时，A-Lab无机材料合成越强，外部失真反而越高。

A-Lab无机材料合成的工程量纲围绕17天实现57个目标中的36个；A-Lab无机材料合成的样本、误差、周期与对照分别入账。2026年保存A-Lab无机材料合成指令与耗材批次；A-Lab无机材料合成接管、权限和中止另记，缺失分母留白。〔撤回门槛〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项科学结果能否成立的只有17天实现57个目标中的36个”的操作定义，仍能复算“以“17天实现57个目标中的36个”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

A-Lab无机材料合成与相邻领域登记为材料科学称“材料基因组基础设施（MGI）”；见第240号第二条“材料基因组基础设施（MGI）”。2026年A-Lab无机材料合成接口只传递可回放证据；A-Lab无机材料合成的对象与量纲不变，其预设〔18 干预不回写到被干预者〕计算可合成性与机器人实验之间的落差如何入账必须另行受测。

九、AlphaFlow多步骤搜索AlphaFlow

AlphaFlow多步骤搜索由Volk et al., Nature Communications 14, 1403 (2023), doi:10.1038/s41467-023-37139-y固定AlphaFlow多步骤搜索为可核验节点。AlphaFlow多步骤搜索的旧问题不是设备不够新，而是平台以强化学习在多步骤纳米材料合成中平衡探索和利用，优化跨步骤条件组合。到2026年，AlphaFlow多步骤搜索旧基线与阴性结果重新入账；AlphaFlow多步骤搜索未完成运行也保留，成熟设备不得改写起点。

AlphaFlow多步骤搜索的单因锁定为最多四十个参数的序列决策。2026年固定AlphaFlow多步骤搜索预算与样本，另锁AlphaFlow多步骤搜索设备与停止规则；移除其机制仍同向就撤回判断。〔跨域外推〕证据链还要把Volk et al., Nature Communications 14, 1403 (202的起点材料与更新文献放在同一比较表里，并逐项报告“最多四十个参数的序列决策”在哪些设备、机构或人群中没有出现，而不是只保留成功演示。

AlphaFlow多步骤搜索以Volk et al., Nature Communications 14, 1403 (2023), doi:10.1038/s41467-023-37139-y为提出锚，以强化学习能否在多步骤化学中给出可解释策略为反证入口；多阶段流动实验现为高维闭环试验场。2026年发布AlphaFlow多步骤搜索的run ID与校准版；AlphaFlow多步骤搜索另报周期、误差、对照和95%区间。

AlphaFlow多步骤搜索的最强边界是策略对奖励定义与设备状态敏感，换平台后必须重新校准而不能照搬动作序列。2026年把AlphaFlow多步骤搜索推向批次漂移与仪器异常；边界主导时，AlphaFlow多步骤搜索越强，外部失真反而越高。〔跨域外推〕对AlphaFlow多步骤搜索AlphaFlow而言，真正需要登记的不是又一个平均分，而是由“决定本项科学结果能否成立的只有最多四十个参数的序列决策”推出的每一步中介、责任人和可撤回条件，〔跨域外推〕缺少任何一环，都不能把相关性写成机制。

AlphaFlow多步骤搜索的工程量纲围绕最多四十个参数的序列决策；AlphaFlow多步骤搜索的样本、误差、周期与对照分别入账。2026年保存AlphaFlow多步骤搜索指令与耗材批次；AlphaFlow多步骤搜索接管、权限和中止另记，缺失分母留白。

AlphaFlow多步骤搜索与相邻领域登记为科学AI称“AlphaTensor与FunSearch：机器发现的对象变成可验证算法”；见第531号第十七条“AlphaTensor与FunSearch：机器发现的对象变成可验证算法”。2026年AlphaFlow多步骤搜索接口只传递可回放证据；AlphaFlow多步骤搜索的对象与量纲不变，其预设〔18 干预不回写到被干预者〕强化学习能否在多步骤化学中给出可解释策略必须另行受测。〔跨域外推〕可执行的压力测试是预先固定样本单位、时间窗口和排除规则，再针对“⇄外部复现方向翻转：策略对奖励定义与设备状态敏感，换平台后必须重新校准而不能照搬动作序列，当未记录边界主导时，AlphaFlow多步骤搜”做至少两轮外部复算，若方向翻转，AlphaFlow多步骤搜索AlphaFlow的结论必须随之收窄。〔跨域外推〕落到复现实务，可为AlphaFlow多步骤搜索AlphaFlow建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“最多四十个参数的序列决策”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

