MCDI Paper 08｜AI 逆向設計、數位實驗與跨領域驗收：從物質生成、受力破壞到自修復與自他安全的可追溯研究閉環

AI-Assisted Inverse Design, Digital Experiments, and Cross-Domain Verification: A Traceable Research Loop from Matter Formation and Fracture to Self-Repair and Multi-Party Safety

欄位	內容
系列	物質構型與動態作用研究系列（Matter Configuration and Dynamic Interactions, MCDI）
篇次	Paper 08 / Paper 00–08（九篇系列最後一篇）
原始研究構想與研究方向	Neo.K（許筌崴）
研究機構	一言諾科技有限公司（EveMissLab）
研究原稿協作	OpenAI GPT-6；正式作者、主張和投稿責任由研究者確認
文件性質	跨領域方法論、逆向設計形式規格、實驗與證據治理研究議程
日期	2026-11-02
版本	v0.1 — Series Integration Draft
證據狀態	E0：候選方法與可證偽研究方案；沒有新增 MCDI 模擬、物理實驗、碰撞測試或產品認證結果
Canonical source	無 BOM UTF-8 Markdown，原始數學僅使用 $...$ 與 `$$...$$`
上游原稿	MCDI Paper 00–07；TGMSS v2.0、CAMCRT、CRC、DCD、CECT-PF、AOCLS、SAEM、差合化保真擴張

核心定位：本篇研究的對象不是一個能「用 AI 生成所有物質」的神奇裝置，而是將各領域已界定的目標、可用操作、物理適用域、幾何／功能測量及安全限制，編譯成可被拒絕、比較、實驗核查和撤回的研究工作流。AI 可以生成候選假說與試驗方案，卻不能替實際物質、量測儀器或安全責任作證。

作者： Neo.K（許筌崴）

摘要

物質構型與動態作用研究系列（MCDI）從「如何讓分散單元在不依賴傳統外部機械壓機的條件下主動靠攏」開始，延伸至非規則幾何約束域中的選擇性成形、跨物理／化學／生物的型別化生成控制、單一材料的硬度—韌度與幾何性能相圖、殘餘應力和裂紋路徑、修復與再生，以及極端車體在事故中自身與他者的安全。前八篇建立了不同的研究任務；但若每個領域只保存自己的模擬與示意圖，仍無法回答「同一組物質構型、控制程序與限制條件，究竟能不能被逆向搜尋、驗證和跨篇重用」。

本文提出 MCDI-VIL（Verified Inverse-design Loop，驗證導向逆向設計閉環） 作為候選研究工作流。它區分目標規格、候選構成、領域專用前向模型、實際測量、證據判定與批准執行六種不同對象；以型別化的材料—幾何—拓撲—場—製程—損傷—修復—情境設計向量，描述有條件的設計空間；採多保真、多目標、含硬約束的候選搜尋，但不預設單一演算法或 AI 模型永遠優於人工設計、隨機搜尋、傳統最佳化與專用求解器。本文進一步建立模型適用域拒絕、資料洩漏防範、物質與能量帳本、不確定性分解、不可逆實驗的獨立授權、負面結果保存、版本更正及 MCDI 原有 E0–E5 證據等級的累積條件。

在研究設計方面，本文提出四個不混淆的基準任務：A／主動內聚與非規則幾何成形；B／單一材料的破壞與修復；C／極端車體的離線碰撞相容性；D／跨物理、化學、生物的型別化工作流移植。每一任務均須報告同資源基線、主要與禁入端點、校準誤差、失敗試件、計算與實驗成本、適用域及數據血統。論文設置 H08-a 至 H08-l 十二項可證偽子命題。它們尚未獲得本系列的新增實驗支持，因此整體證據狀態保持 E0。

特別值得注意的是：2023 年 A-Lab 自主材料實驗室研究在 2026 年 1 月發布作者更正，重新審核了材料辨識與新穎性主張。這個案例提醒研究者，自動化研究平台的最重要能力不只是找到答案，也包括在新證據出現後撤回、降級或重新描述答案。[R01–R03] 本篇據此將更正能力、可追溯性和否決路徑列為與優化性能同等重要的研究設計要求。

關鍵詞：MCDI、逆向設計、主動實驗、多保真最佳化、約束編譯、物理適用域、數位孿生、自修復、斷裂力學、碰撞相容性、跨領域型別化、證據分級、實驗重現、主張撤回、AI 研究治理。

1. 研究起點：為什麼最後一篇不能只寫「讓 AI 自動最佳化」？

1.1 設計空間已超出單一材料配方

Paper 01–07 的變量並非只有材料化學式。從可控制的顆粒吸引、分散式內聚、模板孔道、幾何與拓撲，到載荷、裂尖、殘餘應力、修復刺激與碰撞參與者，會同時涉及連續參數、離散幾何、混合製程、不同時間尺度及無法任意互換的實驗載體。

問題因此不是「挑一個生成式 AI，讓它輸出最佳結構」，而是：

什麼樣的候選能被正確編碼且確實可製造？
什麼物理模型能在什麼條件下可信地評價候選？
在預算有限時，下一個模擬或實驗應該測哪個候選？
若觀察與預測相反，應修改物理機制、量測方法還是約束定義？
哪些研究決策可自動執行，哪些需要受授權者及獨立評估？

1.2 MCDI-VIL 的新增研究貢獻

TGMSS 已提出製程圖、逆向設計、主動學習與 E0–E5 證據分級；CAMCRT 已提出約束、載體與實現路徑；AOCLS 已建立觀察、目標、製程及實造的區分。本篇不重複命名這些基礎；新增的是把 MCDI 七種具體問題的互不相同端點與失效模式，轉成可被同一實驗治理系統接受、拒絕、對照和修正的資料與決策契約。[A01–A12]

1.3 不主張的事項

本稿不宣稱：已建成實際自動化實驗室；跨域 AI 能完全替代領域專家；代理模型分數等於實測；經模擬高分的車體可合法上路；一套通用材料本構能解釋所有細胞、化學反應及金屬斷裂；自修復或材料再生能無成本發生；形式化約束可以取消實際能量、物質、因果與製造限制。

2. 與 Paper 00–07 的工作分工

上游篇次	提供的研究物件	Paper 08 接收的最小輸入	不能由輸入直接推論
00	共同狀態語法、MCDI-H01–H08、E0–E5	領域、目標、約束、控制、量測與主張帳本	共同語法是共同基本自然力
01	中心／分散主動內聚與能量帳本	場源、顆粒、介質、熱史、填充率及撤場測試	不用壓機即無內部壓力或無耗能
02	非規則幾何域、選擇性組裝	模板、進出口、控制時序、缺陷、拓撲與脫模	成形影像表示功能或材料密度合格
03	物理／化學／生物的型別化映射 L1–L4	載體與合法操作、測量語義、功能端點及禁入條件	相似圖樣表示相同機理或參數通用
04	S1–S3 單材層級、G0–G7 幾何、硬度—韌度相圖	本徵力學、幾何與載荷、結構吸能、批次	高表觀抗裂表示本徵斷裂韌性改變
05	殘餘應力、裂路、能量釋放與失效走廊	初始應力場、缺陷、破壞事件、風險區與剩餘承載	裂紋被導引就一定不會造成全域危險
06	修復 F0–F4、接觸／鍵結／功能與補料	裂面間距、界面狀態、恢復率、原料與修復成本	關閉裂面或外形恢復即完成材料再生
07	車體碰撞自他安全、情境與硬約束	車質量比、接觸幾何、乘員艙侵入、雙方風險及模型適用域	車殼完整就是人員安全，或能修車就可抵銷傷害

本篇的成功不等於上游全部命題已獲驗證；它只表示研究決策具有一致、可稽核的表達與拒絕機制。若某篇的機制遭反例否定，Paper 08 應正確繼承其被限制的適用域，而非替它找理由維持普遍有效。

3. 六種必須分開的研究物件

定義一個領域索引 $k$ ，可以代表膠體物理、特定化學反應、受規範的細胞系統、連續體材料力學或封閉式車輛碰撞模擬。對任一研究任務，至少區分：

Target $T_k$ ：欲達到的幾何、性能、功能與不得越過的界線。
Candidate $d_k$ ：材料、結構與時變控制的可製造候選方案。
Forward model $M_k$ ：依已明定適用域預測候選在特定情境的結果。
Observation $o_k$ ：儀器、原始數據、試件與實際發生的觀測。
Decision $a_k$ ：保留、重測、拒絕、停止、提交審查等研究判定。
Authority $h_k$ ：哪個授權主體能批准不可逆操作、對外聲稱與安全關鍵部署。

至少要禁止三個非法推論：

M_k(d_k)\neq o_k,

a_k\neq h_k,

d_k\in\mathcal D_k^{\mathrm{candidate}}\not\Rightarrow d_k\in\mathcal D_k^{\mathrm{verified}}.

