自主智能体通过涌现式工件交换协调分布式科学发现 Autonomous Agents Coordinating Distributed Discovery Through Emergent Artifact Exchange
提出SCIENCECLAW+INFINITE框架，让自主AI智能体通过工件交换实现分布式科学协作与发现
前置知识
有向无环图（DAG）
有向无环图是一种由有向边连接的顶点图结构，其中没有任何环状路径。在本文中，DAG用于表示计算谱系关系：每个节点是一个计算工件，边表示依赖关系。父节点是输入，子节点是输出。这种结构确保了每个结果都能追溯到原始输入，支持完整的数据溯源和可复现性分析。DAG的拓扑排序决定了任务执行顺序，而通过遍历DAG可以重建完整的计算历史。
理解DAG是理解本文工件层和溯源机制的核心。论文中的所有计算结果都作为DAG节点存储，使得科学发现的每一步都可追溯、可验证。
蛋白质语言模型（ESM）
蛋白质语言模型是专门在蛋白质序列上训练的大型语言模型，通过自监督学习捕捉氨基酸序列的统计规律和进化约束。ESM（Evolutionary Scale Modeling）是Meta开发的系列模型，能够计算任意蛋白质序列的伪对数似然（PLL）分数，该分数反映了序列在自然进化中的出现概率。在变异分析中，将突变前后的PLL分数差可以评估突变的适应性影响。
论文案例1中使用了ESM-2模型来评估SSTR2肽配体的突变适应性，这是蛋白质设计中的关键评估工具。
有限元分析（FEM）
有限元分析是一种数值计算方法，用于求解偏微分方程描述的物理场问题。它将连续结构离散化为有限数量的小单元（网格），通过组装刚度矩阵和质量矩阵来模拟结构的振动、变形等行为。在模态分析中，求解特征值问题可以得到结构的固有频率和振型。JAX-FEM是基于JAX自动微分框架的现代FEM实现，支持GPU加速和端到端可微分计算。
论文案例3中使用3D FEM验证了跨域共振设计候选材料的物理可实现性，确认了设计目标频率范围内的模态密度。
压力评分机制
压力评分是一种多因素加权算法，用于优先级排序未满足的信息需求。在本文中，压力分数定义为：$\text{score} = 2.0 \cdot \text{novelty} + 1.0 \cdot \text{centrality} + 0.5 \cdot \text{depth} + 0.2 \cdot \text{age}$。其中，novelty衡量需求的未满足程度（被满足次数越少分数越高），centrality衡量需求的集中程度（多个智能体需要相同数据则分数更高），depth是计算谱系深度，age是时间老化项防止饥饿。
这是ArtifactReactor实现无规划器协调的核心机制，通过自动优先级排序实现智能体之间的自发协作。
L系统文法
L系统（Lindenmayer System）是一种并行重写规则系统，最初用于模拟植物生长过程。它包含一个公理（初始字符串）和一组重写规则，每步规则同时应用于所有符号。六规则L系统文法可生成复杂的分叉结构。在论文案例4中，智能体合成了一个跨域文法，符号通过符号表获得跨域解释：S代表定居点/晶核，G代表扩张/晶界迁移，B代表街区/相界等，使同一文法同时适用于城市形态和晶粒生长建模。
这是论文中最深的形式化类比成果，将两个看似不相关的领域压缩到可执行的符号生成规则中。
研究动机
当前AI在科学研究中的应用主要局限于被动助手模式。大型语言模型（LLM）虽然能总结文献、生成假设、帮助编写代码，但它们本质上是在响应用户的提示，而不是自主发起和进行研究。科学发现是一个涉及迭代探索、工具使用、假设检验和多源证据比较的复杂过程，现有系统无法参与这种分布式推理过程。更重要的是，现有的自主发现框架通常专注于单一研究流程的自动化，或者仍然以人为中心的协作为导向，缺乏能够支持多个自主智能体独立探索、发布工件、相互交互并参与分布式发现过程的持久生态系统。
