重新思考代理时代的科学发现

人工智能具有先进的科学发现，但大多数 AI4Science 系统仍然是支离破碎的工具，依赖人类来协调问题表述、文献依据、模型使用、模拟、验证和知识重用。本文提出了 \textbf{SCION（具有代理组织关系的科学协作创新）}，这是一个充当\textbf{组织关系}的代理科学操作系统。通过充当 \textbf{Meta-Harness} 的科学代理，SCION 连接科学任务、工具、代理、工件和内存，将研究转化为可执行、可审计和可重用的操作流程。其核心是\textbf{研究执行计划（REP）}，它将高级科学意图编译为分阶段目标、依赖性、验证检查点、工具要求、预期工件和后备条件。 SCION 进一步集成了分层多智能体执行、配置文件驱动的专业化、选择性上下文构建、治理委托和分层认知记忆，以支持长期科学工作。我们将 SCION 下的发现表述为 \textbf{目标条件逆搜索}，并通过有限实验预算下的批量主动搜索将其扩展到隐藏目标设置。在材料分析、分子设计、蛋白质或抗体筛选方面的应用，以及科学阅读、想法生成、分子生成和抗体筛选方面的实验表明，SCION 优于现有的自主研究代理基线，特别是在分解、验证、细化和内存重用方面。总体而言，SCION 将人工智能从孤立的工具转向协调的操作层，以实现可追溯和可重复使用的科学创新。