第55章新颖性复现与证据回写

55.1 新颖性必须有参照集合

“从未见过”是一句依赖见闻范围的话；“此前没有”则要求更强的历史判断。化学研究不能因为前一句容易由数据库回答，就让它自动取代后一句。上一章的自主实验更正已经给出具体提醒：对平台训练资料而言的新颖，与对科学知识而言的新颖，需要不同的参照集合。[C55-01] 本章进一步追问，这种区别怎样影响知识的接续。

参照集合首先应有身份。它可以是某一版本的结构库、一组公开论文、平台用于推荐合成的训练资料，或经过人工整理的实验报告。其次应有时间。一个结果在提交时尚未进入数据库，可能已在另一种载体公布；数据库后来补录，也不能倒改原实验时的平台输入。新颖性判断需要说明比较的对象与日期，而不是在争论中不断调整范围。

再次，参照集合需要有比较规则。同一个晶体结构可能采用不同晶胞或命名表示，同一个分子也可以用不同文本顺序编码。仅比较字符串是否重复，不能直接判断化学对象是否相同。反过来，把组成式一样的材料全部合并，又可能消除需要区别的结构。所谓没有找到，需要连同“怎样寻找同一个对象”的方法理解。

我们可以设想三个明确的比较例。第一种，物质已经公开，但一条不同路线能够以新的条件制得它；新颖性可能落在路线。第二种，结构已知，但发现了一项经核实、具有明确测量条件的新性质；新颖性可能落在属性知识。第三种，计算给出未登记的结构，却没有实验样品；新颖性落在候选及其预测，而不是已制得材料。三个例子都可能有研究价值，却不应竞相借用“新物质”这一最大标签。

这种分层也有助于公正评价重复工作。平台自主取得一个已有物质，可以检验知识如何迁移到新的装置和决策系统；实验室再制得一个已知结构，可以提供纯度、稳定性或可扩展性的新信息。重复对象不等于重复全部知识。但新增信息究竟是什么，应明确指出，不能通过隐去既有资料制造新颖性。

参照集合再大，也不意味着世界首次的主张已经没有风险。未数字化记录、不同语言文献与名称变化，都可能使检索遗漏。合理做法是把检索范围、对象匹配及剩余不确定性一起公开。它不是要求研究者证明一个无法穷尽的全世界否定命题，而是要求主张的强度与实际可追踪的检索相称。

因此，新颖性的最小可靠表达不是一个脱离对象的“新”字，而是“在什么参照资料中，依据什么同一性规则，尚未找到什么类型的先例”。一旦发现先例，可以修订新颖性而保留真实合成；一旦样品身份被改判，则需要修订另一部分结论。把两个入口分开，才能使纠错不至于总在全盘胜利与全盘失败之间摆动。

55.2 复现不是只复制配方

一份配方使另一位研究者知道应当尝试什么，却未必足以让他知道得到的是否仍是同一个对象。原料批次、处理状态、设备响应和判断标准都可能进入结果。问题不在于要把所有细节无穷列出，而在于哪些差别会改变当前结论，以及这些差别是否已经被稳定控制或可靠封装。

计量学对此已有明确区分。《国际计量学词汇》把重复性条件与再现性条件分别规定：前者强调同一程序、操作者、测量系统、地点等条件下的短期重复，后者容许地点、操作者和测量系统改变，并要求尽可能说明哪些条件改变、哪些未变。[C55-02] 这些术语直接涉及测量精密度，不宜未经解释就覆盖合成、模型运行和全部科学结论，但它们为本章区分任务提供了清楚入口。

同地重复首先检查当前安排能否稳定产生相近结果。它对于识别偶然波动很重要，却可能持续保留同一种系统性偏差。跨实验室复核则让部分原先共同的条件分开，因而可能发现本地重复无法显示的问题。但地点不同也不是天然更优的证据：若样品与被测量同时改变，结果差异便未必针对同一个主张。

条件迁移又提出不同问题。一项合成在另一个温度范围内得到不同产物，可能说明路线的有效域；若原主张从未声称跨越该范围，这并不直接反驳原结果。相反，若原主张宣称对某类材料普遍有效，新材料上的失败就可能具有较强反证意义。判断失败之前，应先确定被复核的是局部事实、方法范围还是一般机制。

第一章的矿冶试样能够说明这种结构。重复得到相同读数，并不能补救取样只代表富集部位的问题；换一台天平，也未必会揭露这项代表性错误。第十三章的原子量比较则显示，数值相近可能来自不同基准与组合安排，不能仅凭相近就宣布共同尺度已经形成。复核必须知道自己复核的是材料、测量还是推断。