本文的目标是本文的目标是构建一个能够支持分布式调查和自主智能体之间涌现式协作的框架。具体来说，要建立一个系统，让多个自主智能体能够独立探索科学问题、链式调用科学工具、发布可追溯的计算工件、相互交互发现，并在一个分布式科学发现过程中做出贡献。框架需要支持异构工具链式调用、跨域合成，并产生足够清晰可读的输出以便后续扩展。
与已有工作不同的是，本文的独特切入点在于完全去中心化的协调机制。与使用中央规划器分配任务的系统不同，本文通过「需求广播」和「模式重叠匹配」实现自发协调。智能体不需要知道其他智能体在做什么，也不需要中央调度器，只需将自己未满足的需求广播到全局索引，当其技能匹配高压力需求时，就自动执行相应的技能。当两个或多个兼容工件可用时，会触发多父节点合成操作，产生一个记录所有贡献智能体的合成工件。这种无规划器的设计使得整个系统能够从个体智能体的局部行为中涌现出全局协调行为。
核心方法
SCIENCECLAW+INFINITE框架由三个核心组件构成：（1）可扩展的技能注册表：包含300多个可互操作的科学技能，涵盖生物学、化学、材料科学、基因组学、音乐分析等多个领域；（2）工件层：将完整计算谱系保存为有向无环图（DAG），每个工件包含UUID地址、受控词汇类型、SHA-256内容哈希和父工件ID列表；（3）结构化平台INFINITE：支持基于智能体的科学话语，带有可溯源的治理机制。整个生态系统形成一个六节点循环：智能体调用技能→计算产生结果→结果包装为工件并广播需求→绘图代理渲染图表→INFINITE发布结构化帖子→社区反馈（投票、行动、重定向）→信号循环回压力评分器影响下一周期。心跳守护进程每六小时自动执行一次完整循环，人类可以通过类型化干预动作（重定向、聊天）引导正在进行的调查而不中断自主循环。
核心创新点是ArtifactReactor实现的无规划器协调机制。它通过两个互补信号实现去中心化异步多智能体协作：显式的需求广播（智能体通过全局索引广播未满足的信息缺口）和隐式的模式重叠匹配（反应堆检测同伴工件的载荷键是否与技能接受的参数重叠）。当智能体产生工件时，可选择附加NeedsSignal，声明需要什么数据来推进调查。同伴智能体扫描全局索引，识别与其能力匹配的需求，并通过运行适当技能来满足它们。需求的满足通过压力评分优先级排序：$\text{score} = 2.0 \cdot \text{novelty} + 1.0 \cdot \text{centrality} + 0.5 \cdot \text{depth} + 0.2 \cdot \text{age}$。当多个兼容工件可用时，多父节点合成操作会合并它们的载荷并运行共享技能，产生记录所有贡献智能体的合成工件。这个工件如果没有协调就不可能存在。
方法步骤详情
方法的完整流程包括六个主要步骤。首先，智能体从声明性配置文件实例化，该文件编码名称、研究兴趣、首选工具领域、好奇心和通信风格，生成塑造其推理方式的SOUL.md上下文文件。其次，给定研究主题字符串，智能体分析研究问题，推断哪些技能族相关，并发射一个有序的技能调用序列。选择是智能体级智能的主要站点：调查蛋白质-配体相互作用的智能体可能选择alphafold→diffdock→rdkit→pytdc，而研究基因座位点的智能体可能选择gwas-database→clinvar-database→string-database。第三，技能按顺序执行，每步的JSON输出对后续步骤可用。每次技能调用产生一个不可变工件记录，包含artifact_id、artifact_type、content_hash、parent_artifact_ids、result_quality和needs列表。第四，在执行后，合成步骤读取所有技能输出，生成具有机制特异性的可测试假设，识别跨数据库收敛，并起草适合发布的发现叙述。第五，ArtifactReactor扫描全局索引以获取开放需求，通过压力评分排名它们，并在技能匹配高压力需求时执行该技能。当≥2个兼容同伴工件存在于同一技能时，反应堆将它们合并为单个多父节点合成工件。第六，通过INFINITE将发现发布为结构化帖子，其中工件形成证据表面。社区互动（投票、行动、重定向）产生反馈到ArtifactReactor压力评分器的新需求信号，闭合循环。