十、多性质分子自主发现Multi-Property Molecular Discovery

在多性质分子自主发现之前，领域往往把复杂瓶颈归为规模不足。Koscher et al., Science 382, eadi1407 (2023), doi:10.1126/science.adi1407给出的新切口是“闭环同时处理光学与化学性能”；其可见结果来自系统把候选生成、自动合成和实验表征连接起来，在多目标空间中迭代发现分子，也把多性质分子自主发现原先隐藏的系统边界拉到台前。到2026年，多性质分子自主发现旧基线与阴性结果重新入账；多性质分子自主发现未完成运行也保留，成熟设备不得改写起点。〔盲法复核〕落到复现实务，可为多性质分子自主发现Multi-Property Molecular Discovery建立版本化对象表：输入、基线、资源预算、异常运行和人工接管分别留痕，并用“以“闭环同时处理光学与化学性能”为主读数，并列样本、误差、周期和对照”统一结算，避免换口径后仍宣称性能提高。

多性质分子自主发现的单因锁定为闭环同时处理光学与化学性能。2026年固定多性质分子自主发现预算与样本，另锁多性质分子自主发现设备与停止规则；移除其机制仍同向就撤回判断。

多性质分子自主发现以Koscher et al., Science 382, eadi1407 (2023), doi:10.1126/science.adi1407为提出锚，以多目标帕累托前沿能否代表真实产品价值为反证入口；当前状态是分子设计与合成测试闭环开始共同优化多项性质。2026年发布多性质分子自主发现的run ID与校准版；多性质分子自主发现另报周期、误差、对照和95%区间。〔盲法复核〕本条的边界案例应从“尚缺多性质分子自主发现在独立场景的长周期阴性结果”中抽样，而不是只从最容易成功的中心案例抽样，这样才能判断“⇄极端条件使代理失真：未进入目标函数的毒性、成本与可放大性可能在表面帕累托最优中恶化，当未记录边界主导时，多性质分子自主发现优化越强，外”究竟是偶发噪声，还是足以改变结论方向的系统反例。

多性质分子自主发现的最强边界是未进入目标函数的毒性、成本与可放大性可能在表面帕累托最优中恶化。2026年把多性质分子自主发现推向批次漂移与仪器异常；边界主导时，多性质分子自主发现越强，外部失真反而越高。

多性质分子自主发现的工程量纲围绕闭环同时处理光学与化学性能；多性质分子自主发现的样本、误差、周期与对照分别入账。2026年保存多性质分子自主发现指令与耗材批次；多性质分子自主发现接管、权限和中止另记，缺失分母留白。

多性质分子自主发现与相邻领域登记为科学AI称“生成式逆设计：从预测现有分子转向提出可合成新物”；见第531号第十八条“生成式逆设计：从预测现有分子转向提出可合成新物”。2026年多性质分子自主发现接口只传递可回放证据；多性质分子自主发现的对象与量纲不变，其预设〔18 干预不回写到被干预者〕多目标帕累托前沿能否代表真实产品价值必须另行受测。

十一、Coscientist语言模型代理Coscientist

Coscientist语言模型代理由Boiko et al., Nature 624, 570–578 (2023), doi:10.1038/s41586-023-06792-0固定为一个可核验节点。到2026年，Coscientist语言模型代理仍须把旧基线、阴性结果和未完成运行放回历史分母。

Coscientist语言模型代理的单因锁定为用公开文档规划并执行多类化学任务。2026年固定Coscientist语言模型代理预算与样本，另锁Coscientist语言模型代理设备与停止规则；移除其机制仍同向就撤回判断。〔结果分母〕把Coscientist语言模型代理Coscientist与相邻路线比较时，统一分母至少应包含成功、失败、弃权和未覆盖对象四类，只有“以“用公开文档规划并执行多类化学任务”为主读数，并列样本、误差、周期和对照”在这些类别上都可回查，跨研究比较才有意义。

