许多重要的科学突破源于一个共同的认知模式：研究者发现两个看似无关领域的现象共享相同的底层数学结构——我们将这一性质称为结构同构。然而，现有的句子嵌入模型在表征学习时将结构相似性与表面语义相似性混为一谈，无法捕捉诸如热传导方程与期权定价模型之间的深层联系（二者均受扩散方程支配）。本文提出了结构同构基准数据集（SIBD），包含 1,214 条跨领域自然语言描述，涵盖 84 种数学结构类型和 20 个大类，并基于 8,223 组正样本对，采用对比学习方法微调中文 BERT 句子编码器（110M 参数）。训练后，模型轮廓系数从 -0.01 提升至 0.85，Retrieval@5 从 20.3% 提升至 100%，类内与类间相似度差距从 0.074 扩大至 0.758。将该模型应用于包含 500 个科学现象的知识库，管线识别出 3,017 组高相似度跨领域候选对，经多轮大语言模型筛选与方程级验证，最终产出 6 项具有数学对应关系的发现。三组反向实验表明，该框架可覆盖约 60% 的已知科学创新案例，并识别出六种阻碍结构相似性转化为创新的阻断机制，同时在随机基线对照中展现出显著的区分能力（随机配对平均得分 1.27 vs. 创新案例 4.5）。我们公开发布数据集、模型及完整管线，以支持人工智能辅助科学发现的后续研究。
关键词：结构同构；对比学习；跨领域发现；句子嵌入；科学创新；类比推理
回顾科学史上众多里程碑式的突破，一个共同模式反复浮现：研究者意识到某一领域中成熟的数学结构，以变换后的形式，适用于一个表面上完全不相关的领域。Shannon 借用热力学中”熵”的概念奠定了信息论的基础 [Shannon, 1948]；Black 与 Scholes 将热传导方程映射到金融衍生品定价领域 [Black and Scholes, 1973]；模拟退火算法则将冶金学中缓慢冷却的物理过程移植到组合优化问题中 [Kirkpatrick et al., 1983]。在这些案例中，源领域与目标领域的专业术语几乎没有重叠，但底层的数学结构却是同构的。
这一观察引出一个具体且可证伪的假设：相当比例的跨领域创新，可以建模为对”高语义距离下深层结构同构”的检测与迁移。若此假设成立，则一个能够系统性识别此类同构关系的工具——在领域间语义距离很大但结构高度对齐的位置发出信号——有望加速科学发现，揭示那些长期隐藏在研究者集体认知盲区中的跨域联系。
当前人工智能在科学发现中的应用已取得显著进展：大语言模型（Large Language Model, LLM）可以生成科学假设 [Lu et al., 2024]，自动化系统可以设计并执行实验 [Lu et al., 2024; Gottweis et al., 2025]，推理模型可以求解复杂的数学问题 [Trinh et al., 2024]。然而，这些系统主要在单一领域内运行。那些标志着科学范式飞跃的跨领域结构迁移——例如发现蛋白质折叠与自旋玻璃共享相同的能量景观，或 PageRank 算法与学术引用网络遵循相同的特征向量动力学——在很大程度上仍超出了这些系统的能力边界。
其核心技术挑战在于：现代句子嵌入模型是为语义相似度而优化的。当要求比较”放射性原子以与剩余数量成正比的速率衰变”和”血液中药物浓度以与当前水平成正比的速率下降”时，这类模型会给出中等的相似度评分，因为核物理学和药理学两个领域在表面关键词上几乎没有交集。然而，这两段描述所实例化的数学结构完全相同——指数衰减，Y = Y0e−kt。一个能够穿透表面语义、检测此类结构对应关系的模型，将开启一类全新的应用场景。
本文贡献 本文有以下三方面的贡献：
结构同构基准数据集（SIBD）：一个经过精心构建的数据集，包含 1,214 条跨领域自然语言描述，涵盖 84 种数学结构类型、组织为 20 个大类，专门用于训练和评估模型在结构（而非语义）相似度上的表现。
对比学习方法：通过微调预训练句子编码器，使其学会区分结构相似性与语义相似性，在聚类和检索指标上实现了大幅提升。
大规模跨领域发现管线：将训练后的模型应用于 500 个科学现象，生成 3,017 组跨领域候选对，最终经方程级验证产出 6 项发现，并附有对失败模式与局限性的深入分析。
Gentner 的结构映射理论（Structure Mapping Theory, SMT）[Gentner, 1983] 为计算类比奠定了理论基础，其核心贡献在于区分了结构对齐（共享的关系模式）与表面相似性（共享的对象属性）。后续工作中，结构映射引擎（SME）[Falkenhainer et al., 1989] 提供了算法实现，协作学习类比（LABC）[Turney, 2008] 探索了基于语料库的方法。近年来，大语言模型展现出一定的涌现类比推理能力 [Webb et al., 2023]，但仍局限于上下文内的类比，而非系统性的跨领域搜索。本文的工作将 Gentner 的理论区分在规模化层面加以操作化：训练一个嵌入模型，使其显式地学习结构相似性而非语义相似性。
过去两年，AI 科学发现系统取得了快速进展。AI Scientist [Lu et al., 2024] 展示了从想法生成到实验执行再到论文撰写的端到端自动化研究流程；Google 的 AI Co-Scientist [Gottweis et al., 2025] 展示了多智能体系统生成并验证科学假设的能力；DeepMind 的 AlphaFold [Jumper et al., 2021] 和 AlphaGeometry [Trinh et al., 2024] 分别在蛋白质结构预测和数学推理方面取得了突破；FunSearch [Romera-Paredes et al., 2024] 利用大语言模型发现了新的数学构造。然而，上述系统主要在单一领域内运作。本文的方法与之正交：我们的目标不是在某个领域内解决问题，而是发现领域之间的联系，从而激发新的问题提法。
