title: MGCP–USE 08：驗證、反事實宇宙與下一代實驗——如何證明我們真的學到了狀態演化規則？
series: MGCP–USE / Minimal Generatively Complete Physics & Universal State Evolution
document_id: MGCP-USE-08
version: 0.1
date: 2026-09-20
language: zh-TW
status: Research Draft
source_format: UTF-8 Markdown
depends_on: MGCP-USE-00 · MGCP-USE-01 · MGCP-USE-02 · MGCP-USE-03 · MGCP-USE-04 · MGCP-USE-05 · MGCP-USE-06 · MGCP-USE-07

MGCP–USE 08：驗證、反事實宇宙與下一代實驗——如何證明我們真的學到了狀態演化規則？

作者： Neo.K
機構： EveMissLab／一言諾科技有限公司
日期： 2026-09-20
版本： 0.1

摘要

MGCP–USE 00–07 已完成由「最小完備生成物」到「通用狀態演化候選」的研究架構。本篇不負責宣布終極答案，而負責建立整個系列最重要的終止條件：

\boxed{ \text{我們如何知道自己學到的是物理規則，而不是對既有資料的一次高品質重述？} }

如果一個模型只能重播已知歷史：

D_{\mathrm{train}} \rightarrow \widehat D_{\mathrm{train}},

它可能只是 interpolation、compression 或 simulator imitation。若一個候選聲稱掌握狀態演化規則，就必須面對 held-out transition、out-of-distribution regime、counterfactual initial / boundary conditions、cross-domain transfer、structural diagnostics、uncertainty calibration、model discrimination、active falsification 與 independent replication。

本文提出 MGCP–USE Validation Stack：

\mathcal V = ( V_{\mathrm{holdout}}, V_{\mathrm{OOD}}, V_{\mathrm{counterfactual}}, V_{\mathrm{structural}}, V_{\mathrm{causal}}, V_{\mathrm{cross}}, V_{\mathrm{active}}, V_{\mathrm{replication}} ).

並將驗證分成四個基本層級：

\boxed{ \text{Reproduction} \rightarrow \text{Generalization} \rightarrow \text{Counterfactuality} \rightarrow \text{Falsifiability}. }

2025–2026 年的研究已提供多個直接技術接口：2026 年 Nature 對 AI physics-experiment design 的綜述把問題整理為 search space、simulator、objective function 與 AI exploration；2026 年 physics-informed structural diagnostics 顯示，單一 RMSE / MAE 可能掩蓋 governing relation 的結構錯誤；2026 年 MatUQ 顯示 random split 會高估 out-of-distribution reliability；2025 年 physics-and-topology-informed rigid-body learning 已展示在改變物體、位置與初始條件後進行長時程 counterfactual rollout；2026 年「learning missing physics from legacy simulators」則直接提醒：成熟 simulator 也可能因 unresolved physics 與 structural incompleteness 產生 model–reality gap。

因此，本篇把反事實宇宙寫成：

W' = \operatorname{Evolve} ( K', \Pi', B', C' ),

但明確限制：它不是科幻故事生成，而是對狀態、邊界、參數或規則做最小干預後，測試候選生成結構是否仍能產生穩健、可比較、可被實驗或高可信類比系統檢驗的結果。

整個系列最後的科學目標不是：

\boxed{ \text{找到一條漂亮的宇宙公式} }

而是：

\boxed{ \text{建立一套能持續淘汰錯誤生成規則、壓縮候選空間並設計下一個關鍵實驗的閉環程序。} }

Part I — 最後一篇首先要否定什麼？

1. 重現已知資料不是終點

若模型 $M$ 滿足：

M(D_{\mathrm{train}}) \approx D_{\mathrm{train}},

只能說它能重現訓練資料。

即使：

R^2\approx1,

也不能推出：

M = \text{physical law}.

2. 擬合可以很完美，物理仍然錯

可能存在：

M_1\neq M_2

但：

L(M_1,D_{\mathrm{train}}) \approx L(M_2,D_{\mathrm{train}}) \approx0.

真正差異只會出現在：

D_{\mathrm{OOD}}.

因此：

\boxed{ \text{未見 regime 往往比已見 regime 更有辨識力。} }

3. 高預測能力也不等於高物理一致性

2026 年 physics-informed structural diagnostics 的研究指出，scalar accuracy metrics 可能無法辨識「平均誤差很小，但 implied governing relation 已經結構性錯位」的情況。

因此：

\boxed{ \text{low error} \not\Rightarrow \text{correct physical structure}. }

Part II — MGCP–USE Validation Stack

4. 八層驗證

定義：

\mathcal V = ( V_{\mathrm{holdout}}, V_{\mathrm{OOD}}, V_{\mathrm{counterfactual}}, V_{\mathrm{structural}}, V_{\mathrm{causal}}, V_{\mathrm{cross}}, V_{\mathrm{active}}, V_{\mathrm{replication}} ).