自主实验也具有同样的层级。重新运行原分析代码，可以检查计算过程是否可重复；用另一种分析对同一图谱复核，可以检查结论对方法的依赖；重新合成并取得新图谱，才增加了实验事件。这三项工作可以相互支持，但若一份论文只是公布了重分析结果，就不应被摘要改写成跨实验室再次合成成功。

失败时，至少要保留几种竞争解释：原始结论不成立，复核程序没有达到原条件，样品身份已经不同，或原来未记录的有效域开始显现。它们不是供作者自由选择的免责理由，而是需要用资料继续排除的候选。若没有足够记录区分，应把结论停在无法判断，而不是把不确定性全部归给对方操作不熟练。

复核报告应说明沿用了什么、重新取得了什么。沿用原图谱的分析复核，保留同一实验事件；重新合成则增加样品与测量事件。两者结论相符，可以形成不同层次的支持；若不符，也能定位要重查的是归属方法还是制备与样品。明确分工，后来者无须重演无关经历，也能接手关键判断。

55.3 负结果与无回写的价值

负结果并不天然比正结果更深刻。一条失败记录可能提供清楚的路径限制，也可能只说明设备没有正常执行，还可能由于身份误判而把可行路线错误排除。要让负结果成为知识，首先必须知道“失败”针对什么目标、在哪个环节发生，以及它是否足以改变下一项行动。

A-Lab现行论文描述的主动学习，并不是只把失败实验存进一个文件夹。系统根据观察到的中间相及反应信息调整后续候选，避免某些已显示不利的路径，并优先考虑更有可能形成目标的组合。[C55-03] 这是论文明确报告的在线决策机制，与上一章讨论的事后人工重分析不同。前者参与运行，后者用于外部验证；两种反馈不能在“系统不断学习”一句话中混成同一过程。

这样的机制有真实价值：不同配方若反复通向同样的中间状态，继续逐一尝试可能浪费资源；识别共同中间过程，可以让一次结果限制多个候选。但它也承担额外风险。若中间相被错误识别，或某个未记录条件改变了后续转变，那么一次错误归类可能被放大为一片候选空间的错误排除。反馈越能影响后续搜索，越需要保留重新打开排除规则的条件。

负结果的去向可以沿三层检查。保存层留下样品和观察；决策层记录它使哪一个候选降序、停试或追加表征；模型层说明它是否改变了变量关系或样品归并规则。一个中间相标签可以只参与原规则下的排序，也可能促使规则修订，二者应凭版本与选择记录区别。这样既能确认在线学习的实际作用，也能识别尚未进入决定的暂存材料。

没有发生回写，也不总是失败。若一项负结果的来源不清，把它立即喂给模型可能降低可靠性。暂存并标记不确定，使其等待复核，反而是合理选择。还有一些结果虽重复确认已知限制，不足以改变当前规则，却可以增加对封装范围的信心。知识的价值不能只用“是否每次都改规则”衡量。

一个假设例可作说明。若合成没有达到目标，但运行日志显示样品转移中断，这条记录可以支持装置维护判断，却不能直接训练成“该化学路线不可行”。若操作完成、产物明确而目标未出现，记录才可能对该条件下的路线提供反证。若产物识别本身不确定，则需要保留分析层级的疑问。把三者都写成零收率，会让不同失败来源在数据表里失去区别。

公共更正还会影响旧负结果的再解释。如果某个曾被判作成功的目标改为不确定，系统先前停止探索的理由就应当被重新评估；如果一个旧失败被发现只是分类器漏判，原先排除的路线也可能需要恢复候选资格。但这类反向修订只有真正进入使用中的版本和选择过程，才算决策回写。现行论文并未使我们能够自动推断2026年更正已经完成这种重跑。

负结果档案还需要保留未尝试的区域。主动学习决定不再测试某些候选，这些候选应标为依规则排除，不能冒充实际实验失败。否则，后续模型会把推断产生的标签当作观察，逐轮放大原来的偏好。清楚地区分未做、做了未成与无法判定，是避免知识系统把自身推断复制成证据的基本要求。

55.4 可接续知识的最小档案

经过前面的区分，可接续档案不必成为包罗万象的百科全书。它首先要回答几个实际问题：这个记录指向哪个样品或计算对象，采用什么版本的目标与判据，实际做了什么，得到了什么观察，结论排除了哪些替代解释，以及后来有无更正。字段是否保留，应由这些判断需要决定，而非由表格显得复杂来决定。