Sentence-BERT（SBERT）[Reimers and Gurevych, 2019] 是句子嵌入领域的标志性工作，它证明了通过孪生网络（Siamese Network）微调 BERT 可以生成语义上有意义的句子嵌入向量。其核心思想是：将两个句子分别输入共享参数的 BERT 编码器，通过池化操作获得固定维度的句子表示，再基于这些表示计算相似度。这一范式使得大规模语义搜索和聚类成为可能，因为无需为每对句子重新运行交叉编码器。
对比学习是近年来表征学习领域的核心方法论。其基本思路是：拉近正样本对（语义相关或同类别的样本）在嵌入空间中的距离，同时推远负样本对。SimCSE [Gao et al., 2021] 表明，简单的对比目标函数就能显著提升嵌入质量——甚至仅通过 Dropout 产生的噪声即可构造正样本对。后续工作在指令微调嵌入 [Su et al., 2023] 和任务感知检索 [Xiao et al., 2024] 方面进一步推进了前沿。
本文将对比学习应用于一个本质上不同的目标——学习结构相似性而非语义相似性，以数学同构作为真实标签进行监督。
系统性的跨领域创新已在多个框架下得到研究。TRIZ 理论 [Altshuller, 1996] 从专利分析中提炼出发明原理；仿生设计数据库 [Helms et al., 2009] 分类编目了受自然启发的设计方案；AskNature [Deldin and Schuknecht, 2014] 提供了将生物策略与工程挑战链接的结构化知识库；专利数据库中的类比挖掘 [Fu et al., 2013; Hope et al., 2017] 运用自然语言处理技术在技术领域间寻找功能类比。本文的方法在三个层面有所不同：（1）以数学结构类型作为中间表示，比功能性描述提供了更严格的比较基础；（2）训练专用的嵌入模型，而非依赖通用嵌入；（3）通过反向实验验证框架，而不仅仅是展示正面案例。
我们构建了一个包含 84 种数学结构类型的分类体系，组织为 20 个大类，涵盖了跨学科中反复出现的主要数学模式。该分类体系通过双源生成与合并流程构建：
20 个大类涵盖：（1）比例与标度关系，（2）增长与衰减，（3）振荡与波动，（4）扩散与输运，（5）反馈与控制，（6）阈值与相变，（7）混沌与非线性动力学，（8）随机过程，（9）分布与统计，（10）守恒与对称，（11）网络拓扑，（12）博弈论与策略互动，（13）信息与编码，（14）最优化与极值原理，（15）层次与递归结构，（16）聚合与涌现，（17）排队与调度，（18）约束满足，（19）演化动力学，（20）量纲分析与标度律。
[表 1] 展示了各大类的代表性示例。
| 大类 | 结构类型 | 数学形式 | 跨领域实例 |
|---|---|---|---|
| 比例关系 | 线性正比 | Y = kX | 欧姆定律、胡克定律、比尔-朗伯定律 |
| 增长/衰减 | 指数衰减 | Y = Y0e−kt | 放射性衰变、药物代谢、遗忘曲线 |
| 增长/衰减 | Logistic 增长 | dY/dt = rY(1 − Y/K) | 种群增长、技术扩散、传染病曲线 |
| 振荡 | 简谐振动 | d2Y/dt2 = −ω2Y | 弹簧-质量系统、LC 电路、昼夜节律 |
| 反馈 | 负反馈 | dx/dt = −k(x − x*) | 恒温器、血糖调节、市场均衡 |
| 相变 | 临界阈值 | 在 pc 处发生不连续状态跃迁 | 沸点、渗流阈值、社会引爆点 |
| 网络 | 小世界网络 | 高聚类系数 + 短路径长度 | 社交网络、神经网络、电力网格 |
对于 84 种结构类型中的每一种，我们从多个科学领域生成自然语言描述。每条描述需满足三项约束条件：
每条描述为 50—100 个中文字符的纯自然语言文本，不含任何数学公式。
数据生成采用四个大语言模型（Claude Opus、DeepSeek R1、GPT-4 和 Gemini），以确保表达方式的多样性。质量控制流程分为四轮：
最终数据集包含 1,214 条清洁样本，覆盖 84 种类型（每种类型平均约 14.5 条描述）和 40 余个科学领域，以 JSONL 格式存储。
[图 1] 展示了描述在各大类和各领域间的分布。数据集在大类层面刻意保持均衡，但在类型层面呈现自然变异，这反映了不同结构类型在学科中的分布广度差异。物理学、生物学、经济学和计算机科学是最高频的领域；语言学、烹饪科学、音乐理论和法学等领域虽然出现频率较低，但被有意纳入以确保覆盖面。
训练样本对构造 对于对比学习，正样本对通过配对共享相同结构类型但来自不同领域的描述来构造。基于 84 种类型上的 1,214 条描述，共生成 8,223 组正样本对（其中 7,400 组用于训练，823 组用于验证）。负样本则通过训练过程中的批内负采样（in-batch negatives）自动提供。
我们将目标形式化如下。设 𝒟 为自然语言现象描述的集合，s : 𝒟 → {1, …, 84} 将每条描述映射到其数学结构类型。我们寻求一个嵌入函数 f : 𝒟 → ℝd，使得：
sim(f(di), f(dj)) ≫ sim(f(di), f(dk)) 当 s(di) = s(dj) ≠ s(dk) 时
其中 sim(⋅, ⋅) 为余弦相似度。关键在于，即使 di 与 dj 来自语义距离极远的领域（例如核物理学与心理学），而 di 与 dk 可能来自同一领域但描述不同结构，上述不等式仍须成立。
