# 科学仿真交付：模型、数值误差与性能一起可复查

工作单元：W-M06；版本：2026-10-21.workunits.2；复核：2026-10-20
把给定科学模型变成可复现计算/仿真包，证明误差、稳定性和资源开销满足约定，并明确与现实的距离。

## 当前用法
可委派完整仿真候选及误差/性能报告；解析/高精度对照和独立物理校验决定接收层级。
依据：科学编码已有研究型任务集；题意/金标准/容差缺陷会误拒正确数值代码。
来源状态：active
本站记录：本站本任务AI运行数、成功率、实际成本及人工介入量均为null；代表例为交付设计，未执行。

条件：
- 模型与边界可解释
- 有独立数值基准
- 目标运行环境及容差明确

## 请求与范围
需要从方程和数据交付可信模拟，或升级数值实现同时保住精度。
建模假设、方法选择、求解实现、误差/不确定性和科学软件回归为同一交付；不以收敛代替物理模型正确。

## 输入
- 方程与物理对象：方程、初/边值、单位、参数来源、守恒关系和观测对照；允许简化与非目标。
- 精度和资源：可解析/制造解基准，误差范数/容差、网格/步长序列、随机种子/重复数、运行硬件和性能预算。
- 可复现项目：固定源/依赖/编译器/BLAS/求解器、数据hash；目标机器CPU/GPU/HPC入口及权限。

## 交付物
- 方程/离散化/参数来源与可运行项目、锁定环境
- 基准与网格/步长收敛、残差/守恒量/稳定性/不确定性记录
- 相同误差容限下的时间/内存比较、关键路径profile与回归
- 情景结果、可读说明及模型适用/未验证物理假设

## 验收
1. 离散问题和科学模型一致
   方法：独立推导单位、边界和离散算子；以制造解或解析极限验证，不沿用作者同一段代码生成期望。
   拒收：边界索引反了但残差很小；单位秒/毫秒错配。
2. 误差/稳定性有证据
   方法：比较多级网格或步长的误差阶；守恒/正性等物理不变量和病态参数；随机模拟给Monte Carlo误差与种子集。
   拒收：只看一个网格的求解器success；不稳定解用平滑图掩盖。
3. 优化后科学结果未变
   方法：固定硬件、线程、误差目标和输入，比较精度与耗时/内存；测试依赖升级、不同求解路径；性能改善不得靠减精度。
   拒收：GPU更快却换算法容差；只比较一次热缓存时间。
4. 现实解释可接收
   方法：与独立测量/公认算例核对；误差拆成模型、离散、舍入、参数/观测来源，无法校准则只接收数值实现。
   拒收：数值收敛直接声称能预测现场；把拟合数据当独立验证。


## 具体例子
输入：设计例：1D热方程u_t=αu_xx，固定区间/零边界和u(x,0)=sin(πx/L)；解析解可对照；再改变α、网格和步长。
预期产物：可重放求解器、L2/L∞误差及收敛、与零Dirichlet边界通量一致的热量平衡/耗散检查、同精度性能比较；不要求总热量恒定，未生成本例产物。
失败：显式格式越过稳定条件仍报成功；只降低精度后声称加速。

## 工作重组
以前：理论推导、求解器编码、调参、性能优化和论文图表分开交付。
现在：代理围绕模型与误差目标选方法和实验；确定性求解直接运行，数值反馈引导换网格/算法，结果和解释来自同一版本。
保留：
- 科学假设与观测来源
- 可接受误差与资源投入
新增：
- 数值验收器也需验证
- 同时保存精度/性能曲线
- 库版本与硬件语义

## 人的责任与失败接管
应用领域接收者确认模型与实验对照，数值负责人确认误差证据；代理可完成实现、实验、profile和报告。
不收敛时交参数/残差/稳定性轨迹与最小复现；区分模型不适、离散错误和环境阻塞，不凭好看曲线补结论。

## 尚待补足
- 未覆盖全部物理模型认证
- 目标HPC/观测数据仍需提供

## 职业与团队下一步
科学计算、数值方法、研究软件
方程/基准、求解器、收敛与性能证据
按领域补模型理论、硬件与测量背景。
/explore?purpose=career&domain=math
模型误差、数值误差或算力哪项限制交付？
代理组织代码和实验，领域人员核对物理假设，独立算例校准接收。
比较未见算例的精度、资源和总接收成本。
/explore?purpose=team&domain=math

## 证据与关系
- SciCode-Verified v1：科学验收缺陷审计与匹配重评（含协议例外）：https://arxiv.org/html/2608.04975v1
  定位：§3 matched reevaluation；§4缺陷分类；§6限制；代码ddab4a92f8d80a7113ab946628e994b52354d838；公开 2026-08-05；核查 2026-10-20；复查 2026-11-20
  支持：提供科学代码能力测量及验收缺陷的专属证据。
  未覆盖：独立审计者自报；不能把修订分数当本仿真成功率。
- SciCode：科学研究编码原始基准：https://github.com/scicode-bench/SciCode/blob/e3158ea011d4235245a547460d3688d7ccbf9900/README.md
  定位：Introduction / Dataset Creation / Usage；NeurIPS2024原论文；公开 2024（论文）；固定代码2025-10-07；核查 2026-10-20；复查 2026-11-20
  支持：科学问题到数值实现的公开任务参考。
  未覆盖：热方程验收及HPC迁移是编辑设计，未测。


