Agent4S｜实验科学重构
梳理实验科学从观察演示到AI闭环实验的五阶段演进，说明数据、模型、仪器与研究者如何协同，以及可靠性与误差控制的要求。
> 作者：倪浩鑫 · [阅读微信原文 ↗](https://mp.weixin.qq.com/s?__biz=MzkyNjY0NjI3NA==&mid=2247485930&idx=1&sn=03b503b1ff7bf3445e15af6d82975b8f&chksm=c2356087f542e99147fce693e65f8d8c3f0fa74057f543ec07f81114a1796bada8df9cca60fe#rd)
# Agent4S｜实验科学重构：从人为决策逐渐走向智能闭环
内容摘要
1、实验科学的角色正在从假设验证扩展为发现现象、生成数据、修正模型和推动理论更新的系统过程。
2、实验科学经历了观察演示、仪器实验室、计算仿真、高通量自动化和 AI 闭环实验等阶段，这些范式不是简单替代关系，而是在不同场景中并存。
3、AI4S 使实验从以人为核心的阶段式流程，逐渐走向由数据、模型、算法、仪器、机器人和研究者共同构成的动态闭环。
全文约 4743 字，阅读时间约 9 分钟。
01
## 实验科学的本质
当我们谈到“实验”概念时，你会联想到什么？也许是早期古埃及等古代文明中已经存在天文学、冶金、测量等依托经验性的实验过程，是公元前三世纪阿基米德曾通过比较金冠与同重纯金材料在水中的体积或浮力差异判断金冠是否掺银。也许是步入现代科学中之希格斯玻色子相符的新粒子的发现[1]，或是生物领域中CRISPR/Cas9为代表的基因编辑技术[16]。当然，也有人会想到历史上那些孕育了大量科学发现的实验场所，例如，作为前望远镜时代最重要的天文观测机构之一——16世纪建立的乌拉尼亚堡天文台；又如，1876年前后爱迪生在门洛帕克建立的实验室；亦或是我们的中国科学院高能物理研究所，它自1970年代建立以来，围绕高能物理、粒子物理、加速器和大型科学装置发展出一套现代实验科学体系。
正文图1
图 1（a）古埃及冶金场景摹本，约公元前15世纪[P1] （b）唐代敦煌星图，约7—8世纪[P2]
围绕“实验”有太多的话题可以去探讨，那到底什么是“实验”呢？在Wikipedia里实验被定义为：是在设定的条件下，用来检验某种假设，或者验证或质疑某种已经存在的理论而进行的操作。现代汉语词典中将实验定义为：设计来检验一个理论或证实一种假设而进行的一系列操作或活动。但实验的作用远比“验证已有理论”这一大众想象复杂得多。Ian Hacking等提出，实验有时并不只是理论的附属物，而是具有相对独立的生命：实验可以检验理论，也可以发现此前未被理论预见的现象，甚至推动新理论的诞生[2]。例如，格里马尔迪在17世纪关于光衍射的观察和实验，早于后来杨氏、菲涅耳等人对波动光学的系统理论解释；牛顿在17世纪60年代和70年代的棱镜实验，通过光的色散研究推动了颜色理论和光学实验传统的发展；J.J.汤姆孙在1897年前后的阴极射线实验为电子的发现提供了关键依据，这些都说明了实验有时先于理论而引导新理论的形成，有时承担检验、发现、测量和提供证据的多重角色。
以往，很少把“实验科学”这一宽泛概念单独展开讨论，主要有以下几方面原因：
第一，各学科之间差异巨大。现代科学高度专业化，每个领域都有自身独特的实验对象、仪器系统、测量方式和评价标准。受现实基础、经费条件和技术平台影响，不同学科的实验范式演化速度也并不相同。科学计量学的重要先驱普赖斯在《小科学，大科学》中分析了科学规模扩张、科研组织变化和“大科学”兴起等问题[3]。在“大科学”领域里，实验逐渐从个人或小团队即可完成的研究活动，转变为依赖大型仪器、工程系统、集体协作和长期资金投入的基础设施项目。
第二，实验科学本身带有强烈的方法论属性。如果试图用一套完全统一的规则概括所有实验活动，很容易变得空泛。物理学实验、化学实验、生物实验、材料实验和计算实验等，其控制变量、误差分析、重复性标准和伦理边界均不同。因此，讨论实验科学时既要寻找共性，也必须保留各学科的具体性。
第三，今天理论科学、实验科学、和数据科学之间的边界已经不像早期那样可以简单区分。现代科学的发展使实验、理论和计算彼此嵌套：理论指导实验设计，实验反过来修正理论，计算模拟成为理论与实验之间的重要中介，而数据驱动方法又进一步改变了实验问题的提出方式。
正因为如此，随着AI时代的到来，重新讨论“实验科学”这一概念变得格外有意义。