技术新颖性
技术新颖性体现在多个层面：（1）去中心化协调：完全消除中央规划器，通过需求广播和模式匹配实现自发协调，这与现有的任务分配系统形成鲜明对比；（2）工件溯源：DAG结构确保任何已发布帖子中的数字都可以追溯到产生它们原始工具调用的中间计算链；（3）领域门控：SKILL_DOMAIN_MAP将200多个技能名称映射到其工件类型输出，确保跨智能体数据流限制在每个智能体有资格的技能领域内；（4）自适应变异层：ArtifactMutator监控DAG的结构条件，自动应用原子拓扑操作（停滞触发分叉、冗余触发合并、冲突触发嫁接），使智能体群能够自调节探索策略而无需人工干预；（5）跨域知识转移：在共振研究案例中，智能体将生物学、工程材料、音乐映射到共享的六维特征空间，识别设计空间空白，并生成通过物理验证的制造就绪候选；（6）形式化类比合成：在城市-晶粒生长类比中，智能体生成六规则L系统文法，将两个断连的领域压缩到可执行的符号生成规则中，将直观比较转化为显式、可测试的表示。
实验结果
论文通过四个自主调查案例展示了框架的能力。案例1（SSTR2肽设计）：约10个智能体参与，使用23个工具，生成177个工件，其中57个是合成工件。智能体通过结构分析识别出肽位置2-4（K-T-C三联体）形成主要相互作用热点，与受体结合袋中的Tyr50、Phe294、Asp295和Asp122形成密集相互作用簇。进化分析表明，C末端CWKTCT样区域包含最强烈约束的位置，而N末端区域显示更大的序列变异。ESM-2蛋白质语言模型计算的平均PLL分数为-3.186，系统性突变扫描确定了几个预测可改善序列适应性的替换，包括位置1的丙氨酸（A）被甲硫氨酸（M）替换和位置8的色氨酸（W）被亮氨酸（L）替换。优化的候选肽MGLKNFFLKTFTSC显示改善的预测序列适应性，但分子量约1639 Da，远大于已批准的SSTR2靶向治疗药物如奥曲肽（~1019 Da）和兰瑞肽（~1096 Da）。案例2（轻质耐冲击陶瓷）：8个智能体参与，使用10个工具，生成73个工件，其中22个是合成工件。筛选检查了212个轻元素陶瓷相，其中14个相满足两个约束条件（$\rho < 5 \text{ g/cm}^3$ 和 $K > 200 \text{ GPa}$），7个在凸包上热力学稳定。最佳候选是碳化硼（B4C，密度2.54 g/cm³，体模量238 GPa）和氧化亚硼（B6O，密度2.62 g/cm³，体模量229 GPa），两者在刚度-密度景观中都是明显的异常值。还确定了两个较少探索的富硼相Mg₂B₂₄C和MgB₉N，贝叶斯合成规划分配的成功概率分别为0.38和0.31。案例3（跨域共振）：13个智能体参与，使用12个工具，生成159个工件，其中19个是合成工件。PCA分析39个结构（10个生物、14个工程材料、7个乐器、8个巴赫合唱曲）的六维特征空间，PC1占61.2%方差表示膜特征，PC2占27.4%方差捕获结构周期性。核密度估计识别出PCA嵌入中的明显低密度区域，中心坐标为(−0.521, +0.425)，半径0.438归一化单位，该间隙距离生物结构（d=0.063）比距离材料结构（d=0.784）约近12倍。设计候选分级肋状膜晶格的最佳变体v1_cricket_fine在2-8 kHz目标频带内产生九个弹性模式，模态密度1.5模式/kHz，基频2.116 kHz。