用大语言模型驱动的智能体系统为生物系统自动发现常微分方程

自动科学发现长期是计算学者的目标——一台能自主发现自然奥秘的机器：让计算系统超越数据拟合工具，走向生成与精炼宇宙机制模型。符号回归（SR）与基于LLM的智能体的近期进展提示此类系统能从数据恢复方程、纳入领域先验并自动化部分研究工作流。但多数既有方法要么聚焦狭窄的方程发现基准，要么是宽泛的端到端自动化管线，而生物系统相对未被充分探索。我们介绍MEDA系统：一个LLM与SR驱动的智能体框架，用于发现生物与仿生动力系统的常微分方程（ODE）模型。MEDA检索背景知识、定义可采纳变量、生成机制约束、提议候选ODE并拟合评估。我们在规范模型检索、面向未见变体的推理式外推、以及有无实验数据的开放式发现上评估。跨这些设定：MEDA恢复正确的状态变量，在检索与外推任务上取得强结构恢复，并产出生物学上合理的面向发现的模型。消融与鲁棒性分析显示：知识引导的形式化与机制约束是承重组件——仅数值拟合会保留轨迹兼容但生物学错误的方程。