今天，一些集中在材料、化学、生命科学等场景中已经存在的闭环的自驱动实验室即Self-Driving Laboratories开始展露出AI时代下新兴实验范式的雏形，SDL开始把自动化硬件、机器学习模型、主动学习策略、机器人执行系统整合起来，使实验不再只是某一学科内部的孤立操作，而逐渐成为一种可迁移、可复用、可组合的智能化研究流程[4]。
举一个例子，在物理和化学中存在输运现象，在输运理论中，许多过程可以通过建立流与梯度之间的关系，描述非平衡态下物理量的传输过程。例如，傅里叶定律把热通量与温度梯度联系起来，菲克定律把扩散通量与浓度梯度联系起来，欧姆定律把电流与电势差或电场联系起来。昂萨格倒易关系理论进一步说明，在一定条件下，不同热力学力与通量之间可以存在互易关系[5]。不同学科中确实存在若干相似的数学结构和建模方式，这些结构可以为AI4S时代的跨学科建模、实验迁移和主动学习提供启发。
02
## 实验科学五阶段的演进与并存
正文图2
图 2 实验科学五阶段示意图
在现代实验科学制度化之前，人类对自然的探究更多混合日常经验之中。古代和中世纪的知识传统中存在大量观察、测量、试错和技术改进活动，但它们通常尚未形成现代意义上具有明确假设受控的可重复验证标准的实验科学。
现代实验科学的兴起通常与17世纪欧洲自然哲学的转型密切相关。培根在1620年出版的《新工具》中系统批判旧有经院哲学方法，强调经验、观察和归纳在知识形成中的作用[6]。这一时期，“Experimentum”逐渐从经验、尝试或试验的含义，转向一种更具方法论自觉的研究活动：研究者不只是被动观察自然，而是通过仪器、装置和人为干预主动制造条件，以探索隐藏的自然原因。
其中最常被讨论的例子之一是伽利略的斜面实验。《两门新科学》中描述了伽利略通过让青铜球沿带有沟槽的斜面滚下，在已知距离上使用水钟等工具进行计时 [7]。通过这类实验和数学分析，伽利略支持了这样一种新的运动观：在理想化条件下，匀加速运动中物体经过的距离与时间的平方成正比。这一结论削弱了亚里士多德传统中“重物因其重量而更快下落”的朴素图景，为近代运动学奠定了基础。
正文图3
图 3波意耳手稿关于“泵和玻璃容器演示小动物在真空中会死亡 ” [P3]
另一个重要案例是玻意耳与胡克的空气泵实验。1660年前后，玻意耳在胡克协助下改进并使用空气泵，对稀薄空气中的燃烧、声音传播和生物行为等现象进行了系统研究[8]。这些实验证明人造装置可以制造高度稀薄空气状态，并为真空和空气压力问题提供了可公开见证、可重复讨论的实验证据。我们将实验科学的早期阶段概括为“观察—演示型实验”。这一阶段的实验常依赖肉眼观察、早期仪器、公开演示见证。它的优点是把自然哲学从单纯思辨推进到可操作、可见证的经验活动；缺点则是测量精度有限，仪器标准化程度较低，定量数据的可靠性和可重复性还不充分。
随着工业革命、精密机械、标准化仪器和大学实验室制度的发展，实验科学逐渐进入可控条件下的第二个阶段：仪器实验室阶段。法拉第在1831年前后通过线圈、磁铁、电路和检流器等装置，观察到变化的磁场能够诱发电流，这一系列实验为后来的电磁理论提供了关键实验基础[9]。其通过大量重复实验和细致记录，逐步建立起电磁感应现象的实验基础，这些工作后来被麦克斯韦在更抽象的数学框架中整合，成为经典电磁理论的重要组成部分。
同一时期，实验室开始从个人作坊走向制度化机构。1874年，剑桥大学卡文迪什实验室正式开放，麦克斯韦参与其设计和建设工作。它后来成为现代物理学实验研究的重要中心之一[10]。这类机构化实验室配备越来越精密的仪器、标准化测量流程和专业训练体系，使实验逐渐成为一门可重复、可量化、可传承的专业实践。
正文图4
图 4卡文迪许实验室外部及内部照片[P4] [P5]
这一阶段最显著的特征是实验室制度化和测量精密化。实验不再主要依赖个别天才的构思或偶然演示推进，而是偏向依赖仪器、标准、误差分析、记录规范的复核机制。现代实验室由此逐渐成为科学研究的基础设施。
二战前后，随着电子计算机的发展，实验科学迎来第三次重大转型：计算与仿真逐渐成为理论和物理实验之间的中介方法，在这一阶段计算机成为实验、理论和模型之间的新媒介。计算机使研究者可以处理那些难以直接操控、成本极高、风险巨大或尺度过于复杂的系统。实验不再完全局限于真实物理世界，也可以通过数值模型和计算仿真探索可能性。
