物理与 AI for Science
突破级
暂无讲解视频
收录解读
科学计算和科学机器学习里一个长期瓶颈，是理论想法到可执行数值算法之间仍然高度依赖专家手工设计。本文面向的不是单一 PDE 或单一神经网络，而是“如何让 AI 自主组织数值算法发现与实现流程”这一更上层的问题。
作者提出 ATHENA，把数值算法构造过程写成一个 agentic framework。其核心 HENA loop 被表述为 contextual bandit：系统根据过去试验结果，在带有专家蓝图约束的组合动作空间中选择结构动作，再把这些动作转成代码与求解器，最后依据科学任务回报进行更新。论文强调它不仅做自动化搜索，还做诊断、修正和分层演化。
这篇论文适合仓库的 AI×科学计算主线。它和 AutoNumerics、QUASAR、BEACONS 同属“AI 作为科学工作流构造器”路线，但更偏向自治式算法发现和数值方法组织。对数值分析自动化、SciML agent 系统和 scientific computing automation 都有外溢价值。
它目前归为突破性而不是更高一级，原因是证据主要来自 arXiv 阶段和方法演示，尽管方向很强，但尚未像 AlphaEvolve 那样在多个强基准或真实基础设施里形成更明确的路线重排效应。