70强项目观察之前沿探索：AI进入科学发现，答案之外还要验证什么

人工智能正在不断拓展科学研究的边界。 从蛋白质、材料到动力学模拟，人工智能正越来越多地参与科学研究，但高分结果并不等同于科学发现。真正的科学结论，还必须经得起证据、条件与验证过程的检验。 GOAI「前沿探索 AI for Research」赛道设置算法赛题与开放探索赛题两类赛题。20个决赛项目覆盖材料、聚变、镜像多肽、古文字、天线、燃烧稳定、海洋生态、量子光学、虚拟细胞和蛋白—配体动力学等方向。其中，算法赛题主要围绕既定科学问题和评测框架，考察技术性能、科学意义与方法创新性；开放探索赛题则更强调问题定义与环境设计、探索过程与发现信号，以及结果的可检查性与可延续性。 尽管研究对象和探索路径各不相同，这些项目却呈现出一个共同趋势：人工智能并非简单“代替科学家”，而是在更深入地参与科学发现过程——从提出问题、生成候选，到组织证据、验证结果、识别边界，模型能力开始与科研过程形成更紧密的结合。 这也意味着，赛道关注的重点正在从“能否生成一个结果”，进一步走向“这个结果能否被验证、被解释、被复现”。从20个决赛项目的探索中，可以看到几条正在浮现的共同技术趋势。 趋势一：从“预测结果”走向“发现问题” AI过去更擅长回答一个已经定义好的问题。现在，一些项目开始让AI参与问题形成本身。 面向纤维网络超材料的自主AI探索，不只是寻找一个性能最高的结构，而是研究网络节点和连接形态如何影响整体力学响应，并提出“拓扑可能比相对密度更直接影响性能”的待验证机制判断。 AI-Guided Discovery of Combustion-Stability Windows也没有停留在判断某一构型“稳定或不稳定”，而是把稳定域与不稳定域之间的边界作为发现对象，围绕喷注器构型、空间分布和声学模态寻找风险区域。UrbanEvac-AI同样把“什么条件下应急引导有效、失效甚至产生反作用”作为研究问题，把出口排队、设施容量和城市拓扑等现实约束纳入模拟。 SAGE-Mat进一步把“研究空白”变成智能体需要验证的对象。系统从文献中提出候选问题后，还要通过同义词复检、反例检索和实验语义核查重新检查：所谓“新问题”，是否只是已有工作换了一种说法？Gapilot则通过文献演化线索与材料模型双路筛选候选，并要求拓扑性质接受进一步计算验证，而不是把“看起来值得研究”直接等同于发现。 这种对证据的组织也出现在古文字研究中。古文字识别与出土文献研究智能体把竹简的物质证据与文本证据放入同一框架，重点不是给出唯一考释，而是把证据冲突和学术分歧变得可检查、可讨论。 这类项目说明，AI正在从参数优化和结果预测，进入科学研究更上游的环节：哪里存在未知？什么问题值得被进一步实验？一项候选发现需要满足哪些条件？但这也意味着，生成一个新颖想法远远不够。真正的科研问题必须同时具有证据基础、可检验性和清楚的边界。 趋势二：从“追求高分”走向“验证发现” AI越来越擅长优化指标，也意味着它越来越可能“优化错东西”。 三维自由形空间天线项目提供了一个非常典型的案例。项目使用两套原理独立的电磁求解器进行交叉验证，曾找到一个评分比基线高17.6%的候选，但另一套求解器证明它实际上并不谐振。 这里最重要的成果并不是17.6%，而是团队识别出了一次假发现。 另一个项目“谁来给尺子打分”则直接把评价指标本身作为研究对象。面对缺乏真实答案的海洋模拟，项目先寻找代理指标可能被“刷分”的路径，再反向设计更可靠的新指标，同时尽量保留原有排序能力。 