任何高階候選都必須逐層接受挑戰。

5. $V_{\mathrm{holdout}}$ ：真正未見資料

最弱條件：

D_{\mathrm{train}} \cap D_{\mathrm{test}} = \varnothing.

但科學問題不能只做 random split。

6. $V_{\mathrm{OOD}}$ ：分布外測試

真正測試：

D_{\mathrm{test}} \not\sim D_{\mathrm{train}}.

例如：

new scale；
new geometry；
new material；
new initial condition；
new apparatus；
new phase；
new field strength。

7. $V_{\mathrm{counterfactual}}$ ：干預後世界

修改：

I = \{S_0,B,C,\Theta\}

中的一部分：

I\rightarrow I',

再要求：

M(I')

給出穩健且可檢驗結果。

8. $V_{\mathrm{structural}}$ ：物理結構

檢查：

conservation；
symmetry；
dimensional consistency；
causal structure；
monotonicity；
stability；
invariant manifold。

9. $V_{\mathrm{causal}}$ ：介入敏感性

若候選聲稱：

A\rightarrow B,

則在可行情況下比較：

P(B\mid A)

與：

P(B\mid do(A)).

10. $V_{\mathrm{cross}}$ ：跨域轉移

若 primitive $P_A$ 從 domain $A$ 抽出，則要求它對 domain $B$ 產生：

P_A \Rightarrow \Omega_B.

如果完全沒有跨域限制力，universal claim 必須降級。

11. $V_{\mathrm{active}}$ ：主動證偽

選擇：

E^\ast

使 competing models 的預測最大分離。

12. $V_{\mathrm{replication}}$ ：獨立重複

至少考慮：

independent instrument；
independent dataset；
independent implementation；
independent analysis path。

Part III — Holdout 不應只做 Random Split

13. Random Split 的科學風險

如果資料有 cluster structure，random split 可能把高度相似樣本同時放進 train / test。

模型得到高 test score，卻沒有真正 extrapolate。

14. 2026 MatUQ 的教訓

MatUQ 使用 structure-aware leave-one-cluster-out benchmark 研究材料 GNN 在 OOD structural shift 下的 uncertainty reliability。

對 MGCP–USE 的直接原則：

\boxed{ \text{scientific generalization} \text{ requires structural distribution shift, not only random holdout}. }

15. Physics Holdout Taxonomy

Holdout_Type:
  random_sample
  parameter_interval
  initial_condition
  boundary_condition
  geometry
  scale
  phase
  apparatus
  domain
  historical_epoch

Universal claim 至少應面對 scale / domain 等高階 holdout。

Part IV — OOD 與不確定性

16. 最危險的是高信心錯誤

若：

|\widehat y-y| \gg \sigma,

表示 uncertainty calibration 失效。

17. 科學模型需要知道自己不知道

理想：

D_{\mathrm{OOD}} \Rightarrow U(D_{\mathrm{OOD}}) \uparrow.

若沒有可靠外推能力，應：

\boxed{ \text{abstain}. }

18. OOD 不只是 ML 問題

如果某物理模型只在：

E<E_c

成立，把它外推到：

E\gg E_c

也是 OOD。

有效場論早已提醒：

\boxed{ \text{all models have validity domains}. }

Part V — Structural Validation

19. Scalar Error 不足

兩個模型可能：

\operatorname{RMSE}(M_A) = \operatorname{RMSE}(M_B),

但只有 $M_A$ 保持正確 governing structure。

20. Structural Validation Principle

\boxed{ \text{Validation} = \text{value agreement} + \text{structure agreement}. }

21. 2026 Physics-Informed Structural Diagnostics

2026 年 Agreement–Entropy Map 類研究展示：model–data agreement 應區分 structural incompatibility 與 stochastic dispersion，而不是只用單一誤差數字。

因此 MGCP–USE 的任何 law candidate 都必須接受 structure-aware validation。

22. Structural Checklist

\mathcal S(M) = ( \text{symmetry}, \text{conservation}, \text{causality}, \text{stability}, \text{dimension}, \text{topology} ).

若：

\widehat D\approx D

但：

\mathcal S(\widehat M) \neq \mathcal S(M_{\mathrm{physical}}),

不能升格為 law candidate。

Part VI — Counterfactual Universe

23. 反事實不是「寫另一個宇宙故事」

定義：

W = \operatorname{Evolve}(K,\Pi,B,C).