Coscientist语言模型代理以Boiko et al., Nature 624, 570–578 (2023), doi:10.1038/s41586-023-06792-0为提出锚，以语言模型规划是否可审计且可安全执行为反证入口；当前状态是实验代理的工具权限、化学安全与来源追踪成为核心争议。2026年发布Coscientist语言模型代理的run ID与校准版；Coscientist语言模型代理另报周期、误差、对照和95%区间。

Coscientist语言模型代理的最强边界是网页知识、提示注入和幻觉会进入实体实验，权限分层与人工闸门不能省略。2026年把Coscientist语言模型代理推向批次漂移与仪器异常；边界主导时，Coscientist语言模型代理越强，外部失真反而越高。〔结果分母〕这也给出一项不依赖宣传口径的核验：独立团队只拿到冻结版本与“决定本项科学结果能否成立的只有用公开文档规划并执行多类化学任务”的操作定义，仍能复算“以“用公开文档规划并执行多类化学任务”为主读数，并列样本、误差、周期和对照”，否则所谓转向可能只是数据管线或命名变化。

Coscientist语言模型代理的工程量纲围绕用公开文档规划并执行多类化学任务；Coscientist语言模型代理的样本、误差、周期与对照分别入账。2026年保存Coscientist语言模型代理指令与耗材批次；Coscientist语言模型代理接管、权限和中止另记，缺失分母留白。

Coscientist语言模型代理与相邻领域登记为智能体AI称“AgentOps、AIOS与AgentDojo：可靠性变成运行时工程”；见第532号第二十条“AgentOps、AIOS与AgentDojo：可靠性变成运行时工程”。2026年Coscientist语言模型代理接口只传递可回放证据；Coscientist语言模型代理的对象与量纲不变，其预设〔19 代理指标不回写〕语言模型规划是否可审计且可安全执行必须另行受测。〔结果分母〕面向下一轮材料，自驱动实验室与自动化科学发现应优先补齐“尚缺Coscientist语言模型代理在独立场景的长周期阴性结果”的原始记录，并把“⇄增益在系统核算后反号：网页知识、提示注入和幻觉会进入实体实验，权限分层与人工闸门不能省略，当未记录边界主导时，Coscientist语”作为预注册反例，这两项同时公开，才能区分暂时缺证与真正失效。

十二、分布式异步自驱动实验室Distributed Asynchronous SDL

在分布式异步自驱动实验室之前，领域往往把复杂瓶颈归为规模不足。Strieth-Kalthoff et al., Science 384, eadk9227 (2024), doi:10.1126/science.adk9227给出的新切口是“多个平台共享模型而各自异步实验”；其可见结果来自分布式系统把不同地点的合成与测试结果回写同一策略，减少等待并扩大可用设备集合，也把分布式异步自驱动实验室原先隐藏的系统边界拉到台前。到2026年，分布式异步自驱动实验室旧基线与阴性结果重新入账；分布式异步自驱动实验室未完成运行也保留，成熟设备不得改写起点。

分布式异步自驱动实验室的单因锁定为多个平台共享模型而各自异步实验。2026年固定分布式异步自驱动实验室预算与样本，另锁分布式异步自驱动实验室设备与停止规则；移除其机制仍同向就撤回判断。

分布式异步自驱动实验室以Strieth-Kalthoff et al., Science 384, eadk9227 (2024), doi:10.1126/science.adk9227为提出锚，以跨站点并行是否放大批次差异与队列偏差为反证入口；当前状态是多实验室异步闭环成为规模化科学自治的新边界。2026年发布分布式异步自驱动实验室的run ID与校准版；分布式异步自驱动实验室另报周期、误差、对照和95%区间。〔未覆盖项〕在自驱动实验室与自动化科学发现的这一对象上，复核应把“以“多个平台共享模型而各自异步实验”为主读数，并列样本、误差、周期和对照”拆成同一分母下的主结果与失败谱，“尚缺分布式异步自驱动实验室在独立场景的长周期阴性结果”要单列编码，不能在汇总时并入其他项。

