Closed-Loop Molecular Design with Calibrated Deference

本文介绍了 CLIO，这是一种具备校准式顺从能力的认知智能体，它通过自主识别机制失效并开出有效的化学修正处方，成功引导了一个闭环人机协作活动，旨在设计一种改良的水系有机氧化还原液流电池电解液。

要点

想象一下，一支科学家团队正在尝试发明一种新型电池燃料。通常，这个过程就像一位人类厨师在尝试创造新食谱：他们猜测配料，烹饪一批，品尝一下，如果觉得太咸了，就再试一次。

这篇论文介绍了一种新型的“AI 厨师”，名叫 CLIO。但 CLIO 不仅仅是一个食谱生成器；它是一位知道自己味觉失灵并能随时改变策略的厨师。

以下是 CLIO 如何运作的故事，用简单的语言进行了解释：

1. 目标：更好的电池燃料

该团队想要设计一种用于特定类型电池（称为氧化还原液流电池）的液体燃料。他们需要一种分子，它能够：

• 高效地储存能量。
• 在水中溶解良好。
• 在实验室中易于合成。
• 使用时不会分解。

他们从一个已知的“骨架”分子（苯并喹啉）开始，并要求 CLIO 对其进行微调以使其性能更好。

2. 超能力：“校准式顺从”（Calibrated Deference）

这篇论文的核心概念是被称为校准式顺从的概念。你可以把它理解为理性的谦逊。

大多数计算机程序都像固执的学生：如果它们做出了一个预测，即使现实世界证明它们错了，它们也会坚持己见。CLIO 则不同。它拥有一个“信念图谱”——一张关于它已知事物以及它信任什么的心理地图。

• 比喻： 想象一个正在驾驶汽车的导航员。如果 GPS 说“左转”，但路被堵住了，普通的 GPS 会一直喊着“左转！”而 CLIO 则会说：“等等，GPS 在骗我。我要先忽略 GPS，看看窗外，然后寻找一条新路线。”

3. 历程：三轮设计

第一轮：疯狂的猜测
CLIO 开始构思四种不同的微调分子方法。它使用计算机工具来预测这些分子的表现。它挑选了一些优胜者并继续推进。

第二轮：现实检查
在这里，CLIO 展示了它的聪明才智。计算机工具预测这些分子的能量水平会有一个特定的数值。但 CLIO 注意到，这些工具预测的结果与现实世界的化学书籍之间存在巨大的偏差。

• 行动： CLIO 没有盲目信任该工具，而是说：“这个工具针对这种特定类型的分子失效了。”它决定不再使用该工具提供的精确数值，而是专注于相对差异（即哪个分子比另一个更好），同时忽略绝对数值。这就是校准式顺从在发挥作用：知道何时信任工具，以及何时怀疑工具。

第三轮：第一次成功（以及一个新问题）
CLIO 设计了一个带有特殊基团“膦酸基”（phosphonate）的分子（我们称之为化合物 3）。

• 胜利： 当化学家合成它时，它奏效了！它比旧的标准存储了 130% 的能量。
• 故障： 但是，当他们测试其可逆性（充放电性能）时，它失败了。电池燃料变得“卡住了”，无法正常释放能量。计算机工具完全没有预测到这个失败。

4. 侦探工作：解开谜团

这是 CLIO 闪耀时刻。它并没有仅仅选择放弃或随机尝试另一种分子，而是像侦探一样行动。

• 线索： 失败只发生在特定的化学环境中（含有钾离子）。
• 假设： CLIO 推测“膦酸基”与钾离子“握手”握得太紧了，造成了一个交通堵塞，从而阻止了电池的正常工作。
• 测试： CLIO 设计了实验来测试这一假设。他们将钾离子替换为其他离子。测试证实了这一理论：当使用不同的离子时，“交通堵塞”发生了变化，证明了膦酸基正是罪魁祸首。