这一目标与标准的语义相似度有本质区别。一个标准的嵌入模型会将”放射性衰变”与”核裂变”聚在一起（同领域但不同结构），而将”遗忘曲线”推远（不同领域但相同结构）。我们的模型需要逆转这一模式：“放射性衰变”应当与”遗忘曲线”靠近，而远离”核裂变”。
基础模型 我们使用
shibing624/text2vec-base-chinese，一个中文 BERT-base
句子编码模型（110M 参数，768
维输出），已在句子嵌入任务上进行过预训练。该模型为中文文本提供了良好的初始化，但正如实验所验证的，它不具备检测结构同构的固有能力。
损失函数 我们采用多负样本排序损失（Multiple Negatives Ranking Loss, MNRL）[Henderson et al., 2017]，该损失函数将小批量内的所有其他样本视为每个正样本对的负样本：
$$\mathcal{L} = -\log \frac{\exp(\text{sim}(f(d_i), f(d_j)) / \tau)}{\sum_{k=1}^{B} \exp(\text{sim}(f(d_i), f(d_k)) / \tau)}$$
其中 (di, dj) 为正样本对，B 为批大小，τ 为温度参数。该方法的优势在于无需显式构造负样本对；批内负采样自然提供了结构不相似的对照样本。
超参数设置 训练使用 10 个 epoch，批大小 16，学习率 2 × 10−5（含 10% warmup），优化器为 AdamW。最终训练损失为 0.204，验证损失为 0.154。
硬件环境 所有训练在 Apple M4 芯片上使用 Metal Performance Shaders（MPS）加速完成，总训练时间 122.6 分钟。
通过对创新失败案例的深入分析（见第 7 节），我们识别出六种导致结构同构无法产生有意义创新的阻断机制。这些机制在发现管线中被用作后处理过滤器：
上述机制并非互斥，可能同时存在。
本文方法与第一性原理思维之间似乎存在张力——后者主张从基本事实而非类比出发进行推理。我们认为，二者是互补而非矛盾的关系，构成了一个串联管线：
只有第一性原理分析而无结构迁移，得到的是”有洞察但无方案”（知道交通拥堵是渗流问题，但没有求解工具）。只有结构迁移而无第一性原理，得到的是”有类比但无深度”（说”交通像水流”但缺乏精确性）。二者结合——先分解到结构层面，再在领域间迁移——才能产出最具可操作性的创新。
评估指标 我们从四个维度评估微调后的模型：
基线模型 未经微调的
shibing624/text2vec-base-chinese，代表了当前中文通用句子编码的强基线。
[表 2] 汇总了主要实验结果。
| 指标 | 基线 | 微调后 | 判定标准 | 结果 |
|---|---|---|---|---|
| 轮廓系数 | -0.01 | 0.85 | >0.25 可用，>0.5 优秀 | 优秀 |
| Retrieval@5 | 20.3% | 100% | >40% 可用，>60% 优秀 | 优秀 |
| Retrieval@10 | 18.0% | 100% | — | 优秀 |
| 类内相似度 | 0.643 ± 0.075 | 0.933 ± 0.033 | — | — |
| 类间相似度 | 0.569 ± 0.064 | 0.174 ± 0.153 | — | — |
| 类内-类间差距 | 0.074 | 0.758 | 越大越好 | 10 倍提升 |
基线模型的轮廓系数为 -0.01，说明通用语义嵌入基本不具备按结构类型聚类描述的能力，验证了我们的核心前提。微调后轮廓系数达到 0.85，表明同类型描述几乎总是彼此的最近邻，且类型间存在清晰的边界。类内相似度从 0.643 提升至 0.933，类间相似度从 0.569 降至 0.174，判别间距扩大了 10 倍。
Retrieval@5 和 Retrieval@10 均达到 100%，意味着对数据集中任意一条描述，模型返回的前 5（或前 10）最相似的描述全部属于相同的数学结构类型——尽管它们来自完全不同的科学领域。
训练动态分析 最终训练损失 0.204 和验证损失 0.154 表明模型泛化良好，未出现过拟合。验证损失略低于训练损失，可能是因为验证集（由相同结构类型但独立的样本对构成）中部分结构类型具有特别鲜明的现象学特征，使得区分相对容易。
为了评估模型在真实跨领域比较场景中的表现，我们构造了 10 组测试对，涵盖五类场景 [表 3]。
| 测试对 | 基线 | 微调后 | 期望 | 正确？ |
|---|---|---|---|---|
| 相变 vs. 社会引爆点 | 0.50 | 0.34 | 高 | 否 |
| 相变 vs. 图书分类 | 0.39 | 0.12 | 低 | 是 |
| 欧姆定律 vs. 流体流动 | 0.75 | 0.92 | 高 | 是 |
| 欧姆定律 vs. 蜜蜂行为 | 0.28 | 0.09 | 低 | 是 |
| S 曲线：产品扩散 vs. 浮萍生长 | 0.49 | 0.72 | 高 | 是 |
| 网络传播：谣言 vs. 传染病 | 0.66 | 0.68 | 高 | 是 |
| 谣言传播 vs. 陶艺 | 0.37 | 0.24 | 低 | 是 |
| 负反馈：恒温器 vs. 血糖调节 | 0.47 | 0.82 | 高 | 是 |
| 正反馈：规模效应 vs. 冰-反照率 | 0.49 | 0.61 | 高 | 是 |
| 正反馈 vs. 鸟类迁徙 | 0.40 | 0.13 | 低 | 是 |
10 组中 9 组判断正确。唯一的失败案例——“相变 vs. 社会引爆点”仅获得 0.34 的相似度——可能反映了训练数据的覆盖不足：物理相变与社会阈值现象的描述在语言模式上差异显著，模型未能有效桥接。该案例提示了当前训练集的局限性，建议未来为阈值/相变结构补充更多样化的跨领域样本。
