Argonne国家实验室正在构建融合AI的科学计算生态系统，跨越机构、软件和社区层面支持数据驱动的发现。

值得信赖的AI赋能科学发现取决于软件、人员、机构和社区行动。

人工智能正在快速改变科学计算。AI系统现在可以在科学工作流中生成和分析代码、综合信息、协助假说生成并执行复杂的推理任务。随着计算架构和数据密集型研究的进步，这些能力正在重塑科学工作的开展方式。

科学界面临的挑战不仅仅是加快研究速度，而是建立科学计算生态系统，能够利用这些能力，同时保持严谨性、透明度、问责性和人的判断——促进新形式的合作和发现。

这是2026年"面向科学计算下一代生态系统"研讨会的重点，该研讨会于4月14日至16日在芝加哥举行。由Lois Curfman McInnes及合作者组织，作为她2024年美能源部科学办公室杰出科学家奖学金的一部分，研讨会汇聚了来自大学、国家实验室、产业和其他机构的研究人员和实践者，讨论随着AI成为研究中更活跃的参与者，科学计算生态系统应该如何演进。基于2025年首届研讨会，今年的讨论从识别挑战转向为社区制定战略优先事项和行动计划。

最终报告确立了四个相互依存的战略主题：AI赋能科学发现的软件生态系统；信任、验证和可追溯性；人-AI协作与范式转变；以及劳动力、教学和治理。

报告广义上使用"生态系统"概念，涵盖塑造科学计算的技术、社会和组织结构——从硬件、软件、数据和工作流到人员、机构、激励机制和社区实践。目标是创造一个能够随科学需求和技术变化而适应的环境。这一视角至关重要，因为AI从被研究人员使用的工具演进为成为科学工作流中的活跃参与者，提出了关于验证、来源、问责性和人类专业知识角色的紧迫问题。

有效软件生态系统的核心是共享研究资产：可重用的软件、数据集、元数据、工作流、基准、验证示例和文档，以捕捉知识、背景、假设和计算方法，形成可在项目和社区中重用的形式。这些资产帮助研究人员理解、扩展和验证复杂工作流，特别是当AI、基于加速器的计算和新兴技术变得越来越相互关联时。报告强调易用性——帮助研究人员识别解决科学问题的合适方法及其局限性。

随着AI赋能工作流从探索性使用转向科学分析和决策，报告要求信任相关能力——验证、校验、不确定性量化、来源、可追溯性、透明度和可审计性——成为核心设计需求。传统方法可能不够；它们必须通过针对混合工作流的方法进行扩展，这些工作流结合了机制模型、数值方法、AI系统、替代模型和人的判断。科学软件呈现特殊挑战：它可能在没有明显技术错误的情况下运行，但仍会产生科学误导的结果，常规测试可能无法检测这些情况，尤其是当AI快速生成或修改代码时。研讨会参与者强调需要新的数学和统计基础方法来评估AI赋能的科学工作流。

报告区分了任务工作——完成特定目标所需的活动——和团队工作，后者涉及人和AI系统如何有效协调以实现该目标。随着AI承担更多任务工作，有效的团队工作变得越来越重要。人类研究人员对于框架化科学问题、结合领域和计算知识、评估证据、管理不确定性和解释意外结果仍然至关重要。自动化与人类参与之间的适当平衡取决于任务，风险更高或后果更严重的活动需要更大的透明度、验证和人的判断。研讨会强调通过奖学金、实习、学徒制和跨部门研究项目为早期职业研究人员提供人-AI协作的实践经验。

科学计算培训必须超越编程，包括批判性思维、证据评估、不确定性下的推理、验证、可重复性、沟通和AI赋能工具的负责任使用。报告的劳动力路线图强调了学生、实践者和机构领导者的多元路径，认识到人们在不同阶段和不同角色进入科学计算。目标不是为特定一代工具培养人才，而是开发即使技术演进也能保持价值的能力。

研讨会的中心信息是，被AI加剧的长期生态系统挑战不能由单个项目或组织单独解决。建立有效的科学生态系统需要研究人员、大学、国家实验室、私营部门、资助机构和专业学会之间的协调。

基于四个主题，报告确定了八个社区行动领域。近期工作应加强共享研究资产、信任基础设施、人-AI协作实践和科学软件管理的激励机制。试点项目应探索协调多个AI代理和多个机构的新方法，同时研究帮助用户在整个研究工作流中做出更明智选择的方式。纵向研究应检视AI如何影响工作场所、专业角色和团队行为，以及评估AI赋能生态系统是否改善了科学和工程实践。

AI可以加快科学工作的某些部分，但速度本身不是进展。相关问题是AI赋能生态系统是否支持有效、可解释和创意的发现。达到这个标准需要超越技术能力：软件、数据、人员、机构、激励机制和社区实践必须通过反馈、适应和管理一起演进。正如报告总结的那样："做得好的话，这些生态系统可以加快发现速度并扩展科学研究，同时保持进展和公众福利所依赖的严谨性、透明度、问责性和合作。"

完整报告《面向科学计算下一代生态系统：为跨学科团队科学利用社区、软件和AI》由L. C. McInnes等人编著，可从https://doi.org/10.48550/arXiv.2608.26519获取。参加SC26的人士被邀参加11月17日星期二的分组讨论：《AI时代科学计算生态系统》。