反事實：

W' = \operatorname{Evolve}(K',\Pi',B',C').

其中至少一項被明確干預。

24. 四類基本 Counterfactual

CF-1：Initial-State

S_0\rightarrow S_0'.

CF-2：Boundary

B\rightarrow B'.

CF-3：Parameter

\theta\rightarrow\theta'.

CF-4：Rule

F\rightarrow F'.

第四類最危險，也最接近本系列核心。

25. Counterfactual 比 Replay 強

Replay：

S_0\rightarrow S_T.

Counterfactual：

S_0'\rightarrow S_T'.

因此它真正測的是：

\boxed{ \text{模型是否掌握 transition structure，而不是只記住 trajectory。} }

26. 2025 Rigid-Body Counterfactual Rollout 的意義

2025 年 physics-and-topology-informed rigid-body dynamics 研究已展示：修改初始配置、移除物體後，模型可以進行長時程 counterfactual rollout。

這不是宇宙起源模型，但證明：

\boxed{ \text{intervention} + \text{long-horizon rollout} }

可被當作 dynamics-learning 的嚴格測試。

27. Counterfactual 三個門檻

A. Intervention Locality

只改指定變量。

B. Dynamics Stability

新 regime 下模型不應立即崩潰。

C. Observable Consequence

結果應能透過實驗、類比系統或高可信 simulator 檢驗。

Part VII — 最小干預

28. 完全任意改寫沒有科學辨識力

若：

K',\Pi',B',C'

全部一起任意更改，得到任何結果都不奇怪。

29. Minimal Intervention

定義：

I^\ast = \operatorname*{arg\,min}_{I}|I|

subject to：

W(I)\neq W.

目的：找最小改動造成的最大可辨識差異。

30. Counterfactual Sensitivity

\chi_I = \frac{dO(W')}{dI}.

高 $\chi_I$ 表示系統對該變量高度敏感。

Part VIII — Simulator 不等於 Reality

31. 反事實通常依賴 Simulator

若不能直接做實驗，就依賴：

\widehat{\mathcal F}.

所以 counterfactual quality 上限受 simulator quality 限制。

32. Model–Reality Gap

\mathcal F_{\mathrm{sim}} \neq \mathcal F_{\mathrm{real}}.

此時：

W'_{\mathrm{sim}}

可能只是一個自洽錯誤世界。

33. 2026 Learning Missing Physics 的教訓

2026 年 Nature Communications 的研究直接處理 legacy simulator 因 unresolved physics 與 structural incompleteness 產生 model–reality gap 的問題。

所以：

\boxed{ \text{trusted simulator} \not\Rightarrow \text{complete physics}. }

34. Simulator Discrepancy Record

Simulator_Discrepancy:
  simulator_id
  validated_domain
  known_missing_physics
  structural_mismatch
  calibration_error
  ood_failure
  learned_correction
  correction_uncertainty
  reality_anchor

Part IX — Cross-Domain Transfer

35. Universal Claim 的真正高門檻

若：

P

從 domain $A$ 發現，必須問它是否對未參與發現的 domain $B$ 施加限制。

36. Transfer 不等於直接搬模型

不是：

M_A\rightarrow D_B.

而是搬 abstract primitive，例如：

invariant；
constraint；
scale law；
stability criterion；
causal grammar。

37. Cross-Domain Transfer Test

P_A \rightarrow \Omega_B.

若：

T_B\in\Omega_B,

候選升級。

若：

T_B\notin\Omega_B,

則 universal claim 受到反例。

Part X — Active Experiment Design

38. 下一個實驗最大化什麼？

可以不是 signal strength，而是：

\operatorname{InformationGain},

\operatorname{ModelSeparation},

\operatorname{FalsificationGain}.

39. 2026 Nature Physics-Experiment-Design Review

2026 年 Nature 對 AI physics experiment design 的綜述將問題整理為：

expressive search space；
fast and reliable simulator；
computable scientific objective；
AI exploration of discrete / continuous design choices。

這與 MGCP–USE 的 active falsification 直接相接。

40. 不應只用單一 Scalar Objective

如果：

J(E)

只有「訊號最大」，AI 可能找到強訊號，但完全無法區分 competing models。

41. Active Falsification Objective

E^\ast = \operatorname*{arg\,max}_E \mathbb E \left[ D( P(O\mid M_A,E), P(O\mid M_B,E) ) \right].

42. Cost-Aware Design

C_E = \text{money} + \text{time} + \text{hardware} + \text{risk}.

