从第一性原理逐原子推理的AI

物质的终极极限体现在石墨烯这类材料中——一种原子级厚度的二维材料，其物理行为极其复杂，而我们才刚刚开始理解它。打开原子层面的自由度会带来一个极其庞大的可能性空间，因此一直难以触及。我们的 AI 从第一性原理出发，逐个原子地推理物质的物理规律：它自行构建物理模型，用模型探索材料的各种结果，并以由此产生的证据来检验各种解释和不断演化的世界模型。随着 AI 构建自己的模型，它追踪原子相互作用与运动如何产生集体行为，然后运用这一基础性推理范式提取出指导下一步实验的机制——跨越不同尺度和构型，采样关于物质构造的深层洞见。物理成为推理过程本身固有的部分，并驱动一个强大的自我演化循环，让智能与物质融为一体。

二十多年前，我自己的研究之旅始于我被从原子论原理出发分析、理解并合成新形式物质的能力所深深吸引。统计力学和化学提供了那种深植于理论的基础平台，却让我们能够理解跨越众多体系和实现方式的世界。这一理念引导我研究了许多不同类别的材料，从碳纳米管，到石墨烯，到蛋白质，再到跨越多个尺度、具有多级结构的复杂复合材料。

我们正处在一个新时代的悬崖边上：机器能够以原子级分辨率进行推理，形成一种全新的、有原则的生成式 AI 方法，它从最终是量子力学概念的地面真值中自演化。原子在空间和时间上积分起来的抖动，成为机器理解和设计新物质形式的原生推理织物。塑造这些进展既狂野又令人振奋。

物质与思想在涌现问题中相遇。碳原子组织成一张具有强度、柔韧性和断裂行为的薄片；相互作用的计算元件组织成能够表征、预测和推理的系统。在这两种情况下，构成要素之间的关系决定了哪些集体能力成为可能。这将哲学的一个核心问题——部分与整体之间的关系——与解释宏观行为的物理问题以及构建智能的 AI 问题联系起来。

微观描述规定了相互作用，而刚性、记忆和推断等概念则标识出不同尺度上的组织。我们要问的是：这些层次之间如何关联，一个层次上的解释能否取代另一个层次上的解释，以及表征与理解之间的区别何在。我们现在可以通过构建能够形成并操作世界模型的超级智能，使这些问题变得具体。石墨烯——单一原子层通过连接性和几何结构的变化支撑起广泛的集体响应——提供了一个强大的试验平台，将智能紧密地置于物质视角之中。一个物理实现的系统构建了另一个系统的表征，发现了既非一列原子也非一列计算操作所能直接显现的规律。

从原子论原理出发的推理

突破在于将物理模型构建与科学推断相结合，AI 在此构建原子如何相互作用的模型，推导支配其集体响应的力，并追踪材料在变形和失效时的后果。随后，它将这些历史内化为因果推理链，进而内化为能够做出新预测的解释。第一性原理推理获得了一种可执行的形式：它从明确的物理基础出发，计算其后果，并检验哪些更高层次的原理能够存活下来（跨越多种潜在性谱系）。AI 将推理从提出的原因推进到可观测的结果，并在深度推理中进行多次迭代。

最薄的材料：石墨烯

石墨烯将这一能力推向晶体薄片的终极厚度极限：单层碳原子。在这一极限下，材料的几何构型与组成原子的排列变得密不可分，无数新的材料特性随之涌现。在这里，一条边缘是一行原子，一条韧带是一组相连的键。断裂则是网络中传递跨片作用力的连接的重组。同一种原子级厚度的材料将丰富的电子行为与卓越的力学性能结合在一起——这一前沿领域因石墨烯而获得诺贝尔物理学奖的认可。

这种材料表面上的简单性，实际上蕴含着一个巨大的未解物理空间。我们对理想碳晶格已有相当多的了解，然而对其进行图案化会创造出相互作用的孔洞、狭缝、桥接和嵌套网络，其集体行为需要新的解释。一个微小的旋转就能改变哪些键承受张力、哪些桥发生弯曲，以及邻近裂纹是否连通。第二个结构层级可以将损伤重新导向分隔的区域。局部的重排可以改变整片材料的响应。前沿在于理解原子间相互作用与架构组织如何共同决定一种材料可能经历的历史。