5. 修复方案：“磺酸基”替换

基于这些侦探工作，CLIO 提出了一个简单的修复方案：将“膦酸基”替换为“磺酸基”（sulfonate）。

• 为什么？ 论文解释说，磺酸基与离子的“握手”不会那么紧。这就像是用一个光滑、圆滑的球体替换了一个沉重、粘滞的磁铁。

结果：
科学家们制造了新的分子（化合物 20）。

• 它保持了高能量存储（比旧标准提高了 90%）。
• 它解决了“卡住”的问题，使电池能够顺畅地充放电。

总结

这篇论文表明，AI 不仅仅需要快速计算数字。要成为真正的科学助力，AI 需要具备以下特质：

1. 知道自己何时出错： 识别出其工具失效的时刻。
2. 适应： 改变策略，而不是固执地执行一个错误的计划。
3. 提出假设： 通过猜测失败的原因并设计实验来证明这一点，从而像科学家一样思考。

通过将计算机的速度与这种“理性的谦逊”相结合，CLIO 帮助完成了设计 $\rightarrow$ 制造 $\rightarrow$ 测试 $\rightarrow$ 再设计的闭环，从而比人类团队单独行动更快地创造出了更好的电池燃料。

技术摘要

技术摘要：具有校准式顺从性的闭环分子设计

问题陈述

大语言模型（LLM）智能体已展示出执行实质性科学工作流的能力，能够为合成规划和反应优化等任务选择并调用外部工具。然而，一个关键的差距仍然存在，即累积推理能力：即随着时间的推移，构建假设、根据证据更新假设并校准对计算工具信任度的能力。目前的 LLM 智能体往往难以将长上下文、跨轮次的实验结果转化为稳定的信念。当实验结果与计算先验发生冲突时，智能体往往会在保留产生失败预测的假设的同时继续行动，缺乏认识到自身工具失效或降低计算先验权重的认识论控制力。这种局限性阻碍了真正的“设计-制造-测试-再设计”闭环的完成，因为智能体无法通过机制理解来解释差异并提出纠正性修改，而不仅仅是进行候选物排序。

方法论

作者提出了 CLIO（通过原位优化的认知循环），这是一种旨在通过持久记忆结构和“校准式顺从”策略来解决上述局限性的智能体架构。

架构与记忆

CLIO 在递归设计轮次中运行，将持续更新的**信念状态图（belief-state graph）**与“计划-执行”循环相结合。不同于以往在争议解决后才构建信念状态图的迭代版本，CLIO 在线维护该图，将其作为结构化语义指南。这使得智能体能够：

1. 追踪结论的溯源。
2. 对其推理轨迹进行主题抽象查询，而非依赖于逐字回忆。
3. 通过选择性检索信息来辅助下一轮推理，从而管理长会话中的上下文。

智能体编排

在每一轮中，CLIO 编排专业化智能体（具有不同人格的 LLM 后端循环），这些智能体共享对信念状态记忆的访问权限以及领域特定工具集。系统会动态生成并行的“思维通道”以测试正交假设。其工具集包括：

• 性质预测器： 用于预测还原电位（$E_{red}$）和水溶性（logS）的 Graphormer 机器学习模型。
• 合成分析： 用于逆合成规划的 RDKit 合成可及性评分（SAscore）和 RetroChimera。
• 文献搜索： 用于检索科学背景的 Azure Foundry Deep Research。

校准式顺从的概念

其核心创新是校准式顺从（calibrated deference），定义为智能体具备以下能力：

• 识别其自身工具或假设失效的时机。
• 根据矛盾情况调整其策略。
• 生成机制假设以指导实验修订。
  这表现为对不完美模型的梯度响应（例如，降低一个预测器的权重而非盲目信任或丢弃它），并在获得判别性证据之前对竞争假设保持审慎态度。

实验活动

作者在针对苯并[c] cinnoline骨架设计水系有机氧化还原液流电池（AORFB）负极材料的 CLIO 人机闭环实验中测试了该系统。目标包括实现介于 -1.2 至 -0.3 V (vs. SHE) 之间的还原电位（$E_{red}$）、高 pH 14 下的高溶解度、合成可行性以及电化学可逆性。