應使用 Pareto front，而非假裝所有成本都能合理壓成單一數字。

Part XI — AI Scientist 的角色

43. Hypothesis Generation 不等於 Discovery

2026 年 Co-Scientist 類 multi-agent systems 已展示：

\text{evidence} \rightarrow \text{hypothesis} \rightarrow \text{experimental proposal}.

但真正科學成果仍依賴 experimental validation。

因此：

\boxed{ \text{novel hypothesis} \neq \text{scientific discovery}. }

44. 自主實驗已具有局部現實先例

2026 年 self-driving-lab review 顯示，自動化科學平台已逐步由窄任務走向多用途 discovery platform。

同年的 agentic X-ray scientist 亦展示在 synchrotron beamline 上自主規劃、操作、讀取觀測並迭代。

因此：

\text{hypothesis} \rightarrow \text{experiment} \rightarrow \text{update}

在工程上已有局部先例。

45. Provenance-Complete Science

每個自動步驟至少保存：

input data；
model version；
policy / prompt；
simulator version；
code；
instrument state；
calibration；
result；
decision provenance。

Part XII — Replication

46. 單次成功不能建立 Universal Claim

即使統計顯著，也可能有 systematic、hidden calibration、selection effect 或 model mismatch。

47. 四級 Replication

R1 — Same Pipeline

同程式重跑。

R2 — Independent Analysis

另一 implementation。

R3 — Independent Instrument

另一裝置或 survey。

R4 — Cross-Domain Replication

另一物理域驗證同一 structural primitive。

48. Universal Candidate 需要 R3–R4 類支持

否則「通用」可能只依賴單一 apparatus / analysis pipeline。

Part XIII — Negative Results

49. Null Result 是核心資料

如果模型 $M$ 強烈預測：

O^\ast,

但實驗未發現，則：

P(M\mid D) \downarrow.

這不是失敗，而是：

\boxed{ \text{candidate-space compression}. }

50. 不允許無限加參數逃避

若每次 null result 都加入：

\theta_{n+1}

重新 fit，可能形成：

\boxed{ \text{unfalsifiable model inflation}. }

51. Repair Budget

Repair_Budget:
  allowed_parameter_updates
  allowed_structural_updates
  forbidden_posthoc_changes
  evidence_required_for_extension

若超過 budget，候選應降級或退出。

Part XIV — Stop Conditions

52. 研究需要「何時停止相信」

候選必須有明確 stop condition。

53. Stop-A：Repeated OOD Failure

多個未見 regime 持續失敗。

54. Stop-B：Structural Violation

違反 exact known constraints。

55. Stop-C：No Cross-Domain Transfer

Universal claim 無法跨域。

56. Stop-D：Prior Dominance

結果主要由 prior 決定。

57. Stop-E：Unresolvable Simulator Gap

所有成功都只存在 simulator。

58. Stop-F：Counterexample Found

真正反例推翻強 universal claim。

Part XV — Truth Hierarchy

59. 證據層級

T0 — Hypothesis

只有想法。

T1 — Internal Consistency

形式自洽。

T2 — Simulation Consistency

能在 simulator 中運行。

T3 — Experimental Compatibility

與既有資料相容。

T4 — Held-Out Prediction

預測未見資料。

T5 — OOD / Counterfactual Survival

跨條件與干預。

T6 — Cross-Domain Replication

跨域重複。

T7 — Active Falsification Survival

經最強證偽實驗仍存活。

即使 T7 也不是「形上學絕對真理」。

Part XVI — 反事實宇宙矩陣

60. MGCP Counterfactual Matrix

類型	修改對象	主要問題	驗證方式
CF-1	初始狀態	同規則下不同起點會怎樣	simulator / analog system
CF-2	邊界條件	規則對 boundary 有多敏感	controlled experiment
CF-3	參數	phase / regime 如何改變	parameter sweep
CF-4	局部 interaction	哪個 mechanism 真正必要	ablation / intervention
CF-5	scale map	coarse-graining 是否保持結構	multi-resolution test
CF-6	candidate law	哪條規則才能產生觀測	competing simulator
CF-7	ontology	不同底層描述是否可區分	residual triangulation

Part XVII — Counterfactual Consistency

61. 反事實世界也要守物理

除非問題就是「拿掉某條 constraint 會怎樣」，否則 counterfactual 不應任意破壞已固定的物理前提。

62. Hard vs Soft Counterfactual

Hard

修改 fundamental assumption。

Soft

修改 initial / boundary / parameter。

研究初期應優先 soft counterfactual，因為可驗證性更高。

Part XVIII — Model Criticism

63. 驗證不是只看 Prediction Error

至少檢查：

residual pattern；
structural mismatch；
invariant drift；
calibration；
sensitivity；
failure localization。

64. Error Localization

若只在：

\lambda>\lambda_c

失敗，可能是 validity boundary。

若只在 phase boundary 失敗，可能是 missing transition physics。

65. Missing Physics vs Wrong Parameter

區分：

\text{parameter error}

與：

\text{structural incompleteness}.