第一式提醒模擬不等於實測；第二式提醒研究建議不等於授權；第三式提醒可被模型產生的候選不一定經過獨立驗證。三者屬研究治理的型別限制，不是額外的基本物理定律。

4. 型別化設計空間：可選參數、不可選規格與非法狀態

4.1 共同但不強制填滿的設計向量

為避免將某些領域不存在的控制變成虛構自由度，定義：

d_k=(m,g,\tau,b,u(\cdot),p,r,s;\mu_k).

其中 $m$ 是材料或合法生物載體、 $g$ 是尺寸與幾何、 $\tau$ 是連通／拓撲、 $b$ 是邊界與環境、 $u(\cdot)$ 是控制歷程、 $p$ 是製程／熱史、 $r$ 是損傷／修復策略、 $s$ 是評估情境； $\mu_k$ 是指明哪些欄位存在、可變、凍結或不適用的型別遮罩。

例如，僅測單材幾何時應凍結 $m$ ；比較純幾何的 S3 數值實驗應凍結材料本構；在單次車體碰撞研究中，修復 $r$ 只作事後成本，不能作事故即時傷害的減分補償。

4.2 候選合法域

\mathcal D_k^{\mathrm{legal}}= \left\{d\in\mathcal D_k^{\mathrm{typed}}:\ c_{kj}(d)\le 0\;\forall j,\ \operatorname{Permit}_k(d)=1\right\}.

$c_{kj}$ 包含幾何製造容差、溫度、電場、反應性、設備上限、人體保護與材料來源等限制。 $\operatorname{Permit}_k$ 只代表已明確核准的研究運行條件。模型還沒有算出風險，不代表風險為零；缺少合法判準時，必須返回 UNSPECIFIED 或 NOT_AUTHORIZED。

4.3 非法提案示例

在沒有足夠磁性或極化響應的材料上，強行輸出「開磁場即可吸引」。
在沒有替換前驅物與原料帳本的情況下，要求缺失物質憑空再生。
將 Paper 03 的細胞增殖等同於 Paper 01 的固定顆粒數守恆。
將 Paper 04 的理想本構 S3 當成現實可直接供貨的材料規格。
使用 Paper 07 的代理乘員風險分數代替法規或人體傷害認證。

任何一項應能由型別檢查器在求解前拒絕，並留下原因碼。

5. 目標不是單一最優分數，而是有優先序的可行集合

5.1 分欄的多目標損失

設定選定任務下的損失向量：

\mathbf L_k(d)=\bigl( L_{\mathrm{geometry}}, L_{\mathrm{function}}, L_{\mathrm{failure}}, L_{\mathrm{recovery}}, L_{\mathrm{resource}}, L_{\mathrm{uncertainty}} \bigr).

不同任務只使用有定義、可量測的欄位。例如生物學以細胞活性、表型與功能作硬門檻；車體安全以自身、對方和弱勢道路使用者的傷害評估為優先限制；對膠體成形則用幾何與拓撲保留、場外固定及真正合格產率。

5.2 硬約束優先於 Pareto 搜尋

先定義滿足所有不可互相抵銷條件的可行集合：

\mathcal F_k=\{d\in\mathcal D_k^{\mathrm{legal}}: H_{kj}(d,s)\le 0\quad\forall j,\;\forall s\in\mathcal S_{\mathrm{required}}\}.

然後才尋找 $\mathcal F_k$ 中的非支配設計：

\mathcal P_k=\operatorname{ParetoMin}_{d\in\mathcal F_k}\mathbf L_k(d).

同一方案降低能耗，不能使原本不合格的碰撞保護、反應安全或細胞存活條件變成合格。若 $\mathcal F_k$ 為空，應報告「目前約束下無合格解」，不得自動削弱硬約束。

5.3 不確定情境的風險型約束

若 $\omega$ 表示預先定義的製造波動、材料批次與碰撞／載荷情境，某些可量測風險可提出：

\Pr_{\omega}\bigl[H_{kj}(d,\omega)\le0\bigr]\ge1-\alpha_j.

這只是待校準的研究要求。有限模擬樣本的預測通過率，不能直接當作真實道路事故或生醫應用的可信失效機率； $\alpha_j$ 應由用途、危害與外部標準決定，不能在本稿任意編造為認證門檻。

6. 把逆向設計與前向物理求解分開

6.1 前向模型的領域選擇

\widehat y_{k,f}=M_{k,f}(d,s;\theta_{k,f}),\qquad (d,s)\in\mathcal A_{k,f}.

$f$ 代表物理保真等級， $\mathcal A_{k,f}$ 是經過校準或明示的適用域。可使用布朗動力學／粒子模擬、反應—擴散、分子動力學、相場、有限元素、顯式動力學、材料本構或經驗代理模型；不對所有領域指定同一求解器。

理想情況下，已知守恆律、邊界條件及物種反應先決定方程形式；機器學習用來近似昂貴求解、產生候選或預測失效區，而不是直接替換所有機制判斷。

6.2 哪種模型不能進入哪種結論

模型輸出	可被用來說明	不可以被用來聲稱
代理模型預測	指定域內的候選排序與不確定度	物理實驗已成功
有限元素載荷曲線	假定本構與邊界下的結構響應	實車已通過碰撞法規
粒子密度模擬	模型中局部聚合或堵孔機率	真實結構已完成化學鍵結
相場裂縫圖	指定參數下裂紋演化候選	實際裂路必然受控
反應—擴散模擬	指定機制的化學圖樣	細胞已形成具功能器官
修復損失下降	模擬中界面與性能改善	任意材料能自行再生缺失質量

6.3 模型覆蓋與拒絕

以 $\widehat{\mathcal A}_{k,f}$ 表示實際校準資料支持的模型域，以 $\mathcal D_k^{\mathrm{request}}$ 表示新的設計請求。若請求落在域外，應回傳 OUT_OF_DOMAIN、提出必要的新量測或轉高保真；不能只因神經網路能輸出數字便繼續最佳化。

7. 多保真研究：廉價模型負責探索，高保真模型負責確認

7.1 保真等級不是固定價格階梯

建議將每個候選的評估來源分為：

Fid-0：解析估計、低維模型或安全啟發式檢查。
Fid-1：低網格／簡化物理數值模型。
Fid-2：校準的高保真領域求解器或多場耦合模型。
Fid-3：低風險元件或試件實驗與獨立量測。
Fid-4：跨批次、跨設備、跨操作者／研究單位的重現。

這些只是MCDI 的計算／量測來源標籤，不可與 TGMSS 的 E0–E5 證據等級或 V0–V6 流程混成一個序列。某個高保真模型若使用錯誤本構，其可信度甚至可能低於經過獨立校準的簡單模型。

7.2 真實性依輸入位置改變

廉價模型與高保真結果之差，可能隨幾何、載荷、相態與控制歷程變化；不得預設低保真結果在所有設計點都有固定偏差。2024 年 Fan 等研究了輸入依賴的多保真資訊品質；2025 年材料與分子研究的最佳實務工作也指出，低成本資訊來源是否真的有用，取決於其資訊性、成本與配置方式。[R07–R08]

7.3 評估成本必須完整

C_{\mathrm{total}}=C_{\mathrm{compute}}+C_{\mathrm{fabrication}}+C_{\mathrm{measurement}}+C_{\mathrm{energy}}+C_{\mathrm{waste}}+C_{\mathrm{review}}.

