白皮书倡议设立「AI 科学分析研究所」以打破物理学科瓶颈

一份发布于 rakts-research.org 的白皮书提出建立「AI 科学分析研究所」（AI Institute for Scientific Analysis）的构想，主张借助大语言模型与自动化实验体系，突破当前基础物理学领域面临的范式发现瓶颈。白皮书作者认为，传统同行评审体系受困于海量信息噪声，结构性上难以识别真正具有范式突破意义的替代理论，因此需要由人工智能承担系统化筛选与验证任务。

核心主张：以 LLM 作为「Great Filter」

白皮书将整个研究流程拆分为三个层次：

• LLM 筛选层：用大语言模型对历史及当代理论进行系统化扫描与初步评估，承担"Great Filter"的角色，过滤掉大量无法通过初步逻辑或经验检验的提案。
• 计算验证层：在硅基平台（in silico）上对通过初筛的理论进行自动化数值验证或模拟推演。
• 物理实验层：由"自驾驶"自动化实验室负责执行可编程的物理实验，闭环确认计算结果。

作者认为，唯有这种"机器智能—计算—实验"三位一体流水线才能形成可扩展的科学发现路径，而非继续依赖人力评审。

论述逻辑与地缘考量

白皮书还从地缘政治与经济战略角度展开讨论，暗示当前基础科学产出效率下降与论文体系臃肿有关。它援引爱因斯坦时代的科学突破效率作为对比，呼吁以 AI 替代"人类瓶颈"。文件还提及将历史论文与未发表手稿纳入统一筛选池，以降低范式发现被埋没的概率。

局限与待验证之处

• 来源机构 rakts-research.org 并非主流科研院所或大型实验室，文件以愿景式倡议为主，缺乏具体的 LLM 评测方案、benchmark 设计或自动化实验平台的技术规格。
• 文中对"同行评审无法识别范式变革"的判断更多是定性论断，未提供量化数据或案例研究支撑。
• 整体论述停留在制度构想层面，距离可落地的工程实现仍有较大距离，且未见任何主流 AI 实验室、学术机构或资助方的背书。

总体而言，这是一份带有强倡议色彩的思考性文档，反映了"AI for Science"这一方向在科研界外的延伸讨论，但其权威性与可操作性均较为有限。