案例4（城市-晶粒生长形式化类比）：9个智能体参与，使用23个工具，生成52个工件，其中25个是合成工件。PRISMA式综述恢复了18篇论文，分为两个非引用社区。智能体提取了66概念本体论，有9个跨域边和28个域内边。映射的核心在归一化60点数据集上进行幂律拟合，给出$\alpha = 1.25 \pm 0.08$，$R^2 = 0.71$，而OLS给出$\beta = 0.83$，$p = 0.002$，$R^2 = 0.68$。简化的城市和晶粒概念网络表现出相同的度序列[3, 3, 3, 2, 2, 1, 1]，几乎相同的传递性值和相同的Weisfeiler-Lehman哈希。最重要的形式化制品是六规则L系统文法，从公理S开始，在步骤1从3个终端段增长到步骤5的805个，大约每两个推导步骤增长9.5倍。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| SSTR2肽配体设计 | 智能体参与数/工具数/工件数 | 10智能体/23工具/177工件（57合成） | 无（首次展示此类框架） | N/A |
| 轻质陶瓷材料筛选 | 满足约束的候选材料数 | 14个相（7个稳定） | 无（自主探索） | N/A |
| 跨域共振设计验证 | 目标频带内模态数 | v1_cricket_fine在2-8 kHz内9个模态 | 无（自主生成设计） | N/A |
| 形式化类比构建 | 跨域本体映射数 | 66概念本体（9跨域边） | 无（首次尝试） | N/A |
| 平均DAG深度（协调复杂度） | 平均父工件链深度 | 2.00-2.25（四个案例） | 无 | N/A |
局限与改进
作者承认的局限性包括：在SSTR2案例中，自主工作流程专注于结构分析、序列评估和文献引导的基准测试，虽然智能体识别了有前景的序列变异和结构约束，但没有包括明确的分子对接和分子动力学模拟来直接估计或验证结合亲和力；在陶瓷材料案例中，报告生成和图表创建由人类完成；在共振案例中，报告生成和图表创建由人类完成，但自主执行包括5个心跳周期的节奏操作、12个工具和13个智能体；在形式化类比案例中，分析后界定了主张的强度，仅在抽象为简化概念图后支持对应关系，不意味着共享控制方程。此外，观察到的局限性包括：论文未提供与人工科学家发现的直接定量比较，难以评估发现的真正新颖性；压力评分权重（2.0、1.0、0.5、0.2）是启发式选择的，缺少系统消融研究；框架依赖LLM的主题分析、技能选择和假设生成，虽然论文提到后端可配置，但没有比较不同LLM性能；四个案例研究的科学深度相对有限，没有展示对复杂多步骤假设-检验循环的长期支持；变异层参数（stagnation_cycles=3、redundancy_threshold=0.7、max_mutations_per_cycle=2）是默认值，未验证其对发现质量的影响。
独立分析的弱点
框架的几个具体弱点值得改进。首先，四个案例研究的科学深度相对有限，SSTR2案例没有包括对接和MD模拟，材料案例没有进行实验验证，这限制了对发现可靠性的评估。改进方向：集成更多专业工具（如AutoDock Vina用于对接、GROMACS用于MD），并在工作流中建立假设的物理验证步骤。其次，压力评分权重是启发式选择的，缺少系统消融研究，不清楚不同权重配置如何影响协调效率和发现质量。改进方向：引入自适应权重学习机制，根据历史调查成功率动态调整权重，或在模拟环境中进行网格搜索。第三，论文没有提供与人工科学发现的直接定量比较，难以评估发现的新颖性和质量。改进方向：引入人工评估协议，或与已发表的综述工作比较发现的重叠度。第四，变异层的默认参数没有验证，不确定它们是否对所有领域都最优。改进方向：为不同领域配置领域特定的变异策略，或使用贝叶斯优化自动调参。第五，框架依赖LLM的推理质量，但论文没有评估不同LLM后端的性能差异。改进方向：系统比较GPT-5.2、Claude Opus 4.6、Kimi-K2.5在科学推理任务上的表现，建立LLM选择指南。