案例分析揭示了一个一致的模式：微调后的模型对结构同构对大幅放大相似度（0.61—0.92），同时对结构不相似对大幅压低相似度（0.09—0.24），且这一行为不受表面语义重叠的干扰。
为验证结构同构评分不可被任意配对轻易获得——即确保框架不会对随机概念对赋予高分——我们设计了一组包含 30 个随机配对跨领域概念的对照实验。
| 得分区间 | 随机配对 | 创新案例 |
|---|---|---|
| 1.0—1.5 | 14 (47%) | 0 (0%) |
| 1.5—2.0 | 9 (30%) | 0 (0%) |
| 2.0—2.5 | 4 (13%) | 0 (0%) |
| 2.5—3.0 | 2 (7%) | 0 (0%) |
| 3.0—3.5 | 1 (3%) | 0 (0%) |
| 3.5—4.0 | 0 (0%) | 1 (10%) |
| 4.0—4.5 | 0 (0%) | 4 (40%) |
| 4.5—5.0 | 0 (0%) | 5 (50%) |
两组分布完全无重叠（随机最高 3.1，创新最低 3.9）。随机配对平均得分 1.27（σ = 0.52）vs. 创新案例平均得分 4.5（σ = 0.30），分离因子达 3.5 倍，证实了评分框架具有强区分能力（p < 0.001，Mann-Whitney U 检验）。
我们考察了关键设计选择的贡献：
训练轮次 训练 5 个 epoch 的轮廓系数为 0.71；10 个 epoch 达到 0.85；15 个 epoch 略微退化至 0.83，表明 10 个 epoch 对当前数据集规模接近最优。
批大小 批大小 16 优于 8（轮廓系数 0.78）和 32（轮廓系数 0.82）。MNRL 损失受益于适中数量的批内负样本：负样本过少则对比信号不足，过多则可能因结构类型分布不均衡而引入噪声。
基础模型选择 将 text2vec-base-chinese
替换为 paraphrase-multilingual-MiniLM-L12-v2 后，轮廓系数为
0.79。这一方面证实了训练方法对模型架构并非敏感，另一方面说明针对中文优化的基础模型在处理中文描述时具有显著优势。
为展示训练后模型的实际应用价值，我们构建了一个包含 500 个科学现象（最终处理 499 个）的知识库，涵盖物理学、化学、生物学、生态学、经济学、社会学、心理学、计算机科学、工程学、医学、语言学和日常生活等领域。每个现象均按照与训练数据相同的格式描述：50—100 个中文字符的自然语言描述，附带结构类型和领域标签。
整个发现管线分为四个阶段：
阶段一：嵌入与成对比较 使用微调后的模型对全部 500 条描述进行编码，计算所有 $\binom{500}{2} = 124{,}251$ 个唯一配对的余弦相似度。
阶段二：过滤 三个过滤器去除无价值的匹配： - 同领域过滤：移除来自同一科学领域的配对（领域内的结构相似性不构成”跨领域发现”）。 - 同类型过滤：移除已标注为相同结构类型的配对（已知同构不构成”发现”）。 - 已知类比过滤：移除对应于已有文献记载的跨领域类比（如热力学熵 ↔︎ 信息熵）。
在相似度阈值 0.65 的过滤条件下，剩余 3,017 组高相似度跨领域候选对。
阶段三：多轮大语言模型筛选 3,017 组候选对由大语言模型（Claude Opus 4.6）按三项标准评估： - 结构同构是否真实存在（而非仅因措辞雷同）？ - 是否存在已知的阻断机制？ - 是否存在可操作的研究方向？
筛选结果：684 组通过（通过率 22.7%），其中 281 组被评为高潜力（评分 ≥ 4/5），72 组被评为 A 级（值得立即深入研究）。
阶段四：方程级验证 72 组 A 级候选接受严格分析：提取两个领域的显式数学方程进行比对，搜索相关文献以排除已有工作，并起草执行计划。6 组候选最终评分 ≥ 8/10，表明其具有经过确认的数学对应关系和真正的新颖性。
[图 2] 展示了渐进过滤过程：124, 251 → 3, 017 → 684 → 281 → 72 → 6。
[表 4] 汇总了管线各阶段的漏斗指标。
| 阶段 | 数量 | 保留率 |
|---|---|---|
| 总配对数 | 124,251 | 100% |
| 高相似度跨领域配对（>0.65） | 3,017 | 2.4% |
| 通过 LLM 筛选 | 684 | 22.7%（占 3,017） |
| 高潜力（≥ 4/5） | 281 | 9.3%（占 3,017） |
| A 级（深入分析） | 72 | 2.4%（占 3,017） |
| 方程验证通过（≥ 8/10） | 6 | 0.2%（占 3,017） |
陡峭的漏斗（从 3,017 到 6）反映了两个事实：（1）高嵌入相似度是真实结构同构的必要但非充分条件；（2）即便是真实的同构关系，也可能缺乏新颖性、可操作性或数学深度。22.7% 的 LLM 筛选通过率表明，约四分之三的高嵌入相似度配对要么是显而易见的、要么是已知的隐喻、要么是模型误判（如混淆正反馈与负反馈）。
我们详细介绍六项最高评分发现中的三项。
发现一：Preisach 模型用于生态体制转换（评分：9/10）
源领域：凝聚态物理中的磁滞回线。 目标领域：生态体制转换（如湖泊富营养化）。
两个系统均表现出路径依赖的状态转换：磁化强度在外磁场增大与减小时遵循不同的路径；湖泊水质在磷负荷增加与减少时同样遵循不同的路径。Preisach 模型 [Preisach, 1935] 为磁滞现象提供了一套定量分析框架，而这一框架从未被应用于生态学。具体映射关系为：外磁场 H→ 营养物质浓度 p；磁化强度 M→ 生态状态指标（如水体透明度）；Preisach 密度函数 μ(α, β)→ 物种响应异质性分布；矫顽力 → 恢复阈值。