對活體、化學或道路安全域，還須另列不能由金錢分數抵銷的倫理與安全限制。工時與資源不得只算模型推理 token，而忽略設備準備、試件失敗、量測校準與資料審查。

8. 不確定性：至少七種來源，不能只放一個信心值

類型	問題	主要審查方法
$U_{\mathrm{model}}$	方程、本構或代理偏差	模型比較、域外驗證、敏感度分析
$U_{\mathrm{parameter}}$	未知反應速率、材料性能與界面條件	校準分布、可辨識性檢查
$U_{\mathrm{numerical}}$	離散化、收斂、時間步誤差	網格／時間步收斂、守恆殘差
$U_{\mathrm{measurement}}$	儀器與影像分割誤差	校準、重測、量測不確定度
$U_{\mathrm{process}}$	批次與製程隨機性	真實重複試件、分層變異
$U_{\mathrm{scenario}}$	載荷、碰撞與環境分布未知	明確情境集、壓力測試
$U_{\mathrm{domain}}$	轉移到新材料／新尺度造成失真	域外拒絕、獨立新域測試

不同來源通常相依，不能任意將七個百分比直接相加或相乘成「總可信度」。對重要結論應使用合適的聯合不確定性傳播，並明示未被估計的來源。

8.1 校準不等於機制成立

機器學習預測區間具有某種覆蓋率，不代表模型的物理機制正確；反之，物理方程符合守恆律，也不自動保證參數已校準或未忽略關鍵反應。數值驗證（verification）、實驗確認（validation）、不確定性量化（UQ）需各自留下證據。[R10–R12]

8.2 對應決策的可信度

若方案只用來決定下一個低風險試件，允許的模型不確定性可以不同於用來發布安全關鍵零件。模型可信度應與決策用途及出錯後果相稱，這與 ASME V&V 40 的風險導向可信度概念一致；該標準本身針對醫療器材，不等於 MCDI 車輛或生物系統已遵循相同監管制度。[R12]

9. 多目標最佳化與候選集合，而不是單一勝利圖片

9.1 主基線

每一個研究任務至少應設定有意義且安全的：

RANDOM_FEASIBLE：在可行設計集合中受約束的隨機搜尋。
DOMAIN_HEURISTIC：領域內專家規則與傳統設計。
CLASSICAL_OPT：固定預算下的演化、梯度或其他適用最佳化器。
SINGLE_FIDELITY：只使用指定一級資訊來源的自適應搜尋。
MULTI_FIDELITY：使用多級資訊與明確成本選擇。
MCDI_TYPED：型別檢查、硬約束、域外拒絕與回授的提案工作流。

必要時加入 NO_CONTROL、FIXED_FIELD 或 FIXED_GEOMETRY 作機制陰性對照，但不能將最弱基線當作唯一比較對象。演算法沒有跨所有可能問題的普遍優勢；Wolpert 與 Macready 的 No Free Lunch 理論是提醒我們必須指定問題族、先驗及比較分布，而非「所有演算法實際性能都相等」的誤讀。[R14]

9.2 候選不是全部留在同一維度打分

可依測試目的保留一組 Pareto 候選，每一項含模型適用域、製造能力、成本及不確定性，而非強迫將「人命、細胞活性、幾何精度與能耗」換算成可互相補償的加權總分。多目標 Bayesian optimization、qEHVI 與 qNEHVI 提供現有可用方法；本稿不宣稱已重做或改進其演算法。[R04–R06]

9.3 資源等價的三種方式

若某方案比較的是「給定 100 次低保真模擬與 10 次高保真試驗」，需同時報告同總成本、同高保真呼叫數、同實際時間上限三種視角。當這三者不能同時匹配時，不能任選其中一個指標就宣稱全面優越。

10. MCDI-VIL：共同逆向設計研究閉環

10.1 候選閉環階段

TASK_DEFINE → TYPE_CHECK → HARD_CONSTRAINT_CHECK
   → MODEL_DOMAIN_CHECK → BASELINE_GENERATE
   → CANDIDATE_PROPOSE → SIMULATE / SENSITIVITY / UQ
   → REJECT_OR_RANK → PRE-REGISTER_NEXT_TEST
   → INDEPENDENT_AUTHORIZATION
   → AUTHORIZED_MEASURE_OR_SIMULATE
   → RAW_EVIDENCE_INGEST → BLIND_EVALUATE
   → CLAIM_UPDATE_OR_RETRACT → MODEL_CALIBRATION
   → NEXT_ITERATION_OR_STOP

這是研究架構，不是可以直接控制實驗室設備的安全軟體。

10.2 三種不同的迴圈

計算迴圈：候選與模型比較，只能增進預測與排序品質。
實驗迴圈：在已批准條件下產生實際量測資料，能檢驗物理機制。
證據迴圈：獨立核對主張、修訂版本與對外表述，必要時撤回前述結論。

後兩者不能被第一者自動取代。理想的閉環會有終止狀態 PASS, FAIL, INCONCLUSIVE, OUT_OF_DOMAIN, UNSUPPORTED, NOT_AUTHORIZED；不應將所有結果擠成「成功／失敗」二元。

11. 主動選取下一個實驗：先問可辨識性，再問分數改善

11.1 如果兩個機制產生相同外觀，應優先測哪個？

設存在兩個候選機制 $M_a,M_b$ ，兩者都能擬合某個聚合影像，但其預測的場關閉後留存、等熱史對照或表面反應特徵不同。此時最有價值的下一個實驗，未必是最高產率候選，而是最可能區分兩個機制的實驗。

給定尚未消除的機制假說集合 $\mathcal H$ 、候選實驗 $e$ 與資料 $D$ ，可形式化資訊增益型實驗價值：

\operatorname{EIG}(e)=H(\mathcal H\mid D)-\mathbb E_{y\mid e,D}\bigl[H(\mathcal H\mid D,e,y)\bigr].

這個式子只在指定合理的先驗、似然與可觀測變量時有操作意義。若概率模型缺乏可校準來源，應退回無模型的機制對照與假說排除，不能假裝計算出精確資訊增益。

11.2 機制識別優先序

依 MCDI 上游研究，需要優先排除：

場控組裝中由局部升溫、對流或壁面化學造成的假吸引；
幾何組裝中由孔口提前封閉造成的表面成功／深部失敗；
單材力學中製程差異偽裝成幾何增韌；
魯珀特之淚中把殘餘應力誤判成壓痕硬度提升；
自修復中把裂縫接觸、固定夾持誤判成撤場後的鍵結恢復；
雙車碰撞中把自車外殼保存率誤判成所有參與者傷害降低。

11.3 將新樣本與確認樣本分開

候選搜尋可使用歷史資料建立模型；最終用於支持主張的確認性試件／情境，應在模型選擇完成後鎖定。若結果不符而重新設計模型，必須另立下一版的確認性資料，不能將同一批資料反覆用於選模和獨立驗證。[R09]

12. 數位實驗與數位孿生：保留四個不同對象

延續 AOCLS v2.0 的分工：

數位對象	表達內容	容易發生的混淆
Observation twin	真正量到的樣本、環境與不確定性	以生成圖取代原始量測
Target twin	想製成或維持的幾何與功能	把理想要求當真實達成
Process twin	設備、時間程序、場、溫度與材料流	忽略實際工藝允許域
As-built twin	成品實際幾何、殘留應力、缺陷與功能	只用設計 CAD 代表實際成品

對修復問題還要保存 as-damaged 與 as-repaired 兩個不同狀態；對車禍則需保存 pre-crash、during-crash、post-crash，避免事後復原把事故中的傷害數據沖掉。數位孿生可以是推論與管理工具，不能因名稱帶有 twin 就宣稱已達即時性或充分觀測。

13. 基準 A：主動內聚與不規則幾何成形

13.1 任務

以低危險的可觀察膠體顆粒，在二維分叉／盲端及可製造的三維不規則模板中，比較連續吸引、中心式吸引、分散式場控和有明確機制的撤場／排斥／重排／鎖定程序。[A02–A03]

13.2 預先固定的主要終點

建議以批次合格率為主要端點：同一批次在預設分區的幾何、拓撲、局部填充及場外固定均達標才算成功；次要端點才是局部到達率、堵孔時間、釋放率、材料回收與能耗。

13.3 共同基線與負對照

無場、固定場、等熱史假場、等總能量開環、相同觀測能力閉環；對不具物理響應的惰性顆粒可設安全陰性對照。必須固定粒徑、介質、濃度、模板製造批次及成像判定規則。

13.4 必須保留的負面結果

即使表面輪廓符合，也須記錄無法看見的深部堵孔、不可逆凝聚、脫模坍塌、場外解散、污染和物料損失。若結果僅證明顆粒被移動，仍不得聲稱完成高密度材料合成。

14. 基準 B：單材極值、裂路與自修復

14.1 兩種比較不能混成一種

B1：同材幾何比較。採 Paper 04 的 S2 實體試件或 S3 理論模型，固定材料與可辨識製程，變更 G0–G7 幾何及載荷模式，觀察承載、破壞能量與裂紋路徑。