未来方向
作者提出的和可延伸的未来研究方向包括：（1）当前假设生成探索的优化和筛选任务，更开放的形式的结构发现和跨域科学推理需要进一步发展；（2）在SSTR2案例中，模拟基础分析（如对接和MD）可作为未来智能体调查的自然下一步；（3）材料发现的实验验证将直接测试计算管道的保真度，并可能扩展轻质结构陶瓷的设计空间；（4）共振研究的模态-周期性类比表明，一个领域识别的约束可以通知另一个领域的设计选择（如音程模式告知声子晶体周期性），这种跨域知识转移的机制值得更系统的研究；（5）形式化类比研究展示了将直观比较转化为显式、可测试表示的方法，但对应仅在抽象后支持，探索在更细粒度水平共享控制方程的途径是重要方向；（6）框架作为AI从被动计算工具转向活跃参与连续、众包生态系统发现的一个模型，长期贡献在于建立一个活的、持久的研究环境，未来可以探索如何让这个环境随着新技能的添加而自扩展，并随着更多智能体和研究者的参与而获得更广泛的调查途径；（7）当前研究重点放在生成端到端的发现，未来可以探索如何更深入地整合人类反馈循环，使人类科学家能够更细粒度地引导发现过程；（8）框架的当前实现依赖于心跳周期的固定间隔（6小时），未来可以探索基于事件触发的动态调度机制。
复现评估
论文提供了相当详细的实现细节，但复现难度仍较高。论文使用了Anthropic的Claude Opus 4.6/4.5作为主要LLM后端，并提到支持OpenAI的GPT-5.2和Hugging Face的Kimi-K2.5，但未说明具体使用的模型版本号或API调用参数。INFINITE平台实现为Next.js 14应用与PostgreSQL后端和Drizzle ORM，提供了数据库schema的详细描述，但未提供完整的开源代码库或Docker镜像。技能注册表提到200多个工具，但论文只列出了部分技能示例，没有提供完整的技能列表或技能接口规范。工件系统的实现细节包括UUID地址、SHA-256哈希、DAG谱系追踪，但论文未提供工件存储格式或全局索引结构的详细规范。四个案例研究提供了定量指标（智能体数、工具数、工件数、DAG深度）和部分数值结果，但未提供原始数据或中间工件，使得精确复现发现变得困难。论文提到节点权重和变异参数的默认值，但没有提供消融研究结果或参数敏感性分析。总体而言，论文提供了概念验证和框架设计，但完整的开源实现、详细文档和示例数据集将大大提高复现性。复现框架本身可能需要中等计算资源（标准服务器即可），但运行类似规模的案例研究可能需要访问多个科学数据库（如PDB、Materials Project、PubMed、UniProt等）和相当的算力用于3D FEM分析。
论文图表
表格提供了四个案例研究的综合定量评估，包括Agents（参与调查的自主智能体数）、Tools（所有智能体调用的唯一计算工具数）、Artifacts（生成的唯一计算工件总数）、Synthesis（整合、转换多源数据和结果的合成工件数）、Avg DAG（从工件父关系计算的平均依赖链深度）。Protein Design案例：10智能体、23工具、177工件、57合成、平均DAG深度2.15。Materials Discovery案例：8智能体、10工具、73工件、22合成、平均DAG深度2.25。Resonance Landscape案例：13智能体、12工具、159工件、19合成、平均DAG深度2.00。Formal Analogy案例：9智能体、23工具、52工件、25合成、平均DAG深度2.00。
这个表格提供了所有案例研究的定量比较，对于评估框架在不同领域的可扩展性和协调复杂度至关重要。