這是 model repair 中最重要的診斷之一。

Part XIX — Cross-Scale Validation

66. 同一候選沿 Atlas 跑

若候選 $P$ 聲稱跨尺度，測：

L_0\rightarrow L_1\rightarrow\cdots\rightarrow L_n.

67. Scale-Survival Profile

定義：

\mathcal S_P(\lambda)

表示候選在 scale $\lambda$ 的有效性。

若只在有限區間成立，它更可能是 effective structure。

68. Cross-Scale Failure 也是訊號

若在：

\lambda_c

附近失效，可能指出：

phase transition；
new degrees of freedom；
effective-theory breakdown；
missing closure term。

Part XX — 下一代實驗搜尋區域

69. 不只是更高能量

下一代 MGCP–USE-sensitive experiment 應同時提高：

energy reach；
precision；
timing；
low-threshold sensitivity；
displaced detection；
frequency coverage；
multi-messenger correlation；
control over initial conditions。

70. Collider Frontier

優先：

high- $Q^2$ tails；
off-shell Higgs；
self-coupling；
rare decay；
LLP；
SUEP / unusual topology；
precision EFT global fits。

71. Early-Universe Frontier

優先：

CMB polarization；
primordial non-Gaussianity；
stochastic GW；
first-order phase transition；
cosmic strings；
domain-wall constraints。

72. Strong-Gravity Frontier

優先：

ringdown spectroscopy；
higher modes；
polarization；
inspiral–merger consistency；
horizon-scale anomalies。

73. Quantum-Simulator Frontier

優先：

controlled Hamiltonian variation；
synthetic gauge fields；
many-body phase transitions；
causal-order experiments；
emergent-time analogues；
programmable coarse-graining tests。

Part XXI — 先測可控子問題

74. Benchmark Ladder

B1 — Classical Controlled Dynamics

ground truth 已知。

B2 — Quantum Simulator

部分 governing law 可控。

B3 — Many-Body / Phase Transition

開始出現 emergence。

B4 — QFT Effective Dynamics

測 scale flow。

B5 — Cosmology / Gravity

只能觀測，不能完整干預。

75. 為什麼要這樣排序

如果 AI 在：

B1,B2

都不能分辨：

\text{true law}

與：

\text{good fit},

直接上宇宙資料沒有意義。

Part XXII — MGCP–USE Validation Record

76. 第一版資料結構

MGCP_USE_Validation_Record:
  candidate_id
  discovery_data
  held_out_data
  holdout_type
  ood_regimes
  calibration_status
  structural_tests
  invariant_tests
  causal_tests
  counterfactual_tests
  cross_domain_tests
  simulator_discrepancy
  active_falsification_experiments
  replication_level
  negative_results
  repair_budget
  stop_conditions
  evidence_level
  final_status
  provenance

Part XXIII — Validation Acceptance Gate

77. Gate V-A：True Holdout

至少一個真正未參與發現的 regime。

78. Gate V-B：OOD Calibration

模型知道何時超出有效域。

79. Gate V-C：Structural Consistency

不只 scalar accuracy。

80. Gate V-D：Counterfactual Coherence

干預後仍有穩定可測預測。

81. Gate V-E：Cross-Domain Transfer

若聲稱 universal，必須跨域。

82. Gate V-F：Simulator Discrepancy Audit

不能把 simulator 當 truth。

83. Gate V-G：Active Falsification

至少一個專門設計來推翻候選的實驗。

84. Gate V-H：Independent Replication

至少一條獨立驗證路徑。

85. Gate V-I：Negative-Result Accounting

null result 必須更新 posterior。

86. Gate V-J：Stop Condition

候選必須能被正式淘汰。

Part XXIV — 最終 Evidence Level

87. E0 — Speculative

只有概念。

88. E1 — Internally Coherent

形式自洽。

89. E2 — Simulation-Compatible

可在 simulator 中運行。

90. E3 — Data-Compatible

與既有資料一致。

91. E4 — Held-Out Predictive

預測未見資料。

92. E5 — OOD / Counterfactual Robust

跨 regime 與干預。

93. E6 — Cross-Domain Supported

跨獨立物理域。

94. E7 — Actively Falsified-and-Surviving

經最強證偽設計後仍存活。

對 Universal State Evolution，只有 E6–E7 才能進入高可信核心。

Part XXV — 系列如何允許自己失敗

95. 失敗結果 A：沒有 MGCP

自然界可能沒有唯一或有限最低生成核心。

96. 失敗結果 B：MGCP 存在但不可識別

I(K_0;D_{\mathrm{today}}) \approx0.