20世纪40年代，斯坦尼斯瓦夫·乌拉姆、冯·诺依曼等研究者在核物理和中子输运等问题中发展出蒙特卡罗方法。该方法通过随机采样和大量重复计算估计复杂系统的统计行为，名称来源于蒙特卡罗赌场的随机性隐喻[11]。1948年前后，相关方法在ENIAC等早期计算机上运行，成为计算机化科学模拟的重要早期案例。此后，蒙特卡罗方法被广泛用于核工程、统计、金融、材料和生命科学等领域。不久后，洛伦茨使用早期计算机求解简化的大气对流方程，发现初始条件中的微小差异可能导致长期结果的巨大分歧。他在1963年发表的论文《Deterministic Nonperiodic Flow》通过计算仿真实验而非真实的气象记录展示了非周期、对初始条件敏感的动力学行为，为后来混沌理论的发展奠定了基础[12]。
正文图5
图5（a）基于 MSC Nastran模拟齿轮—轴组件的有限元分析示意[P6]。
（b）基于SAMSON分子设计平台中的分子模拟可视化[P7]。
时间来到20世纪90年代，随着机器臂、机器人、液体处理系统、微孔板、自动检测设备逐渐成熟，实验科学进入高通量的自动化参与阶段。自动化逐渐成为实验组织的核心方式，机器并行执行实验，组合设计扩大搜索空间，统计方法优化候选方案，高通量平台使批量筛选成为常态。
20世纪90年代，大型制药公司和生物技术公司普遍推动自动化高通量筛选平台建设，使药物发现从小规模人工试验转向规模化、并行化和数据化筛选。1991年，Stephen Fodor等人在《Science》发表光定向空间可寻址并行化学合成方法，可在芯片表面合成和筛选肽阵列。这一工作是高密度阵列、组合化学和自动化筛选发展中的重要里程碑[13]。在材料科学中，1995年Xiang等人在《Science》发表“A Combinatorial Approach to Materials Discovery”，展示了通过并行合成和筛选加速材料发现的思路[14]。这一阶段标志着实验从“小实验室中的单次手工试错”进一步走向“工业化、平台化和数据密集型探索”。
如今，随着AI时代的到来，实验科学正在进入智能化和闭环化的新阶段——人工智能主导实验。在某些领域中，实验流程已经可以部分依托AI完成闭环循环：人工智能模型根据已有数据提出候选方案，自动化平台执行实验，表征设备获取结果，算法分析数据实验结果并抉择选择下一轮最优实验[15]。并不是说人类被完全替代，而是AI作为主角参与到决策中，人扮演的角色定位发生转变。
一个典型案例是加州大学伯克利分校等机构发展的A-Lab。A-Lab在17天闭环运行中完成353次实验，并成功实现36个目标无机晶体材料的合成[15]。A-Lab展示了AI规划、机器人合成、X射线衍射表征和主动学习策略在无机材料发现中的闭环集成。
正文图6
图 6 A-Lab中用于样品制备、坩埚转运和产物表征的机器人装置[P8]。
此外自多伦多大学Alán Aspuru-Guzik团队及其相关自驱动实验室平台。这类平台尝试将机器学习、机器人、自动化合成、主动学习和材料/分子设计结合起来，用于有机分子、功能材料和化学反应空间的探索[4]。作为AI实验室的表达载体，尽管当前SDL在实际应用中仍存在学科适用范围有限、AI自主性不足、硬件接口不协调等一系列困难问题，但它已经成为讨论AI4S时代实验科学转型时不可忽视的组成部分。
03
## AI4S下实验科学流程演化
正文图7
图 7 AI4S实验范式演化示意图
纵观历史我们不难发现，传统实验范式向AI4S实验范式的演化，本质上是实验从“阶段式”逐渐走向“动态闭环”的过程。传统实验通常由研究者提出问题或假设，再设计实验方案，执行实验，获取数据，分析结果，并据此修正理论或提出新的问题。这个过程在机制较清晰、变量较少、实验周期较短的问题中非常有效。但面对复杂系统、高维参数空间、多尺度耦合和较高成本限制时，传统方式往往受限于实验周期、人力成本、仪器吞吐量和研究者经验。传统实验通常以人类研究者为核心，由人类提出问题、制定方案、判断结果和决定下一步行动；实验流程虽然可以反复迭代，但这种迭代主要依赖人的经验、直觉和手工分析。
随着计算机仿真、自动化设备和高通量实验的发展，实验开始从单次手工试错转向批量探索。计算模拟可以预筛选方案，自动化设备可以稳定执行重复操作，高通量实验可以扩大搜索范围，统计方法可以帮助研究者从大量结果中识别趋势。但在这一阶段，机器主要承担执行、测量、记录和辅助分析任务，实验方向和关键判断仍主要依赖人类研究者，机器仅作为辅助工具。