B2：修復介入比較。先固定一種材料及損傷，分別對照無修復、僅吸引靠攏、僅適用的熱／化學刺激、聯合修復及關場後重新受載。不可用 B2 得到的高性能冒充 B1 的純幾何效果。[A05–A07]

14.2 主要端點

要求分別量測裂面間距、鍵結或界面品質、初始及修復後承載、抗裂與疲勞、殘餘應力重分布、總質量和外加原料；缺角再生需獨立報告補充原料與最終孔隙。單一「修復百分比」不可覆蓋所有指標。

14.3 強制負對照

對帶殘餘應力的材料，檢驗修復加熱是否改變了原本有益的表面壓應力，或造成新的局部拉應力；若脆性材料在反覆修復後強度下降，也需計入壽命衰減和拒絕條件。

15. 基準 C：極硬／極韌車體的離線碰撞相容性

15.1 安全限制先於設計優化

第一階段只允許經核查的簡化力學模型及封閉式數值試驗，不產生可直接上路的車體設計認證。依 Paper 07，在相同總質量、車體主要外形與明定的約束條件下，比較極硬偏少變形、極韌且耗能、極韌偏彈性反彈等不同理想化構型；並分離車身剛性、材料硬度與斷裂韌性。[A08]

15.2 情境矩陣

至少分離等質量正面碰撞、質量不等雙車碰撞、部分重疊與斜碰，以及具有不同接觸高度的情境。行人／騎士比較須使用具專門有效域的模型，不應把雙車模型的力直接替代人體傷害。對缺少合格人體代理的情境，必須保留 UNASSESSED。

15.3 評價不是自己的車剩多少

主要安全端點至少包括車內各乘員相關量、乘員生存空間、另一方乘員相關量、弱勢道路使用者風險及救援可及性。把另一方的風險排除，再宣稱整體最優，是不合格的目標設定。自車可修復性只在事故後生命週期成本與再使用資格中計入，不得抵銷事故中任何人的傷害。

16. 基準 D：跨物理、化學與生物的型別化移植

16.1 移植目標只能先從工作流層開始

延續 Paper 03 的四級定義：L1 語法可映射、L2 工作流程可映射、L3 功能可映射、L4 機制／參數可定量轉移。Paper 08 不將 L1–L3 自動升級為 L4。

可先選擇在各領域都合法、具明確量測結果的任務，例如「約束邊界—定位—反應／鍵結—量測—拒絕」流程。每個領域使用自己的材料和模型，且在本領域內與 DOMAIN_ADAPTIVE 比較。

16.2 生物測試不與一般微粒實驗等價

若涉及真正細胞、組織或類器官，必須先獨立通過所需倫理、生物安全、細胞來源及設備資格審查；本稿沒有提供任何可以繞過此要求的 AI 自主實驗權限。未取得合規授權時只能使用不涉及活體的模擬與公開數據。細胞存活、表型與功能不得被幾何圖像合格替代。[A04]

16.3 無法移植也是合格的研究發現

若某材料的機制特有、型別映射不可定義，應輸出 UNMAPPED，記錄缺失條件；不要為了證明「跨領域統一」，硬將其翻譯成虛假的共同參數。

17. 對照實驗的統計規格：比較的是方法，而不是漂亮樣本

17.1 獨立單位

成形試驗以批次／模板為主要獨立單位；力學試驗以獨立試件或製造批次為單位；碰撞模擬以預先鎖定情境與模型版本為單位。一張影像內的上萬顆粒，不等於上萬個獨立的實驗。

17.2 配對與分層

若要比較兩個演算法，應讓它們共享合法設計候選、同批校準資料、相同實驗負擔與盲化的終態評分。若共享資源不可能，至少完整揭露差異並做多種資源匹配的敏感度分析。應預先固定主要端點、最小有用效益、資料排除與多重比較方法，而不是看到哪個指標好才宣布它為成功。

17.3 演算法過擬合測試

Random split：只用於當問題分布允許且不會洩漏群聚資料時。
Group holdout：以材料批次、配方族、幾何族、設備或研究室為組留出。
Temporal holdout：對時間序列資料按未來批次留出。
Stress test：包括不預期但合理的製程漂移與最壞合法情境。
Correction set：收錄已更正、撤稿、反例及機制識別失敗的案例，測試系統會不會正確降級舊主張。

Matbench 的材料機器學習基準討論了跨資料集比較、交叉驗證與模型選擇偏差；但 Matbench 本身並不是 MCDI 針對幾何製程、修復或真實碰撞的完整驗證集合。[R09]

18. 主張更正：從「自動得到答案」到「自動承認答案不再成立」

18.1 A-Lab 2026 年更正案例

2023 年的 A-Lab 論文報告自主材料合成成果。2026 年 1 月 19 日的作者更正，重新審核了合成成果的粉末 X 光繞射判定與「新穎材料」措辭；經人工複查，原先 40 個宣稱成功中有 36 個得到確認，另 4 個為無法定論，原始文章已更新為在 57 個目標中實現 36 個化合物，並更正了「對預測平台而言的新材料」與「對科學界而言的新材料」的歧義。[R01–R03]

這不意味自主實驗毫無價值，恰好相反：它提供一個極具教育性的例子，說明合格系統必須保存原始判定、重新分析、證據變動和對外主張版本，不應把一次模型成功永久寫成不可撤銷的物理真理。

18.2 研究主張的狀態轉移

PROPOSED → MODEL_SUPPORTED → COMPONENT_OBSERVED
          → INTEGRATED_OBSERVED → INDEPENDENTLY_REPLICATED
                    ↘ INCONCLUSIVE / CONTRADICTED / RETRACTED

這是研究主張狀態圖，不是與 E0–E5 一一相同的證據等級。CONTRADICTED、INCONCLUSIVE 與 RETRACTED 必須保留過去版本、原因及相關原始證據；不允許用新文件靜默覆蓋舊結論。

18.3 非常重要的失敗準則

若 AI 在引用更正後仍自動重複被撤回的「41 種全新材料」敘述，則即使其設計候選排名很準，也應判定為證據治理失敗，不得進入自動公開宣稱流程。

19. 研究權限與不可逆操作的執行閘門

19.1 提議、計算、評分、授權分離

可以讓 AI 建立候選、產生模擬工單、檢查數據完整性與建議下一個實驗；但實體設備通電、化學反應啟動、生命材料操作與碰撞安全關鍵原型，必須依領域特定的授權和人員責任安排。AI 的 approve_candidate 不可映射為實驗台的 execute 權限。

19.2 三級閘門（MCDI 內部研究建議，非政府或第三方認證）

閘門	適用內容	必要條件	拒絕型別
Gate R0	離線、可逆、已定義域內的模型運行	版本、預算、適用域、資料權限	`OUT_OF_DOMAIN`／`DATA_NOT_AUTHORIZED`
Gate R1	低風險實體材料／元件測試	設備權限、安全方案、負對照、量測預案	`NOT_AUTHORIZED`／`UNSAFE_SETUP`
Gate R2	不可逆、高能量、活體或公共安全相關活動	專業審查、法規／倫理路徑、獨立量測、停機條件	`SPECIAL_REVIEW_REQUIRED`

通過 Gate R0 並不意味可自動通過 R1 或 R2。即使已通過一次 R1，也不可無限放大能量、規模或參與材料種類；超出原範圍就要重新授權。NIST AI RMF 1.0 的治理、識別、量測及管理功能，可提供風險治理的參照，但其自願性框架不能代替任何特定領域的法定許可。[R10]

20. 驗證與驗收：證據、計算保真和實驗流程不是同一條尺

20.1 原有 E0–E5 完整保留

等級	TGMSS／MCDI 沿用定義	本篇可以聲稱的內容
E0	概念與機制假說	提出算法、明定資料契約與可否證命題
E1	數學或數值模擬	在指定模型及參數域內取得可重算的結果
E2	單一模組實驗	元件級實物量測支持限定機制
E3	整合原型	在整合平台觀察到限定功能
E4	外部重現	獨立團隊按規格重現限定結果
E5	試產或長期運行	在明定窗口與持續品質監測下證實

