可微科学软件生态系统的递归改进

可微编程将科学计算与基于梯度的推断、学习和设计相连接。要在异构软件生态系统中拓展这些能力，需要投入专门工作来实现导数、整合接口并评估质量。AI 编码代理能够加速这一转型，但要将其能力转化为有用的科学软件，就需要明确研究需求，并评估实现满足这些需求的程度。我们提出了一个由代理驱动的可微科学软件演化环境，将需求识别、开发和质量评估连接起来。统一的微分接口在现有数值例程的基础上提供可复用的导数规则，使不同研究任务能够共享这些能力。研究需求指导开发，而实现则通过独立的导数检查、工作流测试和性能评估进行评定。经过验证的软件、研究方案和测试将成为后续研究的共享资源。我们在涵盖物理、化学和生物建模的 20 个软件包中构建并验证了自动微分扩展，研究工作流展示了这些扩展在不同任务之间的复用能力。基准测试表明，在梯度计算和完整参数估计方面，相较于有限差分方法，这些扩展能够节省计算开销。由研究驱动的修订使此前不受支持的工作流实现可微化，修正了科学观测量的导数，并消除了冗余计算。量子控制和热设计研究根据物理评估结果修订目标，在复用现有导数的同时改进设计。本文为在既有科学软件中扩展可微编程提供了一种实用方法，并展示了如何围绕共享计算生态系统的递归改进来组织 AI 代理。