# 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：

1. 什麼樣的候選能被正確編碼且確實可製造？
2. 什麼物理模型能在什麼條件下可信地評價候選？
3. 在預算有限時，下一個模擬或實驗應該測哪個候選？
4. 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？
5. 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：

1. `RANDOM_FEASIBLE`：在可行設計集合中受約束的隨機搜尋。
2. `DOMAIN_HEURISTIC`：領域內專家規則與傳統設計。
3. `CLASSICAL_OPT`：固定預算下的演化、梯度或其他適用最佳化器。
4. `SINGLE_FIDELITY`：只使用指定一級資訊來源的自適應搜尋。
5. `MULTI_FIDELITY`：使用多級資訊與明確成本選擇。
6. `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

```text
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

```text
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：

```text
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](https://unboundedaxiom.org/p/lm-002260/)。
- **[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](https://unboundedaxiom.org/p/lm-004334/)。
- **[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](https://unboundedaxiom.org/p/lm-002497/)。
- **[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](https://unboundedaxiom.org/p/lm-002189/)。
- **[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](https://unboundedaxiom.org/p/lm-002491/)。
- **[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](https://unboundedaxiom.org/p/lm-003711/)。
- **[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](https://unboundedaxiom.org/p/lm-003723/)。
- **[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](https://unboundedaxiom.org/p/lm-004414/)。

### 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](https://doi.org/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](https://doi.org/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](https://doi.org/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](https://proceedings.neurips.cc/paper_files/paper/2020/hash/f5b1b89d98b7286673128a5fb112cb9a-Abstract.html)。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](https://proceedings.neurips.cc/paper_files/paper/2020/hash/6fec24eac8f18ed793f5eaad3dd7977c-Abstract.html)。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](https://proceedings.neurips.cc/paper/2021/hash/11704817e347269b7254e744b5e22dac-Abstract.html)。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](https://proceedings.mlr.press/v244/fan24a.html)。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](https://doi.org/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](https://doi.org/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](https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10)，DOI: [10.6028/NIST.AI.100-1](https://doi.org/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](https://www.asme.org/codes-standards/vvuq-standards)。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](https://www.asme.org/codes-standards/find-codes-standards/assessing-credibility-of-computational-modeling-through-verification-and-validation-application-to-medical-devices)。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](https://www.iso.org/standard/66912.html)。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](https://doi.org/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](https://doi.org/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](https://doi.org/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](https://doi.org/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](https://www.nist.gov/programs-projects/autonomous-formulation-lab)。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。

```json
{
  "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。

```text
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

1. **設計搜尋報表**：每一候選、設計變數、被拒理由、成本與 Pareto 排名。
2. **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。
3. **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。
4. **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）

```text
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。**