每個命題要分別賦級，不可因 Paper 01 某個已知物理先例具有外部實證，就讓 MCDI Paper 08 的完整流程自動達 E2。E5 也不是汽車法規認證、醫療許可或生物倫理批准的同義詞。

20.2 TGMSS V0–V6 的角色

V0 機制識別、V1 模型校準、V2 模板／試件製造、V3 材料轉移、V4 去模板或結構保持、V5 功能驗證、V6 批次及外部重現，是已建立的製程驗證框架。對不需模板的某些場控、修復及碰撞任務，可標記部分步驟 NOT_APPLICABLE，並記錄替代的領域專用檢查；不能硬把每一項塞成模板測試。

20.3 數值工程的專門可信度

涉及材料與碰撞連續體模擬，應依適用的計算力學 V&V、求解器驗證、網格收斂、參數不確定性及實測對照要求；ASME V&V 10 與 VVUQ 標準庫可作方法參考。對正式第三方檢測機構，其能力、公正性及一致運作可參照 ISO/IEC 17025:2017；本稿並不聲稱 EveMissLab 已通過相應實驗室認證。[R11–R13]

21. 原始資料、數位血統及機器可追溯性

21.1 每個候選必須能追到來源

記錄鏈至少為：

claim → target_spec → candidate_design → source_inputs
      → model_run / apparatus_run → raw_observation
      → processing_and_calibration → uncertainty
      → evaluation → review → claim_revision

每個節點應有版本、原始 hash、時間、責任角色、資料類型、可用授權與已知限制；資料存在加密或封閉權限環境時，也要保留必要的內部可核查定位，不能假裝已對外公開。FAIR 原則強調可發現、可取得、可互操作及可重用；「可取得」不等於任何資料一律無限制公開。[R15]

21.2 至少保留原始觀測、不是只留漂亮圖

成形試驗：原始影像／序列、校準參數、二值分割、實物幾何掃描、模板與批次。
力學試驗：原始力—位移／應力—應變、採樣頻率、設備配置、裂紋事件、試件照片。
修復試驗：裂前／裂後／修復後狀態、補料、能源、每輪重載、失敗循環。
碰撞模擬：材料卡、網格、接觸參數、求解器、能量殘差、所有參與者的可辨識輸出。
跨領域映射：原域與目標域型別、合法操作、映射失敗與不可比較指標。

21.3 採分層證據索引而非複製全部資料

MCDI 可與現有 EveMissLab 的可尋址資料、圖論及證據檢索方法對接，但引用必須指向實際原始檔、頁／段落／時點／儀器事件，保留資料來源、存取授權與 hash；只顯示「已經搜尋到相關內容」不構成可檢驗的實驗證據。

22. AI 的合適位置：搜尋者、翻譯者與審核輔助者，而不是替代物理現實

22.1 候選生成

由語言模型、圖搜尋、最佳化器或人工專家從目標規格形成設計候選，但所有候選都經同一型別檢查及安全限制。候選來源可以是 AI 或非 AI；用不同來源的合格候選數與成本比較，才能判斷 AI 是否帶來淨收益。

22.2 模型選擇與問題分解

若簡單解析模型已足以判斷候選不可行，不必啟動高成本多場求解；若已超出薄板、LEFM、均質有效介質或固定粒子數等假設，應升級模型或拒絕，而非用更大的生成模型掩蓋方程適用域。

22.3 圖論、異質耦合與局部高保真

可將材料—幾何—場—工序—測量的依賴表示成有向／超圖，先在任務圖上搜尋可滿足的約束，再將高保真數值計算限制於敏感區域。作者既有 CAMCRT、TGMSS 與相關圖論運行方法可作候選接口，但本文並未對任何特定 EveMissLab 演算法完成性能基準；是否真能節省時空資源，須在 Paper 08 的同預算實驗中證明。

22.4 獨立審核

提出候選的模型可以協助整理初步理由，但不能把同一模型的自我評分當作獨立實測或研究批准。嚴格用途應有獨立資料、模型版本、驗證者和可否決機制。2026 年自動實驗室綜述特別強調資料血統完整性、互操作與可信系統，與此方向相符。[R16]

23. MCDI-H08：十二項可證偽子命題

所有命題均需在執行前固定材料／領域／設備／預算、評分規則與最小有用效益；截至 v0.1，全部仍是 E0。

子命題	限定情境的待測主張	首要觀測	限制／否證結果
H08-a 型別拒絕	型別化規格較無型別提示更少產生不可實施提案	非法提案率與拒絕正確率	拒絕誤判太多或未能辨識關鍵危險
H08-b 同預算效率	至少一類 MCDI 任務中，閉環方法以同總成本更早取得合格設計	達標成本分布與成功批次	與傳統／隨機／專用基線無穩定優勢
H08-c 時序因果性	對某些不規則模板，時序優化在等能源／等工時下改善合格率	盲化批次合格率	改善只是額外熱史或材料量所致
H08-d 域外拒絕	明確域外判斷降低新材料／尺度上的嚴重誤判	域外錯誤與拒絕代價	拒絕器不校準，漏掉關鍵外插
H08-e 多保真效益	依輸入位置與成本選保真度可減少高成本評估	同成本下合格前沿或試驗數	高保真呼叫無減少、校準偏差擴大
H08-f 機制識別	主動選測比只追最高分更快區分候選機制	預註冊機制辨識率	選測後仍不可辨識或與無模型對照相同
H08-g 幾何—材料分離	型別化 S1–S3／G0–G7 設計減少把製程差異誤算成純幾何效果	因果偏差與獨立材質量測	誤歸因未改善或錯誤假設更強
H08-h 破壞—修復聯合建模	事前裂路、殘應力與補料資訊改善修復結果預測	外部批次的恢復誤差	只有裂縫寬度的簡模型反而更準
H08-i 多主體安全	加入對方車／弱勢參與者硬約束，改變部分候選排序或可行域	情境下可行解與非支配集合	差異不可識別，或模型不具適用域
H08-j 跨載體工作流	L1–L3 型別化映射可在指定任務保留合法的功能端點	領域內同預算績效	無法映射、不可比或低於專用方法
H08-k 證據更正能力	追溯式帳本能辨識已修正主張並避免過期結論再被升級	更正集上的撤回／降級正確率	系統仍重複使用已撤回的原始說法
H08-l 可重現與安全性	版本化資料、授權閘門與獨立量測可降低不可追溯及未授權執行事件	原始資料完整率、再現與審核異常	存在無授權運行、資料遺失或無法重算

23.1 不應事後改寫反證門檻

若實測結果未支持 H08-b，不可在同一批次把計算預算偷偷換成 token 消耗再重新宣稱優勢；若 H08-e 在某些材料區域失敗，應縮小有效域或停用多保真策略，而不是把該失敗樣本刪除。H08-i 不要求多主體評價必然產生某種固定的優越車體，只要求搜尋程序在可核查條件下正確處理其風險約束。

24. 預註冊、樣本分配與停止規則

24.1 必填預註冊欄位

研究任務、可量測主要端點、替代模型、候選策略、成本預算、合法控制、材料／設備批次、已知不確定性、模型有效域、抽樣與樣本數規劃、失敗分類、統計估計方法、獨立驗證安排及可執行的停止條件。

24.2 不事先捏造實驗樣本數

每項試驗的樣本數應依先導試驗變異、預期最小有用差異、損傷風險、群聚設計與統計方法計算。沒有先導資料時，應公開說明尚無 power 分析依據，先做標準化量測與可行性試驗；不得把「重複 3 次」當作所有任務都達標的普世準則。

24.3 必須停止或退回的事件

物質與能量帳明顯不閉合，或儀器量測失效；
模型輸入超出有效域、出現不可識別反應或殘餘應力；
裝置過熱、堵孔、電解或化學污染超出安全計畫；
試件發生不可控制碎裂、飛散或不安全載荷；
生物倫理或設備權限不符；
車輛情境出現關鍵人體模型缺失卻要求給出安全結論；
高成本驗證無法重現而系統仍自動提高證據等級。