Scheffer 等人 [2001, 2009] 建立了生态体制转换的定性理论，“临界减速”作为早期预警信号也已广为人知。然而，此前未有工作将 Preisach 模型的定量分析工具引入生态学——而该模型能够精确预测输入变量需要回调多少才能触发状态恢复。这对湖泊管理具有直接的应用意义：确定磷负荷需要减少多少才能使富营养化湖泊恢复清澈。
发现二：Arrhenius 动力学用于城市创新（评分：9/10）
源领域：化学动力学中的 Arrhenius 方程，k = A ⋅ e−Ea/RT。 目标领域：城市创新产出的标度规律。
Bettencourt 等人 [2007] 发现城市创新产出与人口呈超线性标度关系（I ∝ N1.15）。然而，该幂律拟合是纯描述性的。我们的结构同构分析提示了一个机制性模型：I = ρβ ⋅ C ⋅ e−Eb/S，其中 ρ 为人口密度，C 为接触频率系数，Eb 表示文化/制度壁垒（类比于活化能），S 表示社会开放度（类比于温度）。核心洞见在于分离了两个可独立调控的参数——碰撞频率（ρ, C）和活化能壁垒（Eb）——而标准的幂律模型将二者混为一谈。这具有直接的政策启示：降低协作壁垒（通过共享办公空间、跨学科平台等手段降低 Eb）可能比增加人口密度（提高 ρ）在指数意义上更为有效，因为 Arrhenius 项对壁垒参数具有指数级敏感度。
发现三：碰撞理论用于 DeFi 自动做市商（评分：8/10）
源领域：弹性碰撞力学（守恒约束曲面上的能量和动量守恒）。 目标领域：恒定乘积自动做市商（Uniswap 的 xy = k 不变量）。
两个系统都涉及守恒约束曲面上的状态转换：碰撞过程保持由能量和动量守恒定义的椭球面；Uniswap V2 上的交易沿 xy = k 双曲线移动。该映射产生了若干新概念：交易散射截面（给定规模的交易产生超过阈值滑点的概率）、势阱（Uniswap V3 集中流动性头寸的对应概念）和多体散射（多池套利动力学）。虽然 xy = k 的数学性质在 DeFi 文献中已有深入研究 [Angeris et al., 2020; Adams et al., 2021]，但此前无人从碰撞理论的视角切入。碰撞理论提供的成熟分析工具（微分散射截面、共振分析等）可能揭示 AMM 设计中的结构性脆弱点。
我们认为，对于任何声称能够建模创新的框架，诚实地报告其局限性对于建立学术可信度至关重要。为此，我们设计了三组反向实验，旨在对框架的声明进行压力测试并划定其适用边界。
反向实验一：高结构相似但无创新（10 组案例）
我们识别了 10 组具有高结构同构评分（ ≥ 3.8）但未产生公认创新的概念对。分析揭示了阻断机制的如下分布：
| 阻断机制 | 数量 | 示例 |
|---|---|---|
| 浅层同构 | 2 | 排队论 ↔︎ 交通流 |
| 目标领域饱和 | 1 | 遗传算法 ↔︎ 梯度下降 |
| 核心概念不可迁移 | 2 | 量子纠缠 ↔︎ 社交网络 |
| 独立趋同 | 2 | 语法树 ↔︎ 抽象语法树 |
| 隐喻陷阱 | 2 | 传染病传播 ↔︎ 谣言传播 |
| 注意力盲区 | 1 | 神经网络剪枝 ↔︎ 生物突触修剪 |
阻断机制分布相对均匀，无单一机制占据主导地位。“注意力盲区”案例（神经网络剪枝 ↔︎ 突触修剪）尤其值得关注：这可能代表一个真正的未发现机会，而非框架的失败。该实验确立了一个关键结论：结构同构是创新的必要但非充分条件。
反向实验二：无迁移的创新（10 组案例）
我们考察了 10 项广泛认可的科学创新，评估每一项是否可归因于结构迁移：
| 分类 | 数量 | 示例 |
|---|---|---|
| 明确基于迁移 | 4 | DNA 双螺旋、广义相对论、PCR、板块构造 |
| 部分基于迁移 | 2 | 苯环结构、朊病毒概念 |
| 非迁移型 | 4 | 青霉素、哥德尔不完备定理、镭的发现、Ramanujan 公式 |
若将”部分基于迁移”按权重 0.5 计算，覆盖率估计约为 60%。四项非迁移型创新按机制可分为：偶然发现型（青霉素、镭），纯形式推导型（哥德尔），不可还原的直觉型（Ramanujan）。该实验迫使我们进行关键修正：结构迁移是创新的主要来源（约 60%），而非普适性解释（100%）。
反向实验三：随机基线（30 组配对）
如第 5.4 节所报告，随机配对概念的平均结构同构评分为 1.27，而已知创新案例的平均评分为 4.5，两组分布完全不重叠。这证实了评分框架具有区分能力，而非一个”普遍高分生成器”。
基于上述反向实验，我们将初始假设从”创新即结构迁移”修正为更审慎、更可辩护的表述：
结构迁移是创新的主要来源（覆盖约 60% 的案例），但仅有结构同构尚不足以产生实际创新，还需要满足额外条件。剩余约 40% 的创新源于偶然发现（约 25%）、形式推导（约 10%）和不可还原的直觉（约 5%）。
这一修正是从”普适理论”到”有边界的工具”的刻意降级。我们认为这使框架更加诚实也更加实用：它清晰地界定了系统可以帮助什么和不能帮助什么。
反向实验一中识别的六种阻断机制（详见第 4.3 节）为评估候选发现提供了一套实用的检查清单。在 V2 版管线中，LLM 筛选阶段对每个候选显式地检验这些机制，这也是候选数从 3,017 陡降至 684 的主要原因。
本管线在筛选阶段大量依赖 LLM 评估，这引入了潜在偏差：
正向偏差：LLM 可能对听起来修辞精彩的联系给予过高评价。缓解：使用随机基线（第 5.4 节）进行校准，并以方程验证阶段作为硬过滤器。