分布式异步自驱动实验室的最强边界是站点校准、网络延迟和数据所有权会改变样本顺序，吞吐提升不等于证据独立。2026年把分布式异步自驱动实验室推向批次漂移与仪器异常；边界主导时，分布式异步自驱动实验室越强，外部失真反而越高。

分布式异步自驱动实验室的工程量纲围绕多个平台共享模型而各自异步实验；分布式异步自驱动实验室的样本、误差、周期与对照分别入账。2026年保存分布式异步自驱动实验室指令与耗材批次；分布式异步自驱动实验室接管、权限和中止另记，缺失分母留白。

分布式异步自驱动实验室与相邻领域登记为智能体AI称“面向代理的软件工程：从聪明算法转向生命周期”；见第532号第二条“面向代理的软件工程：从聪明算法转向生命周期”。2026年分布式异步自驱动实验室接口只传递可回放证据；分布式异步自驱动实验室的对象与量纲不变，其预设〔20 维护成本不外置〕跨站点并行是否放大批次差异与队列偏差必须另行受测。

◎ 二十年连起来看

二十个节点连起来，主线不是名词越来越多，而是闭环只有把失败和人工接管计入分母，才构成自动化科学发现。早期把对象变得可执行，中期把读数送回决策，近期才开始把异常、资源和责任纳入系统。

这条历史线也显示，局部纪录通常先于完整证据账出现。面板因此保留提出、争议与最新三条来源，避免用今天的术语倒写昨天的因果。

◎ 三个常见误解

第一，自动或量子等标签不自动等于净优势；第二，峰值读数不能替代全流程分母；第三，规模扩大并不会自行消除选择偏差、漂移和外部成本。

三个误解共同源于把代理指标当作对象本身。只要损耗、人工、校准或失败样本被移出账本，任何路线都可能得到过度乐观的结论。

◎ 与相邻领域的接口

本领域向上连接基础理论，向下连接制造、软件、标准和治理。真正有用的接口是让相邻领域用同一失效条件挑战“闭环只有把失败和人工接管计入分母，才构成自动化科学发现”。

接口验收要求对手明确、共同预设明确、相反点明确，并能推出一个原领域尚未提出的新实验，而不是把热门名词并排陈列。

◎ 争议现场

支持者强调新的闭环和资源已经把过去不可做的问题变成可运行系统；反方则指出大多数优势仍依赖精心选择的任务、基线和实验环境。

争议的裁决方式不是口号投票，而是冻结版本、同预算对照、跨站点复现与方向反转试验。若失败只被解释成工程细节，理论便失去被反驳的入口。

◎ 往下五年看什么

未来五年的胜负不在无人值守时长，而在跨实验室可迁移的异常语义、开放阴性数据和能接受人工否决的策略层

应优先观察能否公开完整运行日志、异常分类和阴性结果，以及新一代标准是否要求端到端资源核算。单点纪录仍重要，但不足以单独改变面板判断。

◎ 可与哪些领域对撞

可对撞的领域包括控制论、因果推断、计量学、可靠性工程、科学社会学与技术治理。它们分别追问反馈、归因、溯源、长尾失败、奖励结构和责任。

对撞时应保持对象和量纲不变，只替换一个前提；如果结论因此反号，才说明接口带来了新知识。

◎ 十条可做的研究命题

建立公开失败谱，并比较只用成功数据与全量数据时结论是否反号。

把人工接管、校准和等待时间加入资源分母，重算相对旧方法的净收益。

在至少两个独立平台冻结版本复现同一方向，而非只复现最好数值。

设计移除关键机制的消融试验，检查单因主张能否被直接推翻。

将平均性能换成最坏分位数，观察路线排序是否改变。

对代理指标施加分布外扰动，寻找它与真实目标解耦的阈值。

记录中止与未完成运行，检验幸存者偏差在多大程度上制造领先。

以同总预算而非同设备时间设置经典或旧技术基线。

把能耗、耗材和退役责任延伸到生命周期，测试局部优化是否转移成本。

预注册一个会令主张失败的结果形态，并在数据到来后按原规则裁决。

◎ 资料核验

SDEUniverses.com · 新思想前沿　｜　第 542 号　｜　王德生 亲撰