自动化阶段实现了实验执行的规模化，AI4S阶段则进一步实现了实验设计与决策的智能化。人工智能开始参与实验设计、数据分析、模型更新和下一轮实验选择，使实验方案不再是一次性固定的流程，而是能够随着数据反馈不断调整的动态系统。由此，实验不再仅仅是理论之后的被动验证环节，而逐渐成为一个持续产生数据、修正模型、优化决策并推动科学认识更新的闭环过程。
因此，AI4S实验范式的核心不是简单地“把AI加入实验室”，而是把实验理解为一个由数据、模型、算法、仪器、机器人和人类研究者共同组成的动态系统。在这个系统中，人工智能可以帮助研究者在高维空间中选择更有价值的实验点，自动化平台可以提高执行效率和重复性，实时表征设备可以快速反馈结果，主动学习和贝叶斯优化等方法可以减少无效试错。总体而言，实验科学由此从“人类主导的假设—验证流程”，逐渐扩展为“人机协同的数据—模型—实验闭环”。
这一转变与传统实验科学的基本要求并不冲突。相反，AI4S使实验科学对可靠性、误差控制、数据标准和机理解释提出了更高要求。没有高质量数据、清晰实验记录和可复核的物理化学机制，AI驱动的实验闭环很容易变成高速但不可靠的试错机器。因此，AI4S时代的实验科学并不是对传统实验科学的替代，而是在传统实验方法、自动化系统、计算仿真和数据科学基础上的进一步扩展。
## 参考文献
1. CERN. CERN experiments observe particle consistent with long-sought Higgs boson[EB/OL]. (2012-07-04)[2026-06-13]. https://home.cern/cern-experiments-observe-particle-consistent-with-long-sought-higgs-boson/
2. HACKING I. Representing and Intervening: Introductory Topics in the Philosophy of Natural Science[M]. Cambridge: Cambridge University Press, 1983.
3. PRICE D J DE SOLLA. Little Science, Big Science[M]. New York: Columbia University Press, 1963.
4. HÄSE F, ROCH L M, ASPURU-GUZIK A. Next-generation experimentation with self-driving laboratories[J]. Trends in Chemistry, 2019, 1(3): 282-291. DOI: 10.1016/j.trechm.2019.02.007.
5. ONSAGER L. Reciprocal relations in irreversible processes. I[J]. Physical Review, 1931, 37(4): 405-426. DOI: 10.1103/PhysRev.37.405.
6. BACON F. The New Organon[M]. JARDINE L, SILVERTHORNE M, trans. Cambridge: Cambridge University Press, 2000.
7. GALILEI G. Dialogues Concerning Two New Sciences[M]. CREW H, DE SALVIO A, trans. New York: Macmillan, 1914.
8. SHAPIN S, SCHAFFER S. Leviathan and the Air-Pump: Hobbes, Boyle, and the Experimental Life[M]. Princeton: Princeton University Press, 1985.
9. FARADAY M. Experimental researches in electricity. First series[J]. Philosophical Transactions of the Royal Society of London, 1832, 122: 125-162. DOI: 10.1098/rstl.1832.0006.