97. 失敗結果 C：只能找到局部 Universalities

不同尺度只有 local universality classes。

98. 失敗結果 D：USE 候選全部 OOD 失敗

則通用狀態演化假說降級。

99. 失敗結果 E：AI 只能預測，不能抽規則

仍有工程價值，但不能稱 law discovery。

100. 失敗本身就是成功條件

本系列必須允許：

\boxed{ \text{research program terminates negatively}. }

Part XXVI — 系列第一階段的最終閉環

101. 完整流程

\boxed{ K_0 \rightarrow \Pi_0 \rightarrow \mathcal A_R \rightarrow \mathfrak G \rightarrow \mathcal A_T \rightarrow \mathcal R_{\mathrm{AI}} \rightarrow \mathcal U \rightarrow \mathcal V }

其中：

$K_0$ ：MGCP candidate；
$\Pi_0$ ：primitive transition；
$\mathcal A_R$ ：Residual Atlas；
$\mathfrak G$ ：Posterior History Ensemble；
$\mathcal A_T$ ：Transition Atlas；
$\mathcal R_{\mathrm{AI}}$ ：AI State-Evolution Reconstructor；
$\mathcal U$ ：Universal State-Evolution Candidate；
$\mathcal V$ ：Validation Stack。

102. 這個閉環會回到起點

若：

\mathcal V(\mathcal U)

失敗，則回頭修改：

\mathcal R_{\mathrm{AI}}, \mathcal A_T, \mathfrak G, K_0.

所以整個系列不是 linear proof，而是：

\boxed{ \text{iterative scientific closure}. }

Part XXVII — 第 08 篇核心結論

103. 結論一：重現不是驗證

\boxed{ \text{reproduction} \neq \text{generalization}. }

104. 結論二：Random Holdout 不足以測科學外推

真正需要：

\boxed{ \text{structural OOD}. }

105. 結論三：Counterfactual 是生成規則的核心測試

若模型真的掌握 $F$ ，它應能處理：

S_0'\neq S_0.

106. 結論四：Simulator 不是 Reality

\boxed{ \mathcal F_{\mathrm{sim}} \neq \mathcal F_{\mathrm{real}} }

必須永遠被允許。

107. 結論五：Universal Claim 必須跨域轉移

若不能：

P_A\rightarrow\Omega_B,

就不應稱 universal。

108. 結論六：下一代 AI 科學核心不是確認，而是證偽

\boxed{ \text{AI experimental design} \rightarrow \text{model discrimination} \rightarrow \text{candidate elimination}. }

109. 結論七：Null Result 是有價值的更新

\boxed{ \text{non-detection} = \text{candidate-space compression}. }

110. 結論八：研究計畫必須包含終止條件

不能建立任何結果都能解釋的理論。

111. 結論九：最終目標不是一條漂亮公式

而是：

\boxed{ \text{一套能跨尺度、跨表示、跨環境、跨物理域接受反例的生成規則候選族。} }

112. 結論十：MGCP 的真正價值是最低錨點

若未來真的找到：

K_0,

其價值不是「物理學終於找到上帝粒子」，而是第一次得到：

\boxed{ \text{a physically anchored lower boundary for state evolution}. }

由此才可能研究：

K_0 \rightarrow K_1 \rightarrow \cdots \rightarrow W_{\mathrm{today}}.

Part XXVIII — 系列第一階段結語

113. 從「上帝粒子的上帝粒子」重新定義問題

最初問題看似是：

Higgs 下面還有沒有一個更基本的東西？

最後改寫成：

\boxed{ \text{是否存在一個最低物理生成結構，使我們能從第一個可辨識轉換開始，建立跨尺度狀態演化的可驗證模型？} }

114. 真正研究對象不是粒子

而是：

\boxed{ \text{minimal generative physical structure} }

加上：

\boxed{ \text{state-transition architecture}. }

115. 真正研究成果也不一定是找到它

也可能是證明：

\boxed{ \text{某些種類的最低生成模型不可能成立。} }

或：

\boxed{ \text{目前宇宙資訊不足以唯一反推。} }

或：

\boxed{ \text{不存在非平凡的 Universal State Evolution。} }

這些都屬正式科學結果。

116. 第一階段完成後的工程下一步

若未來實作，第一個工程專案不應直接模擬宇宙起源，而應建立：

\boxed{ \text{MGCP–USE Benchmark + Atlas Runtime}. }

包含：

Transition Atlas；
Residual Atlas；
controlled benchmark systems；
law-discovery models；
OOD validation；
counterfactual simulator；
model competition；
active experiment planner；
provenance；
falsification log。