第一阶段：初始设计与收敛

在三个自主轮次中，CLIO 执行了“发散后收敛”策略，探索了四个假设分支（给电子取代基、氮杂插入、骨架跳跃和阴离子增溶剂）。

• 校准事件： 在第 2 轮中，CLIO 检测到 Graphormer $E_{red}$ 预测器对母体骨架的输出与提供的实验校准值之间存在巨大的差异（~2.7 V）。CLIO 并未完全弃用该模型，而是执行了“秩序挽救（rank-order salvage）”，将绝对值视为不可靠，但保留了该模型用于相对比较的效用。到第 3 轮时，它明确将绝对 $E_{red}$ 排除在性质门槛之外。
• 结果： 实验收敛于化合物 3（5-苄基膦酸盐苯并[c] cinnoline），该化合物经过合成与表征。其 $E_{red}$（-0.895 V vs. SHE）较文献基准提高了 130 mV。

第二阶段：迭代与诊断

实验表征揭示了一个关键失效：在 pH 14 条件下，循环伏安法（CV）显示出氧化波分裂现象，表现为电化学可逆性差，而这一现象并未被数值预测器捕捉。

• 假设生成： CLIO 生成了三个竞争性的机制假设：(1) 直接羟基加成，(2) 碱促重排，(3) 膦酸盐-钾离子对作用。
• 诊断设计： CLIO 优先考虑判别性实验，包括阳离子交换（Li+, Na+, K+）和扫描速率依赖性研究。
• 结果： 实验表明，将 K+ 替换为较小的阳离子（Li+, Na+）会增加氧化峰比例（$P_2/P_1$），从而支持了膦酸盐-阳离子离子对作用假设。该现象不依赖于扫描速率，从而排除了缓慢化学后续步骤的可能性。
• 再设计： 基于这一机制见解，CLIO 建议将膦酸基团替换为磺酸基团以削弱阳离子对作用。

第三阶段：验证

由此产生的化合物 20（磺酸盐衍生物）经过了合成。

• 性能： 化合物 20 保持了相对于基准 90 mV 的 $E_{red}$ 提升（-0.854 V vs. SHE）。
• 可逆性： 电化学可逆性得到了显著改善，其峰电流比（$|i_{ox}/i_{red}|$）为 0.38（相比之下，化合物 3 为 0.18），且在电化学光谱中表现出清晰的可逆谱图变化，证实了分裂机制已被消除。

核心贡献

1. CLIO 智能体架构： 一个修订版的 CLIO 智能体，具有持久的信念状态图，能够实现纵向推理并追踪跨设计轮次的科学判断演变。
2. 校准式顺从： 展示了一种由证据驱动的重新校准模式，其中智能体能够自主诊断失准的预测器，调整其搜索策略，并制定机制假设以解释实验失败。
3. 闭环成功： 成功执行了一个完整的“设计-制造-测试-再设计”循环，用于处理复杂的分子系统；智能体不仅提出了候选物，还诊断了一个失效模式（离子对诱导的可逆性问题），并提出了具体的结构解决方案（磺酸盐替换），且该方案得到了实验验证。
4. 对比分析： 一项受控对比显示，虽然 CLIO 在严格的黑盒数值优化方面落后于专门的进化优化器（ExLLM），但在提供领域知识（灰盒条件）时表现更优，能够利用推理来应对具有欺骗性的优化景观。

重要性与主张

论文声称，CLIO 与现有的操作型智能体相比，在科学发现方面做出了定性的不同贡献。目前的系统主要加速人类设计的流程，而 CLIO 则贡献了能够适应矛盾并生成机制假设的推理能力。

作者强调，智能体的有效性依赖于自然语言推理对定量预测的补充。数值工具对于初始筛选至关重要，但解决电化学可逆性问题的过程需要定性的、基于假设的推理，而这在数值预测器本身是无法实现的。论文认为，这种能力——即识别定量模式何时失效并转向定性推理——为探索复杂、多学科科学景观开辟了新的范式。作者保持了谦逊的态度，指出校准式顺从虽然存在但并不一致，且在没有特定提示的情况下，智能体并不会默认在所有设计问题的各个方面都表现出这种行为。