停止並回報失敗，是研究系統的一種正確結果。

25. 與現有研究治理和實驗制度的關係

25.1 研究來源不是外部驗證

TGMSS、CAMCRT、差合化、CRC、DCD、AOCLS、SAEM 及 MCDI 先行稿，提供作者自己的問題語法與系統框架，不能獨立證明自己提出的物理主張。外部文獻也必須標示研究材料、尺度、實驗設置、年份及是否有更正；單一成功案例不能無條件推導到所有材料與載體。

25.2 既有開放基礎建設可被重用

材料資料治理可參考 FAIR； AI 風險識別可參考 NIST AI RMF；自動化實驗設計可參考已發表的自動實驗室與 Bayesian optimization 工作；模型可信度可參考 ASME VVUQ；檢測實驗室能力可參考 ISO/IEC 17025。這些是各自適用的參考來源，本稿沒有創立超越所有既有科學標準的新認證制度。[R04–R16]

25.3 發表與版本紀錄

正式研究結果須以 UTF-8 Markdown 原始稿、原始資料與來源版號共同構成可稽核提交；若另行轉 PDF、HTML 或網站，應能追溯至相同原始版本。對更正的數據與解釋使用 append-only 修訂紀錄，必要時公布更正或撤回通知，避免只替換原文造成歷史無法回溯。

26. 理論價值與限度：差合化、幾何約束與 AI 的真正位置

若以差合化的型別化語言作閱讀，可以把差異對應為領域、材料、幾何、損傷及測量條件的區分；把「合」對應為有適用域的連結、接觸、耦合或共同驗證程序；把「化」對應為可追蹤的狀態轉移、破壞、修復、再生及主張更新。但這只是作者既有抽象理論與工程操作間的候選映射，不是差合化已被證明為新物理基本定律。[A11]

MCDI 的較強主張應是方法論的、可拒絕的：給定領域、目標、合法控制、資源及可測端點時，是否能更有效地找到可信候選，並更可靠地知道什麼時候不能相信它？ 這個問題允許成功、失敗、不適用、不可比較四類結果，不需要先假設 AI 或幾何設計一定優於現有工藝。

27. 全系列整合結論：從形成、承載、失效到恢復與公共安全

MCDI Paper 00–07 已把一個直覺性問題拆解成彼此相關但不可混同的研究鏈：分散單元如何被主動導引；幾何約束如何改變可達狀態；物理、化學、生物是否共享合法的控制語法；單一材料在不同幾何下如何承載與受損；殘餘應力怎麼控制裂紋；裂面如何重新鍵結、補料與恢復功能；以及車體損傷如何關係自身、他者與道路安全。

Paper 08 將上述問題轉化為可執行的候選—預測—觀測—核查—修訂工作規格，其價值不是把世界壓成一個 AI 的總分，而是保留每一個材料與作用域自己的物理特性、證據負擔及停止規則。只有在低危險試件、可重算模擬、獨立實驗與真正具有授權的部署路線各自通過要求後，才可能逐步談工程化、應用化或外部認證。

本稿的實際交付：型別化設計空間、硬約束／多目標形式、適用域與不確定性模型、閉環工作流、四組研究基準、十二項 H08 可證偽命題、主張更正機制、權限閘門、資料契約與下一階段研究交接。截至 2026-11-02，本系列 Paper 08 沒有新增實際模擬或材料／碰撞實驗；維持 E0。

參考資料

A. EveMissLab 既有研究與 MCDI 系列（研究脈絡，非外部驗證）

[A01] Neo.K／EveMissLab，MCDI Paper 00｜物質構型與動態作用：共同狀態語言、物理邊界與可證偽研究總綱，v0.1，2026-11-02。MCDI canonical source。
[A02] Neo.K／EveMissLab，MCDI Paper 01｜主動內聚、中心吸引與分散式緻密化，v0.1，2026-11-02。MCDI canonical source。
[A03] Neo.K／EveMissLab，MCDI Paper 02｜幾何約束域中的選擇性組裝與形態生成，v0.1，2026-11-02。MCDI canonical source。
[A04] Neo.K／EveMissLab，MCDI Paper 03｜跨物理、化學與生物的生成控制，v0.1，2026-11-02。MCDI canonical source。
[A05] Neo.K／EveMissLab，MCDI Paper 04｜單一材料的硬度—韌度極值與幾何性能相圖，v0.1，2026-11-02。MCDI canonical source。
[A06] Neo.K／EveMissLab，MCDI Paper 05｜殘餘應力、裂紋路徑與可控破壞，v0.1，2026-11-02。MCDI canonical source。
[A07] Neo.K／EveMissLab，MCDI Paper 06｜主動內聚介入的自修復、材料再生與可逆重構，v0.1，2026-11-02。MCDI canonical source。
[A08] Neo.K／EveMissLab，MCDI Paper 07｜極端車體結構的碰撞相容性與自他安全，v0.1，2026-11-02。MCDI canonical source。
[A09] Neo.K，拓撲導向物質生成系統：多尺度幾何約束、自組裝與時間編程的製造架構（TGMSS v2.0），2026-07-29，概念技術研究。無界智庫公開版。
[A10] Neo.K／EveMissLab，約束代數與混合載體實現論：從幾何、材料、場到人工臨界態（CAMCRT），2026-09-11。無界智庫公開版。
[A11] Neo.K，差合化的保真擴張：從三元最小基底到型別化算子語法、複合閉包與不可約性判定，2026。無界智庫公開版。
[A12] Neo.K，AOCLS 觀察導向閉環製造平台 v2.0，2026-07-29。無界智庫公開版。
[A13] Neo.K，從固定硬體到可變物質：AI 驅動自適應物理系統的 SAEM 框架，Paper 14，2026-08。無界智庫公開版。
[A14] Neo.K，構成復現命題：材料、幾何與有效物理的多對一映射（CRC），2026-08-23。無界智庫公開版。
[A15] Neo.K，約束不是常數：從限制到控制變量的動態可達物理域（DCD），2026-08-23。無界智庫公開版。
[A16] Neo.K／EveMissLab，外場—內域—介質耦合輸運：跨介質命題族的最小約束代數（CECT-PF Paper 01），2026-09-15。無界智庫公開版。