這樣 00–08 才真正從論文系列轉成可實作的研究基礎設施。

參考文獻

Klimesch, J., Arlt, S., Ruiz-Gonzalez, C., et al. "Designing physics experiments with artificial intelligence." Nature 657, 47–58 (2026).
https://doi.org/10.1038/s41586-026-10898-6
Haddadi, H., Kloskowski, A., Mironowicz, P. "Physics-informed structural diagnostics of model–data agreement beyond scalar metrics." Scientific Reports 16, 18622 (2026).
https://doi.org/10.1038/s41598-026-49445-8
Tan, L., Wang, X., Zou, Y., et al. "MatUQ: a benchmark for uncertainty-aware out-of-distribution materials property prediction with graph neural networks." npj Computational Materials (2026).
https://doi.org/10.1038/s41524-026-02272-x
Wei, A., Fink, O. "Integrating physics and topology in neural networks for learning rigid body dynamics." Nature Communications 16, 6867 (2025).
https://doi.org/10.1038/s41467-025-62250-7
Wang, H., Wang, Q., Yuan, C., et al. "Learning missing physics from legacy simulators with alternating neural integrators." Nature Communications 17, 7877 (2026).
https://doi.org/10.1038/s41467-026-74002-2
Canty, R. B., Abolhasani, M. "The past, present and future of self-driving laboratories." Nature Reviews Chemistry 10, 523–537 (2026).
https://doi.org/10.1038/s41570-026-00847-2
Gottweis, J., Weng, W.-H., Daryin, A., et al. "Accelerating scientific discovery with Co-Scientist." Nature 655, 487–496 (2026).
https://doi.org/10.1038/s41586-026-10644-y
Rodriques, S. G., et al. "A multi-agent system for automating scientific discovery." Nature 655, 497–505 (2026).
https://doi.org/10.1038/s41586-026-10652-y
Ranković, B., Griffiths, R.-R., Schwaller, P. "Large language models as uncertainty-calibrated optimizers for experimental discovery." Nature Machine Intelligence 8, 1466–1477 (2026).
https://doi.org/10.1038/s42256-026-01283-z
Chowdhury, S., et al. "An agentic artificially intelligent X-ray scientist." Nature Machine Intelligence 8, 1075–1086 (2026).
https://doi.org/10.1038/s42256-026-01261-5
Gavrikov, A., Serafini, A., Dolzhikov, D., et al. "Simulation-based inference for precision neutrino physics through neural Monte Carlo tuning." Communications Physics (2026).
https://doi.org/10.1038/s42005-026-02499-6
"Physics-consistent machine learning with output projection onto physical manifolds." Communications Physics (2025).
https://doi.org/10.1038/s42005-025-02329-1
Ma, Z., Zeng, C., Zhang, Y.-C., et al. "Predicting critical transitions with machine learning trained on surrogates of historical data." Communications Physics 8, 258 (2025).
https://doi.org/10.1038/s42005-025-02172-4
Neudecker, D., Cutler, T. E., Devlin, M., et al. "Machine Learning to Select Experiments Driven by Fundamental Science and Applications for Targeted Nuclear Data Improvement." Physical Review X 15, 021086 (2025).
https://doi.org/10.1103/PhysRevX.15.021086
Pearl, J. Causality: Models, Reasoning, and Inference. Cambridge University Press, 2nd ed. (2009).
Popper, K. The Logic of Scientific Discovery. Routledge.
Box, G. E. P. "Science and Statistics." Journal of the American Statistical Association 71, 791–799 (1976).

