跳转到正文

ScienceX 科研孪生实验台 ​

ScienceX 的品牌定位是:开源、本地优先的科研孪生实验台。

它围绕一个细分研究对象,把数据版本、实验条件、计算模型、运行证据和研究决策组织成可执行、可重放、可比较的数字实验,让结果能够回到研究状态,并为下一轮提供可验证的候选方向。

核心主张: 在数字空间复现研究,在证据回流中推进下一轮。

什么是科研孪生 ​

ScienceX 所说的“科研孪生”不是实验截图、三维可视化或普通工作流,而是研究对象与数字研究状态之间可检查的对应关系。

一个最小可用科研孪生包括五层:

  1. 对象层:研究对象、科学问题、观测变量与数据结构。
  2. 实验层:变量、对照、实验条件、协议版本与验收标准。
  3. 执行层:模型、算法、工具、参数、运行环境与授权状态。
  4. 证据层:输入、输出、日志、来源、哈希、失败与不确定性。
  5. 决策层:研究者确认的结论边界、未解决问题与下一轮假设。

因此,只有结果但没有条件和版本,不构成科研孪生;只有流程但没有可重放证据,也不构成科研孪生。

产品层次 ​

层次含义
ScienceX承载研究项目和孪生单元的科研孪生实验台
科研孪生一个细分研究对象持续更新的数字研究状态
实验孪生一次锁定版本、可执行、可比较、可重放的实验或计算运行

当前已经验证的能力 ​

当前内置细胞活力教学案例构成一个数字实验孪生单元:

text
版本化实验设计
    ↓
锁定模拟数据版本
    ↓
确定性 4PL 分析
    ↓
技术证据与 Artifact
    ↓
固定原版本 Replay

该案例能够保留正常响应、数据版本更新、缺孔失败和弱响应证据不足等不同运行状态。模拟数据只用于产品教学,不代表真实药效、湿实验验证或科学结论。

证据如何产生下一步 ​

ScienceX 的“启发”不是凭空生成结论,而是从以下差异中形成可验证的候选下一步:

  • 当前结论缺少哪些对照、重复或关键条件;
  • 哪些变量变化最可能影响结果;
  • 数据、设计、参数和输出在不同 Run 之间怎样变化;
  • 外部文献与本地结果在哪些对象、条件或测量方法上存在差异。

候选输出应包含证据依据、当前缺口、建议验证和适用边界。当前阶段,这类候选建议需要调用研究者已经配置并授权的模型或工具,并且必须由研究者审核;它不是自主科学发现,也不会自动启动真实实验。

数字闭环与现实反馈 ​

ScienceX 当前验证的是研究者驱动的数字实验闭环:锁定版本、运行分析、保存技术证据、生成产物并重放比较。

真实实验设备、ELN、LIMS 或观测数据要回流科研孪生,必须另外具备专用连接器、身份与权限控制、协议适配、数据质量检查和设备校准。MCP 提供扩展接口,但不能单独证明真实设备已经接入。

当前产品不宣称:

  • 通用实验设备控制;
  • 无人值守湿实验;
  • 自动训练或更新模型权重;
  • 自动确认科学结论;
  • 跨所有学科通用的现实数字孪生。

人与 ScienceX 的分工 ​

ScienceX 负责组织研究状态、执行获得授权的任务、比较运行结果、保存技术证据,并生成候选解释和下一步。

研究者负责定义重要问题、审核实验设计、判断证据是否可信、授权高风险或真实世界操作,并接受、修改或否决候选假设。最终科学结论始终由研究者负责。

演进阶段 ​

阶段定位
当前数字实验孪生:版本、运行、证据、产物与重放
下一阶段领域科研孪生:稳定的领域数据结构、专用模型和评价规则
连接阶段现实反馈孪生:经验证的 ELN、LIMS、设备或观测数据连接
长期愿景科研孪生网络:并行比较多条候选路线,由研究者治理与决策

Research Assistant、Research Agent 和 AI Scientist 描述的是 AI 角色成熟度;科研孪生描述的是 ScienceX 管理的产品对象。两者不应混为同一概念。

开始体验 ​

第一次使用建议先运行内置 3 分钟教学案例,检查数据版本、Run、技术证据、Artifacts 和 Replay,再尝试用自己的研究对象定义输入、变量、输出指标与验收标准。

基于 MIT 许可证发布。