QuantumOpt-Explorer则把实验预算、随机种子和停止规则固定下来，让不同搜索策略在等成本环境中接受比较，并如实保存没有达到预设发现门槛的负结果。 GenVR-Fusion面对聚变堆深穿透屏蔽中的稀有事件问题，也没有把生成能力直接当成结果，而是在改变采样策略后通过重要性修正保持原有物理问题和评价口径不变，让“提高采样效率”和“改变科学问题”之间保持清晰边界。 这意味着科学AI正在面对一个比“模型精度”更深的问题：谁来验证评价标准？如果优化器能够利用仿真漏洞，如果代理指标本身可以被钻空子，那么排行榜上的高分可能并不意味着科学进步。 所以，AI for Research下一阶段需要的不只是更强的搜索器，也需要更可靠的“发现判定机制”。 趋势三：负结果开始成为科学AI的重要产出 在Demo逻辑里，失败通常不会出现在展示页面。但真正的科学研究恰恰需要记录失败。 天线项目不仅保存正向搜索结果，也完整记录静态双频探索中的负结果、求解器问题以及问题定义如何因此调整。 QuantumOpt-Explorer同样保留没有达到发现门槛的搜索结果，并没有看到实验结果以后再修改成功标准。 MirrorPeptidizer在尝试直接围绕天然靶蛋白进行镜像多肽设计时，也同时明确提出镜像数据稀缺、模型外推受限和评价基准不足，没有把“候选生成”直接写成实验成功。 退役战略资源回收项目则通过生产者与审查者两个Agent相互独立地提出和检查路线，并明确区分“热力学允许”与“实验已经成功”：通过物理约束，只能说明一条路线值得继续验证，不能直接替代实验结论。 这些项目正在建立一种与传统Demo截然不同的评价逻辑：没有发现，也可能是一种发现。 一个负结果如果明确了某种方法在哪些条件下失效，一个假发现如果暴露了某个仿真器或指标的漏洞，它同样减少了未来研究的不确定性。 科学AI真正需要保存的，也因此不只是成功候选，还包括研究条件、失败路径、验证记录和边界。 只有负结果能够被复查和继承，AI参与的科研过程才有可能形成真正的知识积累，而不是一轮轮重新搜索。 趋势四：从单一精度竞争，走向泛化、对照和机制解释 在算法赛题中，这种变化同样明显。 YeastPerturb面对的是一个更困难的“双实体未知”问题：训练阶段没有见过的菌株与化合物同时出现在预测任务中。项目融合不同模型分别处理批次效应、绝对状态和化合物特异变化，并通过匹配对照、负对照和消融实验检查改进究竟来自哪里。 “虚拟细胞酵母菌——对照锚定低秩蛋白组预测”同样把菌株与化合物同时未见的“双重外推”作为核心问题，关注模型是否真正具备处理陌生实体组合的迁移能力。 “在异质重复中学习”则进一步区分未见化合物、未见菌株等不同外推场景，并针对不同数据条件采用不同路线，而不是用一套模型覆盖所有情况。ContextLadder则把“信息不足怎么办”直接作为方法核心：具体组合上下文不存在时，系统逐层回退到类别信息和全局统计，不在最细粒度证据缺失时继续无依据推断。 在动力学建模中，基于SpatiotemporalPE的分子动力学Transformer尝试用分子状态变化强度重新表达时间，让模型区分快速变化与相对稳定的过程；BindMD则关注蛋白与配体结合的动态轨迹，通过可对照机制判断模型改进究竟来自哪一部分。 QField-Dyn进一步尝试以量子化学计算监督响应场，再由普通网络承担推理，并把未见蛋白—配体复合物上的泛化作为方法设计目标。复杂场景下全球有害藻华预测则把环境作用的时间延迟与海流传播关系纳入模型，从单点状态进一步走向对爆发时间、位置和程度的时空判断。 这些项目说明，科学AI的竞争正在由一个总分扩展成更复杂的问题：为什么有效？在哪些条件下