物理学与人工智能的交汇，再度来临

AI 与物理学之间存在深层联系，这一点已在将神经网络与相互作用物理系统的动力学相联系的开拓性工作中得到证明，其中包括 Hopfield 关于集体计算的工作。当预测性物理与 AI 推理通过材料本身的显式模型相连接时，我们又跨越了一道新的门槛。物理建模将跨尺度的描述连接起来，从电子键合到原子力，再从这些力到集体变形。一个能够构建并审视这些联系的 AI 智能体，可以检验某一干预如何改变结果：旋转一条狭缝、改变一座窄桥、移动一条裂纹，或在更大尺度上引入一条矿脉。计算揭示出将干预与响应连接起来的序列。这些序列便成为智能体据以构建设计原理的证据。

物理学成为科学工作流的内在组成部分，因为它塑造了 AI 的问题、实验和解释

能量、力、连通性和边界条件是智能体所实现并检验的工作对象。关于强度或韧性的论断，必须建立在由加载计算导出的集体行为之上。同样，关于某一机制的论断，必须能够解释原子轨迹。一个失败的预测必须被追溯到被遗漏的相互作用、几何约束或计算的局限性。这赋予推理一种可被审视和质疑的物理结构。

合在一起，结果就是一个构建模型的模型——AI 智能体协同工作，创建物质的可执行表示，用它来探究可能的响应，并带回用于组织后续实验的原理。仪器和证据在最初的探究之后依然留存。这种设计方法产生了一个包含数十万个原子级指定石墨烯结构的库，为 AI 的物理推理揭示了一个极其丰富的设计空间，模型从中提取出关于机制和标度律的基本洞见。

模型构建模型：从零开始构建用于逐原子分析的科学仪器

实验始于一个提示词和五张图像，暗示着叶脉、嵌套网络、无序纤维、交叉支柱以及孔洞周围的环。我们让 AI 智能体从这些图像中推断出一种设计语言，从零开始构建检验它所需的原子级仪器，并在运行用于评判这些预测的模拟之前先预测结果。物理基础是碳的逐原子材料描述。它描述了局部原子环境如何改变相互作用能，并允许键合网络演化。力由对该能量求导得出。在这里，从物理原理出发进行推理意味着在既定模型内遵循这条明确的链条。

智能体从零开始在 PyTorch 中实现了能量与力的计算，构建了几何生成器、邻接表、弛豫与加载流程，以及一个实验数据库。它产出了数千行代码，并通过了一系列严格的验证测试。参考对比中的一处差异被追溯到数值常数的舍入；匹配这一细节后，每原子的能量差从约 10⁻⁠⁸降至 10⁻⁠¹³ eV。构建这一工具的过程，也包括厘清那些区分“意图中的方程”与“实际计算”的数值细节。

最初的推理阶段持续了数天，涵盖了在大量架构族上进行的数百次发现模拟。在此过程中，AI 反复提出假设与模型，随后对其进行检验、证伪与验证。AI 探索了各类石墨烯超材料家族如何变形，以及片材在递增压力下的行为；它如何使原子弛豫，以及哪些键断裂又重组。

AI 取得的发现

第一个重大成果，是对石墨烯中架构影响力尺度的空前洞察。在相对密度介于 0.77 至 0.83 之间的数十个设计家族中，密度归一化强度跨越了 6.6 倍的差距。几乎相同数量的碳却支撑着截然不同的载荷，因为原子被组织成了不同的路径，力必须经由这些路径传递。

这些设计原则构成了一幅丰富的几何原理图谱，涵盖孔隙、狭缝、韧带、脉络与嵌套图案；它们成为将碳原子组织成截然不同结构的方式。无监督嵌入按几何相似性排列设计，揭示出相关图案的邻域以及不同族系之间的重叠。其中有规则穿孔、斜切、分支网络、曲线增强、渐变纹理与混合域。

