Anthropic 刊文：AI 正介入科学建模的三个环节

核心事实

Anthropic 于 2026 年 11 月 6 日在其官网发布客座文章《Teaching AI to build scientific models》，作者为 ELLIS Institute Tübingen 与蒂宾根大学的研究者 Jakob Macke、Daniel Gedon 和 Stefan Wahl，他们从事神经科学等领域的科学建模 AI 工具开发。文章把科学建模拆为三步：构建模型（决定方程形式与组成）、约束模型（调参以拟合实测数据）、解释模型（说明模型对真实系统意味着什么），并指出 AI 系统正越来越多地参与这三个环节，其中在「约束模型」上进展最明显。

背景与影响

文章以 1951 年 Hodgkin 与 Huxley 的神经元动作电位模型为线索：当时因计算机故障，Huxley 用手摇机械计算器花了三周多才解出方程；模型中某个变量需取四次方才能拟合数据，原因当时不明，数十年后相关钾通道蛋白结构被解析，确为四个相同部件环绕中央孔道。作者据此强调，仅给出能复现数据的模型并不等于带来理解，因为多组参数、乃至多个形式不同的模型都可能同样拟合数据。文章介绍了基于模拟的推断（SBI）：通过大量运行模拟器并训练神经网络，从输出反推可能的参数分布，已用于中子星碰撞定位、宇宙学、结构生物学、地球物理及神经元模型等场景；在建模环节，基于 LLM 的智能体可编写候选模型代码、运行、约束参数、与数据比对并迭代修改，近两年已出现多个此类系统。

限制与来源

上述内容为客座作者观点与综述性描述，文章未给出所提 AI 建模系统的实测性能、准确率或可用范围数据，也未说明相关工具是否对外开放及具体获取方式。文中提及的具体系统与案例细节应以原文及对应研究为准，相关产品功能与地区可用性请以官网当前信息为准。来源：Anthropic 官网研究文章。