## 任务级判断与证据
采用方式：限定条件下整包委派
从证据到建议：科学代码研究展示了可执行产物，也暴露基准规格/误差容差的缺陷。因此可整包实现和迭代，但先校准验收，不用旧低分当上限或修订后分数当现场可靠性。
当前可用性：mixed；公开资料与工具入口已核对；下列论文配置、开源实现和本任务实际运行分别记录。本轮不安装、不调用付费服务，也不继承外部成绩。
- SciCode-Verified：https://github.com/flyingwagner/scicode-verified/tree/ddab4a92f8d80a7113ab946628e994b52354d838
  ddab4a92…；论文v1，数据release需hash核对；源码/任务/评价；与原SciCode分开保存，需API/科学Python。

### SciCode-Verified作者的匹配重评报告12模型快照的主问题准确区间约由9–27%到69–92%；多数行沿同一评测设置，修订版两条DeepSeek V4 Preview行另有较早harness/三次均值例外。题意/金标准/容差影响科学编码测量。
依据身份：外部报告结果；状态：active
- SciCode-Verified v1：科学验收缺陷审计与匹配重评（含协议例外）：https://arxiv.org/html/2608.04975v1
  定位：§3 matched reevaluation；§4缺陷；§6；关系：partial
  支持：提供科学代码能力测量及验收缺陷的专属证据。
  限制：独立审计者自报；不能把修订分数当本仿真成功率。
  核查：2026-10-20；来源状态：active
配置：SciCode-Verified arXiv v1 Table1/§3；64可判定主问题/287子题，with-background，pass@1设计，两套固定科学Python环境OR判分。多数行是一次运行；修订版DeepSeek V4 Pro Preview与DeepSeek V4 Flash Preview两行是较早harness revision的三次运行均值，不是所有12行都仅改数据的一次同harness对照。本站未重跑。
适用限制：作者自报的独立审计；区间跨模型，不是本仿真或职业成功率。两条修订版Preview行的harness/重复例外须保留，不能把每行差值全部归于只换数据；修订测量也不是模型升级。
相关进展（本条判断）：
- 科学代码重评显示数值验收本身需要领域校准：/explore?purpose=understand&domain=math&window=all#P-M-SCICODE-AUDIT
  首次公开 2026-08-05

### 以解析/制造解、收敛阶、物理不变量和同精度资源比较接收科学软件候选。
依据身份：有条件的编辑推断；状态：active
- SciCode：科学研究编码原始基准：https://github.com/scicode-bench/SciCode/blob/e3158ea011d4235245a547460d3688d7ccbf9900/README.md
  定位：Introduction / Dataset Creation / Evaluation；关系：adjacent
  支持：科学问题到数值实现的公开任务参考。
  限制：热方程验收及HPC迁移是编辑设计，未测。
  核查：2026-10-20；来源状态：active
适用限制：热方程验收及HPC迁移是编辑设计，未测。

## 情境变化
### 随机模拟与不确定性
输入变化：随机输入/蒙特卡洛而非确定PDE。
判断变化：可委派可复算模拟与方差控制，不能只接一条随机轨迹。
验收变化：独立种子重复、Monte Carlo误差、分布/极限对照；不只同seed像素一致。
### HPC性能改造
输入变化：并行/GPU或不同编译器/浮点模式。
判断变化：先固定科学误差合同，再委派profile与实现。
验收变化：不同规模加速/通信/内存与误差，硬件一致；未授权集群不运行。
### 科学软件依赖升级
输入变化：求解器、BLAS、编译器或库API变化而科学模型不变。
判断变化：可委派兼容修改及数值回归，先锁原误差合同和合法数值等价。
验收变化：干净环境重建、基准/收敛与性能重跑；差异分解为算法/舍入/默认值，不以旧缓存通过。
### 确定性模型与数值实现
输入变化：给定确定性方程/初边值和参数，需要选择适用数值方法或实现求解器，不以旧软件升级为前提。
判断变化：可交完整实现、误差和资源报告；模型现实有效性另核。
验收变化：解析/制造解、网格或步长误差、残差/稳定性与适用平衡规律；容许合法数值等价实现。
### 候选数值方法的性质与对照验证
输入变化：输入是新算法/离散格式及待证性质，而非只为已定模型选成熟solver。
判断变化：可委派实现、对照与失效搜索；收敛/稳定性/复杂度的全称保证另按M04接受论证或反例，实验不代替证明。
验收变化：锁算法/参数与假设，独立检查推导和可复现实验；基线公平、网格/精度/资源可比，给出失败区域；自然论证、精确反例、适用形式证书各自合法。

研究前沿：SciCode-Verified作者的匹配重评及公开例外表明，修订科学规格/金标准/容差可大幅改变科学编码测量；两条修订版DeepSeek V4 Preview行采用较早harness与三次均值，不能把12行无例外称为同一harness。它仍不代替现实模型或任意HPC验证。
下一项验证：在1D热方程制造解下验证误差阶和边界，再给代理未见参数/性能修改；加入错边界、过粗网格及缩容差假提速负控制。
未来改判信号：
- 扩大：未见算例、病态参数和依赖变化下误差与性能双达标。
- 收缩：只在参考数据接近，网格收敛/守恒失败或物理外推无证据。

## 与本单元直接关联的进展
### 科学代码重评显示数值验收本身需要领域校准
公开 2026-08-05
原文匹配重评（含明确逐行例外）显示验收定义会改变科学代码测量。
支持范围：作者自报的独立审计；区间跨模型，不是本仿真或职业成功率。两条修订版Preview行的harness/重复例外须保留，不能把每行差值全部归于只换数据；修订测量也不是模型升级。
来源状态：active
/explore?purpose=understand&domain=math&window=all&kind=all#P-M-SCICODE-AUDIT

领域背景与未来情景：/explore?purpose=understand&domain=math


## 工具与采用佐证