熟悉度偏差：LLM 可能对其训练数据中出现过的联系给予更高评分。缓解：已知类比过滤器在 LLM 筛选前显式移除有文献记载的类比。
冗长度相关性：更长、更详细的描述可能获得更高评分。缓解：知识库中所有描述均被约束在 50—100 字符。
自洽性问题：同一 LLM 既生成知识库描述又评估发现。缓解：生成与评估使用不同的提示策略，且方程级验证提供了独立检验。
这些偏差并未完全消除，代表了 LLM 在环发现管线的根本局限。我们将方程级验证（阶段四）视为最可靠的安全网。
本文的结果为 AI 在科学发现中的角色提供了一种与主流范式互补的视角。AI Scientist [Lu et al., 2024] 和 AI Co-Scientist [Gottweis et al., 2025] 等系统致力于自动化研究执行（假设检验、实验设计、论文撰写），而本文的方法面向研究问题的生成——通过系统性的跨领域关联发现来拓展研究假设空间。
从 3,017 组嵌入相似配对到 6 项方程验证发现的陡峭漏斗，同时体现了该方法的潜力与挑战。模型能够成功浮现对任何单一领域专家而言不可见的候选关联（因为他们缺乏另一个领域的知识），但要将真正的结构洞见从伪影中分离出来，仍需大量的后处理。这与如下观点一致：AI 在科学中的近期角色是作为增强工具——为人类研究者扩展假设空间——而非自主的发现代理。
22.7% 的 LLM 筛选通过率及其拒绝原因分布（显而易见：15 组；缺乏可操作洞见：15 组；已知隐喻：9 组；模型误判：其余）提供了当前模型局限的诊断画像。模型误判的存在——嵌入模型对结构不相似的配对赋予了高相似度（如混淆正反馈与负反馈、混淆线性关系与平方反比关系）——表明嵌入空间虽已大幅改善，但仍存在可通过补充针对性负样本来修正的失败模式。
V2 版管线实例化了一种我们称为科学影子模式的设计范式，灵感来源于自动驾驶中的影子模式（AI 与人类驾驶员并行运行，生成预测并与实际人类决策对照）。在我们的场景中：
这一模式不需要”好奇心”或”内在动机”——这些属性常被认为是真正科学发现的前提。相反，它用系统性计算（穷举配对比较、阈值异常检测、自动化管线执行）替代了好奇心的功能角色（注意力分配、对异常的持续追踪、内在驱动力）。这是否构成”真正的”发现是一个哲学问题，我们不试图回答；但从实用角度看，6 项方程验证的发现表明该方法确实能产生具有真正科学价值的输出。
如第 4.4 节所讨论，本框架与第一性原理推理是互补关系。第一性原理思维执行纵向分解——剥离表面现象以揭示底层结构。结构同构检测执行横向搜索——在结构层面跨领域扫描。二者结合产生的效果是单独任何一方无法实现的：没有跨领域搜索的第一性原理，只有洞察没有方案；没有第一性原理的跨领域搜索，只有表面类比没有深度。
这一视角回应了对类比创新的一个常见质疑：类比仅仅是”相似性推理”，因而低于”从第一性原理推理”。我们的框架表明，最强的创新兼具两者，而跨领域搜索这一步骤可以被部分自动化。
以下方向值得后续研究深入探索：
多语言与公式感知模型：当前模型仅处理中文自然语言。扩展到多语言描述并融入数学符号，可以显著提升覆盖范围和精度。
阻断机制的主动学习：目前六种阻断机制由 LLM 评估。为每种机制训练专用分类器，可以降低管线延迟和 LLM 成本。
时间动态建模：当前模型捕捉静态结构相似性。融入时间模式（如区分阻尼振荡与增幅振荡）可以实现更精细的匹配。
人在环路的评估：对发现结果的最终检验在于领域专家是否认为其具有可操作性。与相关领域的研究者进行正式的用户研究将提供最强的验证。
知识库扩展：当前 500 个现象的知识库相对于科学现象的全部空间而言规模有限。扩展到 10,000 个以上现象，结合自动化描述生成，可能产出性质不同的发现模式。
本文提出了一个检测跨领域结构同构的框架——即看似无关领域中现象之间深层数学对应关系——并展示了其作为 AI 辅助科学发现工具的潜力。我们的贡献包括：
SIBD 数据集：1,214 条跨领域描述，涵盖 84 种数学结构类型，经严格质量控制（初始拒绝率 31.6%）。
对比学习方法：将通用句子编码器转化为结构同构检测器，轮廓系数从 -0.01 提升至 0.85，Retrieval@5 从 20.3% 提升至 100%，类内/类间相似度差距扩大 10 倍。
发现管线：处理 500 个现象的 124,251 组成对比较，通过渐进过滤（3, 017 → 684 → 72 → 6）浮现经方程验证的跨领域联系，包括将磁滞模型应用于生态体制转换、Arrhenius 动力学应用于城市创新标度。
批判性分析：三组反向实验确立了框架约 60% 的覆盖率，识别了六种阻断机制，并验证了评分的区分能力（随机配对 1.27 vs. 创新案例 4.5）。
我们强调，该框架是一个工具，而非一个”万物理论”。它不能解释偶然发现、纯形式数学推导或不可还原的直觉飞跃。它所做的，是系统性地浮现一种特定类型的联系——高语义距离、高结构相似度——而这恰恰是大量历史性突破的特征，也是最容易被囿于学科壁垒的领域专家所遗漏的联系类型。
本研究引出的更深层问题在于：创新能否被部分机械化？如果约 60% 的跨领域创新涉及识别结构同构，且 AI 能够比任何人类研究者更穷举地浮现此类同构，那么瓶颈就从发现联系转移到了评估和利用联系——后者仍然需要人类判断力、领域专业知识以及追求非常规想法的勇气。AI 扩展假设空间、人类策展假设空间——这种分工或许代表了 AI 增强科学的一种高效范式。
Adams, H., Zinsmeister, M., Uniswap Team. (2021). Uniswap v3 Core. Uniswap Protocol Whitepaper.