随后，AI 开发了一系列物理行为模型——将原子级设计原则与动力学性质联系起来——试图从机制角度描述与这些设计相关的材料行为。例如，它假设最窄承载截面处的固体分数至关重要，但必须乘以相关韧带的强度。该规则将整体响应与局部物理约束联系起来，为哪些结构—性质关系主导该材料提供了关键洞见。另一项发现是，与载荷方向对齐的直韧带能够高效传递力，而狭窄或取向不佳的桥接则会降低该架构的承载能力。

但关键在于，这种抽象的强大之处，恰恰体现在最终将其推翻的那次实验中：一个倾斜 20 度的狭缝阵列，原本预测会达到远高于模拟实际产生的强度。这个表面上的“错误”把注意力引向了相邻狭缝尖端之间的桥接区域，表明 AI 如何能够通过多个世界模型进行推理，并在收集到新数据时自主修正自己的理解。最终的一个关键发现是，石墨烯片段的搭接使短韧带同时承受拉伸与剪切，这是理解切口如何形成阶梯状断裂路径的关键。仅统计可用截面，忽略了其连接之间如何相互作用。

进一步的测试区分出三种机制：相邻狭缝尖端相连、其间的韧带发生旋转，或短桥发生弯曲而直线载荷路径消失。一项搭接对照支持了这一几何解释。智能体的预测在机制之间的边界处失效，而后续实验使这一边界变得明确。一次又一次，数值上的差异转化为关于成因的问题。原子历史识别出缺失的机制，修正后的解释预测出新的对比，而这一对比既能证实它，也能暴露它的下一个局限。设计规则之所以有用，是因为它的适用域（本身就！）是规则的一部分。

在发现工作流中还有许多其他例子；例如，无序网络中的一个表观最优值在种子重复实验下消失了。随机化孔径或位置，并未比有序对照提供普遍的强度优势。这一过程剔除了重复实验并不支持的那些有吸引力的解释。

分层元结构：尺度化与合成

层级结构让结构与解释之间的关系变得更加鲜明。在初始的、相对有序的网格群体中，强度在很大程度上取决于与载荷路径的对齐程度。在考虑对齐因素之后，增加嵌套层级并未带来系统性的强度增益。更简单的孔隙成形方式取得了相近的性能。层级数量本身并不能解释响应结果。这一结果确定了下一组实验的方向：采用更大的尺度分离、刻意组织的脉络，以及置于层级结构内部或跨越层级结构的裂纹。后续研究增加了数百项新的计算实验，揭示了石墨烯在保持高强度的同时变得耐缺陷的主导原理。其机制在原子事件的序列中清晰可见。在损伤发生之前，实心脉络承担了不成比例的载荷份额。细小的多孔隔室相继失效，而脉络则继续传递力。在所测试的设计中，裂纹止于隔室边界，或沿边界转向。层级结构组织了材料不同部分失去承载作用的时机。

例如，一条被围限的裂纹使主脉络保持完好，并将强度维持在接近剩余实心部分所能承受的水平。而一条切断脉络的裂纹则移除了这种保护。用窄条束替代实心脉络再次改变了序列，使窄条能够渐进失效。构筑单元决定了首次损伤事件之后还能保留多少功能。

由此产生的原理关乎材料的演化。建筑结构控制着哪些连接承受初始载荷、损伤从何处开始，以及力如何在存留下来的连接中传递。在匹配的较大设计中，层级结构同时提升了强度和整体响应，因为它改变了这种组织方式。这些发现确定了获益的具体条件，并解释了为何一种拟合于较小结构的趋势未能原封不动地跨尺度迁移。

结语

这项工作所开辟的前沿在于：AI 能够自行构建物理工具，而正是通过这些工具，基于第一性原理的深层推理才成为可能。物质模型约束实验，实验又改变解释，形成一个强大的递归循环。解释界定了设计空间中接下来要探究的部分，新的推理产生新的洞见、问题、证伪和世界模型，从而对基本物理关系进行越来越深入的思考。引人注目的是，物理学既提供基础，其本身又被操纵，使科学理解的增长成为一个明确的、可执行的过程。

参考文献与注释