Source Integrity Note

本文件為 UTF-8 Markdown canonical source。數學原始碼只使用 $...$ 與 $$...$$ delimiter，不進行 LaTeX-to-Unicode 數學替換，不使用 unicode-escape round-trip。

本文延續 MGCP–USE 00–07 的「從零開始」約束，不使用作者既有私人理論作為前提。MGCP–USE Validation Stack、Counterfactual Matrix、Truth Hierarchy、Validation Acceptance Gate、Repair Budget 等為本系列研究工作結構，並非現代物理學既有標準分類。

本文引用 2025–2026 年 physics-informed validation、OOD benchmarking、counterfactual dynamics、missing-physics learning、AI experimental design、self-driving laboratories、multi-agent science 與 simulation-based inference 等研究，目的在於建立「如何驗證、如何讓候選失敗、如何設計下一個實驗」的現代技術底座。

本文不宣稱 MGCP、Primitive Transition 或 Universal State Evolution 已被實驗確認。相反地，本篇主要功能就是規定：若這些候選未來無法通過 held-out、OOD、counterfactual、cross-domain、active falsification 與 independent replication，它們就不應被升格為物理定律。

MGCP–USE 08：驗證、反事實宇宙與下一代實驗——如何證明我們真的學到了狀態演化規則？

MGCP–USE 08：驗證、反事實宇宙與下一代實驗——如何證明我們真的學到了狀態演化規則？

摘要

Part I — 最後一篇首先要否定什麼？

1. 重現已知資料不是終點

2. 擬合可以很完美，物理仍然錯

3. 高預測能力也不等於高物理一致性

Part II — MGCP–USE Validation Stack

4. 八層驗證

5. VholdoutV_{\mathrm{holdout}}Vholdout​：真正未見資料

6. VOODV_{\mathrm{OOD}}VOOD​：分布外測試

7. VcounterfactualV_{\mathrm{counterfactual}}Vcounterfactual​：干預後世界

8. VstructuralV_{\mathrm{structural}}Vstructural​：物理結構

9. VcausalV_{\mathrm{causal}}Vcausal​：介入敏感性

10. VcrossV_{\mathrm{cross}}Vcross​：跨域轉移

11. VactiveV_{\mathrm{active}}Vactive​：主動證偽

12. VreplicationV_{\mathrm{replication}}Vreplication​：獨立重複

Part III — Holdout 不應只做 Random Split

13. Random Split 的科學風險

14. 2026 MatUQ 的教訓

15. Physics Holdout Taxonomy

Part IV — OOD 與不確定性

16. 最危險的是高信心錯誤

17. 科學模型需要知道自己不知道

18. OOD 不只是 ML 問題

Part V — Structural Validation

19. Scalar Error 不足

20. Structural Validation Principle

21. 2026 Physics-Informed Structural Diagnostics

22. Structural Checklist

Part VI — Counterfactual Universe

23. 反事實不是「寫另一個宇宙故事」

24. 四類基本 Counterfactual

CF-1：Initial-State

CF-2：Boundary

CF-3：Parameter

CF-4：Rule

25. Counterfactual 比 Replay 強

26. 2025 Rigid-Body Counterfactual Rollout 的意義

27. Counterfactual 三個門檻

A. Intervention Locality

B. Dynamics Stability

C. Observable Consequence

Part VII — 最小干預

28. 完全任意改寫沒有科學辨識力

29. Minimal Intervention

30. Counterfactual Sensitivity

Part VIII — Simulator 不等於 Reality

31. 反事實通常依賴 Simulator

32. Model–Reality Gap

33. 2026 Learning Missing Physics 的教訓

34. Simulator Discrepancy Record

Part IX — Cross-Domain Transfer

35. Universal Claim 的真正高門檻

36. Transfer 不等於直接搬模型

37. Cross-Domain Transfer Test

Part X — Active Experiment Design

38. 下一個實驗最大化什麼？

39. 2026 Nature Physics-Experiment-Design Review

40. 不應只用單一 Scalar Objective

41. Active Falsification Objective

42. Cost-Aware Design

Part XI — AI Scientist 的角色

43. Hypothesis Generation 不等於 Discovery

44. 自主實驗已具有局部現實先例

45. Provenance-Complete Science

Part XII — Replication

46. 單次成功不能建立 Universal Claim

47. 四級 Replication

R1 — Same Pipeline

R2 — Independent Analysis

R3 — Independent Instrument

R4 — Cross-Domain Replication

48. Universal Candidate 需要 R3–R4 類支持

Part XIII — Negative Results

49. Null Result 是核心資料

50. 不允許無限加參數逃避

51. Repair Budget

Part XIV — Stop Conditions

52. 研究需要「何時停止相信」

5. $V_{\mathrm{holdout}}$ ：真正未見資料

6. $V_{\mathrm{OOD}}$ ：分布外測試

7. $V_{\mathrm{counterfactual}}$ ：干預後世界

8. $V_{\mathrm{structural}}$ ：物理結構

9. $V_{\mathrm{causal}}$ ：介入敏感性

10. $V_{\mathrm{cross}}$ ：跨域轉移

11. $V_{\mathrm{active}}$ ：主動證偽

12. $V_{\mathrm{replication}}$ ：獨立重複