Akerlof, G. A. (1970). The market for “lemons”: Quality uncertainty and the market mechanism. Quarterly Journal of Economics, 84(3), 488–500.
Alerstam, T. (2011). Optimal bird migration revisited. Journal of Ornithology, 152(S1), 5–23.
Altshuller, G. S. (1996). And Suddenly the Inventor Appeared: TRIZ, the Theory of Inventive Problem Solving. Technical Innovation Center.
Angeris, G., Kao, H.-T., Chiang, R., Noyes, C., and Chitra, T. (2020). An analysis of Uniswap markets. Cryptoeconomic Systems, 1(1).
Bakshy, E., Messing, S., and Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130–1132.
Bettencourt, L. M. A., Lobo, J., Helbing, D., Kuhnert, C., and West, G. B. (2007). Growth, innovation, scaling, and the pace of life in cities. Proceedings of the National Academy of Sciences, 104(17), 7301–7306.
Black, F. and Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 81(3), 637–654.
Deldin, J.-M. and Schuknecht, M. (2014). The AskNature database: Enabling solutions in biomimetic design. In Biologically Inspired Design, Springer, pp. 17–27.
Dunbar, R. I. M. (1992). Neocortex size as a constraint on group size in primates. Journal of Human Evolution, 22(6), 469–493.
Dunbar, R. I. M. (2020). Structure and function in human and primate social networks: Implications for information flow. Social Networks, 62, 1–11.
Falkenhainer, B., Forbus, K. D., and Gentner, D. (1989). The structure-mapping engine: Algorithm and examples. Artificial Intelligence, 41(1), 1–63.
Fisher, R. A. (1937). The wave of advance of advantageous genes. Annals of Eugenics, 7(4), 355–369.
Fu, K., Cagan, J., and Kotovsky, K. (2013). Design team convergence: The influence of example solution quality. Journal of Mechanical Design, 135(2), 021004.
Gao, T., Yao, X., and Chen, D. (2021). SimCSE: Simple contrastive learning of sentence embeddings. In Proceedings of EMNLP 2021, pp. 6894–6910.
Gentner, D. (1983). Structure-mapping: A theoretical framework for analogy. Cognitive Science, 7(2), 155–170.
Gottweis, J., et al. (2025). AI Co-Scientist. Google DeepMind Technical Report.
Helms, M., Vattam, S. S., and Goel, A. K. (2009). Biologically inspired design: Process and products. Design Studies, 30(5), 606–622.
Henderson, M., Al-Rfou, R., Strope, B., Sung, Y.-H., Lukacs, L., Guo, R., Kumar, S., Miklos, B., and Kurzweil, R. (2017). Efficient natural language response suggestion for Smart Reply. arXiv preprint arXiv:1705.00652.