B. 外部可核查研究、方法與制度（截至 2026-11-02）

[R01] Szymanski, N. J., et al. (2023; 2026-01-19 更正後版本). “An autonomous laboratory for the accelerated synthesis of inorganic materials.” Nature 624, 86–91. DOI: 10.1038/s41586-023-06734-w。請使用更正後版本，不可引用已修正的原始數字及不清楚的新穎性措辭。
[R02] Szymanski, N. J., et al. (2026). “Author Correction: An autonomous laboratory for the accelerated synthesis of inorganic materials.” Nature 650, E1. Published 2026-01-19. DOI: 10.1038/s41586-025-09992-y。包括 36/40 重新分析及 4 個不確定目標的更正。
[R03] Nature News (2023-12-12; 2024-01-09 更新). “Robot chemist sparks row with claim it created new materials.” DOI: 10.1038/d41586-023-03956-w。紀錄當時外部質疑的科學背景；最終更正以 [R02] 為準。
[R04] Balandat, M., et al. (2020). “BoTorch: A Framework for Efficient Monte-Carlo Bayesian Optimization.” NeurIPS 33. 正式會議論文頁。現有 Bayesian optimization 工具與方法，不是 MCDI 自行發明的最佳化器。
[R05] Daulton, S., Balandat, M., and Bakshy, E. (2020). “Differentiable Expected Hypervolume Improvement for Parallel Multi-Objective Bayesian Optimization.” NeurIPS 33. 正式論文。qEHVI 與含約束多目標候選選取。
[R06] Daulton, S., Balandat, M., and Bakshy, E. (2021). “Parallel Bayesian Optimization of Multiple Noisy Objectives with Expected Hypervolume Improvement.” NeurIPS 34. 正式論文。qNEHVI 及有噪聲多目標搜尋。
[R07] Fan, M., et al. (2024). “Multi-fidelity Bayesian Optimization with Multiple Information Sources of Input-dependent Fidelity.” Proceedings of UAI, PMLR 244, 1271–1293. PMLR。不同輸入區域的保真度可變。
[R08] Sabanza-Gil, V., et al. (2025). “Best practices for multi-fidelity Bayesian optimization in materials and molecular research.” Nature Computational Science 5, 572–581. DOI: 10.1038/s43588-025-00822-9。實驗選擇中需考慮廉價來源的資訊性與成本。
[R09] Dunn, A., et al. (2020). “Benchmarking materials property prediction methods: the Matbench test set and Automatminer reference algorithm.” npj Computational Materials 6, 138. DOI: 10.1038/s41524-020-00406-3。資料分割、比較一致性與選模偏差。
[R10] Tabassi, E. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. NIST 官方頁，DOI: 10.6028/NIST.AI.100-1。自願性風險治理框架，非特定實驗認證。
[R11] ASME, Verification, Validation and Uncertainty Quantification Standards（含 V&V 10–2019、VVUQ 10.2–2021 與 VVUQ 50.1–2025）。官方 VVUQ 標準索引。不同領域有不同模型驗證要求。
[R12] ASME, V&V 40–2018: Assessing Credibility of Computational Modeling through Verification and Validation—Application to Medical Devices. 官方介紹。風險導向模型可信度評估；本稿僅作方法參照。
[R13] ISO/IEC 17025:2017, General requirements for the competence of testing and calibration laboratories. ISO 官方標準頁。獨立測試實驗室能力與公正性相關標準；不等於本系列已認證。
[R14] Wolpert, D. H. and Macready, W. G. (1997). “No Free Lunch Theorems for Optimization.” IEEE Transactions on Evolutionary Computation 1(1), 67–82. DOI: 10.1109/4235.585893。比較演算法需限定問題類型及條件。
[R15] Wilkinson, M. D., et al. (2016). “The FAIR Guiding Principles for scientific data management and stewardship.” Scientific Data 3, 160018. DOI: 10.1038/sdata.2016.18。數據、方法與工作流程的可發現、可取得、互操作及可重用性。
[R16] Canty, R. B. and Abolhasani, M. (2026). “The past, present and future of self-driving laboratories.” Nature Reviews Chemistry 10, 523–537. Published 2026-07-31. DOI: 10.1038/s41570-026-00847-2。強調可擴展、泛化與完整實驗血統。
[R17] “Toward self-driving laboratory 2.0 for chemistry and materials discovery.” Materials Horizons 13, 4712–4739 (2026). DOI: 10.1039/d5mh01984b。自動實驗與 AI 閉環材料研究的現有綜述。
[R18] NIST, Autonomous Formulation Lab. NIST 官方專案頁。以機器實驗、散射量測與閉環學習作可操作的先行系統案例。

來源稽核註記：外部 [R01–R18] 是當前可查的研究與制度，不代表 MCDI 已重做其全部實驗。某些規範完整原文可能需付費或取得正式授權；本稿引用的是公開可核查的標準定位、標題或說明，不能由此聲稱逐條符合規範。

附錄 A｜MCDI-H08 研究資料契約（純示例，沒有實測數值）

以下是語法有效但尚未填入實驗資料的 JSON 實例。null 代表尚無量測，不代表零；planned_only 不得由程式自動轉成實測狀態。實際部署須另行提供 JSON Schema、型別映射與權限政策，不能以本文件範例自稱已完成軟體驗證。

{
  "schema_id": "MCDI-H08-study-record-v0.1",
  "record_kind": "study_plan",
  "status": "planned_only",
  "evidence_level": "E0",
  "series": "MCDI",
  "paper": "08",
  "study_id": "MCDI-H08-EXAMPLE-NOT-A-RESULT",
  "date": "2026-11-02",
  "hypothesis_id": "MCDI-H08-b",
  "domain": {
    "type": "physical_colloid",
    "carrier_manifest_uri": null,
    "domain_of_validity_uri": null,
    "required_authorizations": [],
    "authorization_status": "NOT_AUTHORIZED"
  },
  "target_spec": {
    "target_geometry_uri": null,
    "required_function_uri": null,
    "hard_constraints_uri": null,
    "primary_endpoint": "qualified_batch_rate",
    "minimum_useful_effect": null
  },
  "candidate": {
    "design_id": null,
    "geometry_family": null,
    "material_batch_id": null,
    "typed_design_uri": null,
    "process_schedule_uri": null,
    "input_material_mass_kg": null,
    "input_energy_J": null
  },
  "model": {
    "solver_name": null,
    "version": null,
    "commit_sha256": null,
    "fidelity_tag": null,
    "validity_check": "NOT_EVALUATED",
    "calibration_data_uri": null,
    "predicted_endpoint": null,
    "prediction_interval": null
  },
  "experiment": {
    "is_executed": false,
    "apparatus_id": null,
    "pre_registration_uri": null,
    "batch_id": null,
    "raw_observation_uri": null,
    "measurement_calibration_uri": null,
    "measured_endpoint": null,
    "measurement_uncertainty": null,
    "waste_mass_kg": null,
    "actual_energy_J": null
  },
  "baselines": {
    "random_feasible_uri": null,
    "domain_heuristic_uri": null,
    "single_fidelity_uri": null,
    "multi_fidelity_uri": null,
    "resource_budget_uri": null
  },
  "evaluation": {
    "result_status": "UNASSESSED",
    "constraint_check": "NOT_EVALUATED",
    "claim_review_status": "PROPOSED",
    "independent_reviewer": null,
    "uncertainty_report_uri": null,
    "limitations_uri": null
  },
  "provenance": {
    "source_artifact_sha256": null,
    "raw_evidence_sha256": null,
    "analysis_code_sha256": null,
    "claim_ledger_uri": null,
    "supersedes_record_id": null,
    "correction_reason": null
  }
}

A.1 機器驗收的最低欄位規則

status=planned_only 時 is_executed 必須為 false，主要量測欄位必須保持 null，不可輸出任何合格實驗主張。
evidence_level=E0 不能由 model.predicted_endpoint 的存在單方面提高為 E2。
authorization_status=NOT_AUTHORIZED 時禁止下達真實設備執行動作。
domain.type 為 biological 或 vehicle_collision 時應載入獨立安全、倫理及專用模型規格；不能直接採 physical_colloid 的控制允許清單。
若 source_artifact_sha256、模型版本、預註冊或量測方法缺失，應阻止「可重現完成」標記並列出缺項。
更正只能以新版本新增 supersedes_record_id，不允許將原始失敗紀錄覆寫消失。

附錄 B｜候選逆向設計與證據更新的概念偽程式

此為規格示意，沒有可運行設備驅動、不含任何安全授權實作，也不聲稱具有已驗證的演算法收斂或執行效能。

function PROPOSE_AND_REVIEW(task, domain_manifest, prior_evidence):
    REQUIRE task.has_target_and_primary_endpoint
    REQUIRE task.has_hard_constraints_and_resource_budget
    REQUIRE domain_manifest.is_version_pinned

    type_result = TYPECHECK(task, domain_manifest)
    if type_result != PASS:
        return REJECT(type_result.reason)

    approved_controls = RESOLVE_ALLOWED_CONTROLS(domain_manifest)
    if approved_controls is empty:
        return UNSUPPORTED

    experiment_register = FREEZE_PREREGISTRATION(task)
    baselines = BUILD_FAIR_BASELINES(task)

    candidates = GENERATE_CANDIDATES(task, baselines, prior_evidence)
    feasible_candidates = []
    for candidate in candidates:
        if not STATIC_HARD_CONSTRAINTS_PASS(candidate):
            LOG_REJECTION(candidate, "HARD_CONSTRAINT")
            continue
        model = SELECT_DOMAIN_MODEL(candidate, domain_manifest)
        if model is None or not MODEL_VALIDITY_PASS(model, candidate):
            LOG_REJECTION(candidate, "OUT_OF_DOMAIN")
            continue
        predicted = EVALUATE_WITH_UNCERTAINTY(model, candidate)
        if predicted.missing_critical_quantities:
            LOG_REJECTION(candidate, "INCONCLUSIVE")
            continue
        feasible_candidates.append(candidate, predicted)

    ranked = NONDOMINATED_FEASIBLE_SET(feasible_candidates)
    planned_test = SELECT_BY_COST_AND_INFORMATION_VALUE(ranked)
    if planned_test is None:
        return REPORT_NO_FEASIBLE_TEST