10. UNIVERSITY OF CAMBRIDGE, DEPARTMENT OF PHYSICS. Our history[EB/OL]. [2026-06-13]. https://www.phy.cam.ac.uk/about/our-history/
11. METROPOLIS N, ULAM S. The Monte Carlo method[J]. Journal of the American Statistical Association, 1949, 44(247): 335-341. DOI: 10.1080/01621459.1949.10483310.
12. LORENZ E N. Deterministic nonperiodic flow[J]. Journal of the Atmospheric Sciences, 1963, 20(2): 130-141. DOI: 10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2.
13. FODOR S P A, READ J L, PIRRUNG M C, et al. Light-directed, spatially addressable parallel chemical synthesis[J]. Science, 1991, 251(4995): 767-773. DOI: 10.1126/science.1990438.
14. XIANG X D, SUN X D, BRICEÑO G, et al. A combinatorial approach to materials discovery[J]. Science, 1995, 268(5218): 1738-1740. DOI: 10.1126/science.268.5218.1738.
15. SZYMANSKI N J, RENDY B, FEI Y, et al. An autonomous laboratory for the accelerated synthesis of inorganic materials[J]. Nature, 2023, 624: 86-91. DOI: 10.1038/s41586-023-06734-w. Author Correction: Nature, 2026, 650: E1. DOI: 10.1038/s41586-025-09992-y.
16. THE NOBEL PRIZE. The Nobel Prize in Chemistry 2020: press release[EB/OL]. (2020-10-07)[2026-06-13]. https://www.nobelprize.org/prizes/chemistry/2020/press-release/
### 图片来源
[P1] DAVIES N M. Metal Working, Tomb of Rekhmire MET 31.6.22 EGDP017258.jpg[EB/OL]. Wikimedia Commons, [2026-06-13]. https://commons.wikimedia.org/wiki/File:Metal\_Working,\_Tomb\_of\_Rekhmire\_MET\_31.6.22\_EGDP017258.jpg. License: CC0.
[P2] UNKNOWN. Dunhuang star map.jpg[EB/OL]. Wikimedia Commons, [2026-06-13]. https://commons.wikimedia.org/wiki/File:Dunhuang\_star\_map.jpg. License: Public Domain / PD-scan.
[P3] BOYLE R. Boyle air pump.jpg[EB/OL]. Wikimedia Commons, 1661[2026-06-13]. https://commons.wikimedia.org/wiki/File:Boyle\_air\_pump.jpg. License: Public Domain in the United States.
[P4] UNKNOWN. PSM V78 D528 Cavendish laboratory entrance.png[EB/OL]. Wikimedia Commons, 1911[2026-06-13]. https://commons.wikimedia.org/wiki/File:PSM\_V78\_D528\_Cavendish\_laboratory\_entrance.png. Source: Popular Science Monthly, Vol. 78. License: Public Domain in the United States.
[P5] SCIENCE MUSEUM LONDON, SCIENCE AND SOCIETY PICTURE LIBRARY. Sir Ernest Rutherfords laboratory, early 20th century. (9660575343).jpg[EB/OL]. Wikimedia Commons, 1926[2026-06-13]. https://commons.wikimedia.org/wiki/File:Sir\_Ernest\_Rutherfords\_laboratory,\_early\_20th\_century.\_(9660575343).jpg. License: CC BY-SA 2.0.
[P6] CAESARWIRATAMA. Gears and shaft FEA MSC Nastran.png[EB/OL]. Wikimedia Commons, 2023-04-07[2026-06-13]. https://commons.wikimedia.org/wiki/File:Gears\_and\_shaft\_FEA\_MSC\_Nastran.png. License: CC BY-SA 4.0.
[P7] REDON S. SAMSON 2020 R3.png[EB/OL]. Wikimedia Commons, 2020-11-01[2026-06-13]. https://commons.wikimedia.org/wiki/File:SAMSON\_2020\_R3.png. License: CC BY-SA 4.0.
[P8] SZYMANSKI N J, RENDY B, FEI Y, et al. Robotic installations for sample transfer in the A-Lab (inorganic chemistry autonomous laboratory).webp[EB/OL]. Wikimedia Commons, 2023-11-29[2026-06-13]. https://commons.wikimedia.org/wiki/File:Robotic\_installations\_for\_sample\_transfer\_in\_the\_A-Lab\_(inorganic\_chemistry\_autonomous\_laboratory).webp. License: CC BY 4.0
---