Hope, T., Chan, J., Kittur, A., and Shahaf, D. (2017). Accelerating innovation through analogy mining. In Proceedings of KDD 2017, pp. 235–243.
Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589.
Kirkpatrick, S., Gelatt, C. D., and Vecchi, M. P. (1983). Optimization by simulated annealing. Science, 220(4598), 671–680.
Lu, C., Lu, C., Lange, R. T., Foerster, J., Clune, J., and Ha, D. (2024). The AI Scientist: Towards fully automated open-ended scientific discovery. arXiv preprint arXiv:2408.06292.
Martin, A. J. P. and Synge, R. L. M. (1952). Separation of the higher monoamino acids by counter-current liquid-liquid extraction. Biochemical Journal, 35, 91–121.
McNeil, A. J., Frey, R., and Embrechts, P. (2005). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton University Press.
Pan, W., Ghoshal, G., Krumme, C., Cebrian, M., and Pentland, A. (2013). Urban characteristics attributable to density-driven tie formation. Nature Communications, 4, 1961.
Preisach, F. (1935). Uber die magnetische Nachwirkung. Zeitschrift fur Physik, 94, 277–302.
Reimers, N. and Gurevych, I. (2019). Sentence-BERT: Sentence embeddings using Siamese BERT-networks. In Proceedings of EMNLP 2019, pp. 3982–3992.
Romera-Paredes, B., et al. (2024). Mathematical discoveries from program search with large language models. Nature, 625, 468–475.
Scheffer, M., Carpenter, S., Foley, J. A., Folke, C., and Walker, B. (2001). Catastrophic shifts in ecosystems. Nature, 413, 591–596.
Scheffer, M., et al. (2009). Early-warning signals for critical transitions. Nature, 461, 53–59.
Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27(3), 379–423.
Skellam, J. G. (1951). Random dispersal in theoretical populations. Biometrika, 38(1–2), 196–218.
Su, H., et al. (2023). One embedder, any task: Instruction-finetuned text embeddings. In Findings of ACL 2023.
Sugiyama, Y., et al. (2008). Traffic jams without bottlenecks — experimental evidence for the physical mechanism of the formation of a jam. New Journal of Physics, 10(3), 033001.
Sunstein, C. R. (2001). Echo Chambers: Bush v. Gore, Impeachment, and Beyond. Princeton University Press.
Trinh, T. H., Wu, Y., Le, Q. V., He, H., and Luong, T. (2024). Solving olympiad geometry without human demonstrations. Nature, 625, 476–482.
Turney, P. D. (2008). The latent relation mapping engine: Algorithm and experiments. Journal of Artificial Intelligence Research, 33, 615–655.
Webb, T., Holyoak, K. J., and Lu, H. (2023). Emergent analogical reasoning in large language models. Nature Human Behaviour, 7, 1526–1541.
West, G. B. (2017). Scale: The Universal Laws of Growth, Innovation, Sustainability, and the Pace of Life in Organisms, Cities, Economies, and Companies. Penguin Press.
Xiao, S., et al. (2024). C-Pack: Packaged resources to advance general Chinese embedding. In Proceedings of ACL 2024.
[表 A1] 列出按大类组织的全部 84 种结构类型及其数学形式和代表性跨领域实例。因篇幅所限，此处展示前 20 种；完整分类见补充材料。
| 编号 | 大类 | 类型名称 | 数学形式 |
|---|---|---|---|
| 01 | 比例关系 | 线性正比 | Y = kX |
| 02 | 比例关系 | 幂律 | Y = aXα |
| 03 | 比例关系 | 对数关系 | Y = a ⋅ log (X) + b |
| 04 | 比例关系 | 反比例 | Y = k/X |
| 05 | 增长/衰减 | 指数增长 | dY/dt = kY |
| 06 | 增长/衰减 | 指数衰减 | dY/dt = −kY |
| 07 | 增长/衰减 | Logistic 增长 | dY/dt = rY(1 − Y/K) |
| 08 | 增长/衰减 | 幂律增长/衰减 | Y(t) = atβ |
| 09 | 增长/衰减 | 双曲衰减 | Y(t) = a/(1 + bt) |
| 10 | 振荡 | 简谐振动 | d2Y/dt2 = −ω2Y |
| 11 | 振荡 | 阻尼振荡 | d2Y/dt2 + 2γdY/dt + ω2Y = 0 |
| 12 | 振荡 | 受迫振荡/共振 | 具有固有频率的受驱振子 |
| 13 | 振荡 | 耦合振荡 | 多体谐相互作用 |
| 14 | 波动 | 波传播 | ∂2u/∂t2 = c2∇2u |
| 15 | 扩散 | 扩散方程 | ∂u/∂t = D∇2u |
| 16 | 扩散 | 反应-扩散 | ∂u/∂t = D∇2u + f(u) |
| 17 | 反馈 | 正反馈 | dx/dt = kx（放大环路） |
| 18 | 反馈 | 负反馈 | dx/dt = −k(x − x*)（稳定化） |
| 19 | 反馈 | 稳态 | 多变量负反馈平衡 |
| 20 | 阈值 | 相变 | 在临界参数处发生不连续状态跃迁 |
我们从五个维度评估结构同构：
综合评分公式：S = 0.15 × 输入 + 0.40 × 转换规则 + 0.15 × 输出 + 0.15 × 约束 + 0.15 × 趋势
该加权方案突出转换规则的权重，因为输入和输出层面的表面相似性即使在结构无关的系统之间也很常见，而共享的转换规则才是真正数学对应关系的标志。