AI for Science：从算法突破到科研基础设施——四条线索下的可靠共识与待验证推断

Lawrence & Montgomery、Berens 等、AI+MPS 和 AI4OS 从不同入口汇聚到同一判断：前者把科学采用类比为技术扩散，指出 COVID-19 中英国 AI 几乎未进入实际响应；Berens 等将 AI for Science 定义为需要研究者的交汇点；AI+MPS 把社区、数据与教育列为三大支柱；AI4OS 要求把数据上下文和先验知识作为团队间传递的产证。差异在于制度落点：有的是国家层面资金与培训，有的是开放科学伦理；共同点是均未提供定量效果检验。

证据边界：证据来自立场论文、研讨会报告和形式化框架，暂无受控比较或干预研究；不同学科对开放共享的激励和风险结构不同，不能将材料科学或高能物理的共识直接套用到临床数据等强隐私领域。

Lu 等以 AlphaFold 的约 10 万条序列-结构对和 A-Lab 的自动化合成说明大规模数据能带来质变；Sci-LLM 综述则指出预训练语料远小于通用 LLM，且多模态对齐数据稀缺。两者差异在于材料领域强调样本、数据集、利益相关者三层治理，生物化学领域强调多尺度和跨模态数据缺口；共同点是均把数据准备视为研究议程而非附属工程。

证据边界：结论主要来自材料科学和生物/化学领域综述，未证明对所有自然科学成立；“充分性”目前没有可操作定量阈值，且 A-Lab 新颖性本身存在争议。

Mengaldo 提出 XAI for Science 框架，要求领域专家把机器视角与自身知识比较，在分歧处生成可检验解释；Perrakis/Sixma 通过 AlphaFold 的 CENP-E、Mad2 等具体误判说明高置信度不等于生物学真实；AI+MPS 把可解释性和科学反哺 AI 并列为制度方向。三者对可解释性作用的强调一致，但对人类介入的必要程度不同：Mengaldo 保留人类复杂推理优先，结构生物学案例把实验作为最终仲裁，AI+MPS 更关注方法可审计性。

证据边界：ARU 标准尚未在大规模实践中检验；AlphaFold 案例来自 2021 年版本，部分限制可能随版本改善；不适用于无法提供稳定可解释视角的纯黑箱模型。

Agentic Science 综述以 The Virtual Lab、OriGene 等案例说明特定任务上已能闭环；MCI 在 10 个符号回归基准上降低误差并改善外推；BLAZE 展示了从假设到论文的证据链管理；进化智能框架强调保留失败候选。共同趋势是把科学工作流作为系统对象，但差异明显：MCI 只在数字基准上验证，BLAZE 明确止于 D0 数字阶段，Agentic 综述承认缺少失败率和复现统计，EI 路线图未给出运行系统。

证据边界：案例多为作者自选或系统自报，缺少跨系统的统一失败率和成本统计；闭环证据集中在数字策略或特定生物/化学任务，尚未推广到大规模物理实验。

这是单一 PINN 综述的整理：作者将架构、自适应采样、损失设计与特征嵌入组件化，并列出 DeepXDE 等五个框架；应用覆盖流体、固体、电磁和光学。它没有做过跨方法定量比较，也没有证明 PINN 可替代传统求解器。

证据边界：性能数字多转引自原始文献，未统一复现；正面案例有选择偏差；高维非线性问题和缺少误差保证限制其部署可靠性。

该综述把科学语言统一为序列建模框架，指出 ProGen 等模型规模远小于通用 LLM，且生成任务的 validity/diversity 等指标只是湿实验的间接信号。这解释了为什么 Sci-LLM 的论文演示多、可验证工具少。

证据边界：仅覆盖生物/化学 Transformer 序列模型，排除图神经网络、扩散模型和数学语言；内容截止 2024 年中，模型更新可能改变部分结论。

Perrakis 和 Sixma 用共进化与注意力机制解释 AlphaFold 的成功，同时用配体缺失、多聚体界面和构象状态问题展示其边界；血红蛋白案例说明模型学到的是统计接触而非能量最小化。该单一来源的证据直接支持“高置信度不等于正确”。

证据边界：案例来自 2021 年版本，未经系统抽样，无法量化错误率；后续版本可能改善多聚体和配体处理，但“缺少能量与动态状态、需要实验仲裁”的逻辑边界可能仍然存在。

该基准用可参数化的生成过程合成 200 个 SCM，观察到潜变量使 F1 和 SHD 方向不一致，非线性对线性方法打击最大，瞬时效应导致 Granger 漏报滞后 0 边、PCMCI 产生伴随假阳性。这提醒使用者不能默认某方法在所有时间序列上稳健。

证据边界：实验仅覆盖 1000 样本、加性同方差噪声和静态因果图；非线性仅限单调和周期函数；PCMCI 固定 Pearson 检验，无法区分方法缺陷与检验选择。