来源管理并非发生学新发明。W3C的PROV入门文档已经区分实体、活动、责任角色、派生关系与修订，允许把一个文档的不同版本联系起来。[C55-04] 这类工作能够为数据流转提供成熟结构。本书增加的任务是把它与具体化学判断对接：什么对象身份因修订而改变，什么使用权限随之收缩，什么行动需要重新打开。

对自主合成，最小档案应使一个目标记录能够找到相应实验、原始观察和分析版本。若结论是目标相存在，应能回到支持该判断的比较；若结论只是平台未在训练资料中见过目标，应能回到相应训练资料版本。两个结论可以共享样品标识，但不应共享一个含义不清的“新材料成功”字段。

对计算候选，档案需要区分输入结构、算法版本、预测属性和实验验证状态。一个计算稳定的结构若尚无合成结果，可以作为候选继续使用，却不能在合并表中默认为已取得样品。对合成规划，路线提出、操作执行与产物确认也需要分别标识。否则，同一结构在不同数据库里的记录数量，可能被错误理解为独立实验支持的数量。

对历史文献，最小档案的对象又不同。第十三章显示，1808年表与1811年转述的数值不同；若只保存“道尔顿说氧为多少”，版本差异便消失了。保存题名、年份、具体段落和转述关系，能够让后来者继续核查，却不需要把作者一生所有事件都附在这条记录后面。最小性意味着足够支持当前判断，而不是尽可能少写字。

这些要求还可以用删字段的方法检验。删除某项信息后，使用者是否仍能正确区分目标存在与纯度，计算预测与实验结果，同地重复与异地复核？若完全不影响判断，而且不能支持必要的追溯，该字段可以留在扩展档案而不必挤进核心记录。相反，一个简短版本号若决定结论能否成立，就比许多背景描述更不能省略。

档案还应把观测时间与解释时间分开。原始样品可能已无法重新取得，留下的图谱却可以在新的候选库下重新解释；这时改变的是我们对旧事件的判断，而非旧事件本身发生了第二次。若新实验确实制得另一份样品，则应给予新的事件标识，再说明它如何支持或挑战旧结论。把这些时间层次连起来，既允许旧资料产生新知识，也避免同一份数据在不同分析版本中被重复计算为多次独立确认。

公开权限也要与可接续性区别。资料可下载说明别人能够获得文件，却不保证文件含义清楚、必要条件齐全或结果正确。相反，某些受限资料即使暂不能全部公开，仍应明确哪些结论可以检查、哪些无法独立核验。可获得性与可信度是相互影响的两个维度，不能用一个状态标签互相代替。

档案的可接续性也需要实际测试。可以请未参与原研究的人，依据记录回答一项具体问题，例如某个不确定目标是否允许进入成功计数，或某个失败标签是否来自真实实验。如果两位读者反复作出不同解释，问题可能出在字段含义、资料缺失或判据本身。测试结果应反馈到记录设计，而不只是增加一句“详见附件”。本章提出的是可实施的检验，不声称已经完成独立使用者试验。

可接续知识最终要让后来者作出具体选择：沿用哪一项结论，重查哪一份样品，暂缓哪一种用途。版本号、样品标识和判断范围因而比记录数量更能说明档案是否有效。若补充这些信息后原身份仍可沿用，成果是稳定性的维护；若复核迫使改变归并规则，才涉及身份修订。下一章将据此比较条件变化与对象发生，检验两种结果各自需要什么证据。

本章来源与核验边界

[C55-01] Szymanski等，2026年作者更正及更正后正文，https://www.nature.com/articles/s41586-025-09992-y ，https://www.nature.com/articles/s41586-023-06734-w 。核读新颖性澄清、目标分类及外部人工验证范围，沿用第54章同轮核验，不把公开更正当作内部模型更新证明。

[C55-02] JCGM，VIM第三版官方在线条目2.20与2.24，https://jcgm.bipm.org/vim/en/2.20.html ，https://jcgm.bipm.org/vim/en/2.24.html 。初稿核验时直接读取条件定义；本章将其用于区别测量任务，不声称这些定义可无条件替代其他学科的复现术语。

[C55-03] Szymanski等，同上2023论文2026现行版本，Active-learning algorithm及相关结果段，https://www.nature.com/articles/s41586-023-06734-w 。初稿核验时核读算法如何利用观察到的反应及中间相改变候选；未复跑代码，未独立确认全部算法增益数值。

[C55-04] Yolanda Gil、Simon Miles编，PROV Model Primer，W3C Working Group Note，2013年4月30日，第一、二节。https://www.w3.org/TR/prov-primer/ 。初稿核验时核读实体、活动、角色及修订等说明；该入门文档的工作组说明身份与具体标准文档区别保留。