可视化材料科学假设生成中的图形到答案机制恢复

人工智能联合科学家可以生成流畅的材料科学假设，但流畅并不表明答案保留了具有科学意义的机制。我们提出了 Graph-PRefLexOR-8B 的图到答案机制追踪案例研究，这是一个 Qwen3-8B 模型，适用于揭示头脑风暴、图构建、模式提取和合成的不同阶段。我们将语义回溯、图损坏、基于激活的恢复测量和逐层标记区域网格组织到可视化诊断工作流程中，以检查该路径。在 100 个开放式材料科学问题中，最终答案仍然最接近模型自身的结构化阶段，尤其是合成阶段。在图损坏情况下，对 37 个残余流检查点、嵌入输出和 36 个 Transformer 块进行全面扫描，显示第 7--10 层的早期过渡区域几乎没有机制恢复，恢复集中在第 30 层和第 36 层周围的后期合成和答案开始区域。该工作流程旨在帮助科学家和模型开发人员在生成的假设传递到下游实验计划之前确定在哪里丢失或重新获得机制支持。