    RECORD_ALL_BASELINES_AND_FAILURES()
    if planned_test.requires_physical_action:
        if not EXTERNAL_INDEPENDENT_AUTHORITY_HAS_APPROVED(planned_test):
            return NOT_AUTHORIZED
        # Execution only by separately qualified, domain-specific system.
        raw_result = AUTHORIZED_EXTERNAL_EXECUTION(planned_test)
    else:
        raw_result = PINNED_OFFLINE_SIMULATION(planned_test)

    evidence = INGEST_IMMUTABLE_RAW_EVIDENCE(raw_result)
    evaluation = BLINDED_DOMAIN_SPECIFIC_EVALUATION(evidence)
    audit = INDEPENDENT_EVIDENCE_AUDIT(evaluation, prior_evidence)
    if audit.revises_prior_claim:
        APPEND_CLAIM_CORRECTION(audit)
    return REPORT_WITH_SCOPE_UNCERTAINTY_AND_EVIDENCE_LEVEL(audit)

停止條件：遇 NOT_AUTHORIZED、OUT_OF_DOMAIN、缺少基本物質收支、模型不收斂、未界定之人體／生物風險或原始數據遺失時，返回可審核的拒絕原因。不能因候選分數很高就跳過停機或權限控制。

附錄 C｜四組基準任務的測量與比較卡

任務	最主要輸入	主要端點	共同安全／機制負對照	明確禁止的錯誤結論
A — 成形	粒子、場、介質、模板、時間程序	批次完整合格率、場外保持	等熱史、無場、固定場、未填充負對照	聚團即完成高密度材料
B — 破壞／修復	S1–S3、G0–G7、載荷、殘應力、修復策略	強度／抗裂／疲勞恢復與物質收支	同材同製程、僅靠攏、僅加熱、無修復	看不到裂紋即完全自癒
C — 碰撞	車體質量與幾何、各參與者、碰撞情境	各方傷害代理、艙侵入、可救援性	等質量、等條件、簡化模型校準	車殼完整即整場事故更安全
D — 跨載體	型別、載體、合法操作、可比功能	各域 L1–L4 移植級別與領域內合格率	領域專用自適應基線、合法陰性對照	同形就代表共同分子／細胞機制

C.1 所有任務都必須提交的四種報表

設計搜尋報表：每一候選、設計變數、被拒理由、成本與 Pareto 排名。
物理與測量報表：求解器版本、有效域、原始實驗量、校準與守恆殘差。
主張審核報表：五欄主張帳本、先行來源、已支持範圍、負例與需更正部分。
風險與授權報表：誰批准了什麼、什麼未批准、何處停止及未評估主體。

附錄 D｜五欄主張—證據帳本（研究草案，尚無自有實驗）

既有已知結果	本文假設	本篇新增命題	可否證／限制觀察	尚缺證據
自組裝與定向控制有領域內先例 [A09]	材料、場、時序能被型別化	H08-a、H08-c	關鍵無效操作未被拒絕、熱假效應未排除	合法域實體批次及負對照
Bayesian optimization 有既有方法 [R04–R06]	選測可比基線與總成本	H08-b	同預算結果無優勢	註冊 benchmark 與重複運行
MFBO 有輸入依賴保真研究 [R07–R08]	能估計各來源有效域與成本	H08-d、H08-e	代理誤差無校準或域外失效	真實高保真與新批次證據
已有機制辨識與科學測量方法 [R11–R13]	可設計區分不同假說的測試	H08-f	試驗無法區分競爭假說	預先註冊的正交干預
格構與斷裂需分離幾何及材料 [A05–A06]	S1–S3、G0–G7 能跨試驗追蹤	H08-g	不可消除製程與材料差異	單材批次和受控模擬
修復有界面與原料／能源條件 [A07]	裂路資料能補強修復預測	H08-h	複雜模型不如簡單基線	反覆修復與外部試件
車輛碰撞自他傷害存在衝突 [A08]	硬約束能改變非支配集合	H08-i	模型不適用、風險缺漏	認可的人體代理與場景驗證
跨載體生成可共享工作流語法 [A04]	存在合法 L1–L3 映射	H08-j	移植後性能更差／不可比	領域內獨立對照
A-Lab 曾發布重要更正 [R01–R03]	版本化主張帳本能降級過期結果	H08-k	仍對外輸出已更正主張	更正資料集與盲測審核
FAIR／VVUQ／AI RMF 既有治理方法 [R10–R16]	可把審查結果和執行權限分離	H08-l	無授權操作或不可重算結果	真正的權限和跨團隊驗收

附錄 E｜研究檔案佈局建議（規格，非已完成 GitHub 實作）

MCDI/
  papers/
    MCDI_Paper00_*.md
    MCDI_Paper01_*.md
    MCDI_Paper02_*.md
    MCDI_Paper03_*.md
    MCDI_Paper04_*.md
    MCDI_Paper05_*.md
    MCDI_Paper06_*.md
    MCDI_Paper07_*.md
    MCDI_Paper08_*.md
  specifications/
    domain-capability.schema.json
    candidate-design.schema.json
    experiment-plan.schema.json
    observation-record.schema.json
    evidence-ledger.schema.json
    authorization-receipt.schema.json
  benchmarks/
    A_formation/
    B_fracture_repair/
    C_crash_offline/
    D_cross_carrier/
  evidence/
    raw/
    processed/
    audit/
    corrections/
  reports/
    model-validity/
    resource-matched-comparison/
    independent-review/
  manifests/
    source-sha256.txt
    provenance-index.jsonl

此目錄是供未來研究實作的建議結構，不是宣稱上述 JSON Schemas、軟體或所有 Paper 00–07 在此輪已自動存入 GitHub。存檔與推送應由實際具權限的工作流程另行驗證，未執行不可假稱已同步。

E.1 研究系統最低實作路線

Milestone 0：把既有 Paper 00–07 的名稱、命題與資料欄位建立可查的結構化索引。
Milestone 1：在離線惰性資料上完成型別檢查、缺欄拒絕、狀態轉移與證據更正測試。
Milestone 2：完成一個基準任務的前向模擬／隨機及傳統最佳化比較。
Milestone 3：完成模型驗證、盲化評價和相同資源預算下的候選搜尋。
Milestone 4：對低危元件進行受授權、可追溯的實驗與跨批次重現。
Milestone 5：在具備領域外部資格與許可條件下，才考慮更高風險的化學、生物及安全關鍵應用。

E.2 不應發生的假完成

如果系統只完成 JSON schema 解析，不能聲稱完成自動化材料實驗；如果只完成模擬基準，不能聲稱有真實修復材料；如果只完成事故有限元素模型，不能聲稱新車已通過安全評級。每一階段都需要各自可核查的驗收證據。

附錄 F｜正式 source 審核與版本紀錄

F.1 最低原稿檢查

文件可直接以無 BOM UTF-8 解碼，沒有經 unicode_escape 反覆轉碼。
正式數學只用 $...$ 和 $$...$$；沒有以 $...$ 或 \[...\] 為正式 delimiter。
所有展示式數學分隔成對，基本括號及 LaTeX 群組配對合理。
內部 [Axx]、外部 [Rxx] 引用具可追溯原始來源；已更正外部論文使用更正後版本。
JSON 範例可解析，示例值不得偽裝為真實試驗結果。
H08-a 至 H08-l、E0–E5、Fid-0–Fid-4 與 Gate R0–R2 的制度分工不混淆。
與 Paper 00–07 的術語相容；新研究命題沒有跳過物理、倫理、授權與安全限制。
有失敗、拒絕、不可識別及更正的正式輸出位置。
原稿、分析、模型、外部量測證據均能以來源版本與 hash 分別追蹤。

F.2 版本紀錄

v0.1 — 2026-11-02：建立 MCDI Paper 08 首版 UTF-8 Markdown 原稿；整理 Paper 00–07 共用狀態、設計空間、硬性風險與不同證據端點，提供 AI 逆向設計、多保真搜尋、四組基準、十二項可證偽命題、不可逆操作權限閘門、主張更正與資料契約。本篇未新增自有數值研究、實物測試或獨立重現，所有 H08 保持 E0。

MCDI Paper 00–08 研究原稿系列至此完成九篇的概念與方法學框架；全系列「文本／研究規劃完成」不等於其中各物理命題已完成實證。下一階段如需正式提交、專案實作或建立測試基準，須另行執行來源核對、模型校準與研究證據驗收。