二百花齊放的大模型時代··三·大模型輔助的科學假設生成五未來科研范式展望二百花齊放的大模型時代··三·大模型輔助的科學假設生成五未來科研范式展望第4范式：數(shù)據(jù)密集科學大數(shù)據(jù)數(shù)據(jù)建模、第4范式：數(shù)據(jù)密集科學大數(shù)據(jù)數(shù)據(jù)建模、分析、挖掘21世紀初理論模型牛頓定律、電動力學方程等19世紀-20世紀中葉O第5范式：智能驅(qū)動科學大模型第5范式：智能驅(qū)動科學大模型、智能體自動化科學研究2023年第1范式：經(jīng)驗科學觀察和實驗自由落體、進化論等19世紀之前數(shù)值計算模擬20世紀中葉-21世紀初1.數(shù)據(jù)驅(qū)動的全流程智能化2.模型驅(qū)動的自主發(fā)現(xiàn)3.人機融合的閉環(huán)驗證人工操作（日均數(shù)次實驗，誤差率高）人工操作（日均數(shù)次實驗，誤差率高）有限實驗數(shù)據(jù)局部仿真結(jié)果性算法、統(tǒng)計模型傳統(tǒng)-人工AI-驅(qū)動AI-驅(qū)動AI-驅(qū)動AI-驅(qū)動AI-驅(qū)動概率推理、深度學習、復雜系統(tǒng)涌現(xiàn)智能以黑盒思想克服組合爆炸問題自動化平臺形成“假設-實驗-反饋”閉環(huán)概率推理、深度學習、復雜系統(tǒng)涌現(xiàn)智能以黑盒思想克服組合爆炸問題自動化平臺形成“假設-實驗-反饋”閉環(huán)多模態(tài)大數(shù)據(jù)(實驗+文獻+社會行為+模擬生成)跨學科創(chuàng)新機制√(催生顛覆性技術)效率革命性提升√復雜問題突破√跨學科創(chuàng)新機制√(催生顛覆性技術)5.倫理與工程化落地4.跨學科知識圖譜構建傳統(tǒng)傳統(tǒng)耗時、經(jīng)驗傳統(tǒng)AI-驅(qū)動AI-驅(qū)動AI-驅(qū)動第五范式標志：機器涌現(xiàn)智能&人-機-物智能第五范式標志：機器涌現(xiàn)智能&人-機-物智能現(xiàn)狀:從技術突破到生態(tài)重構ceceGEmma資源層 黑箱模型可解釋性困境數(shù)據(jù)與算力依賴未來：從范式迭代到生態(tài)躍遷規(guī)則層協(xié)作層協(xié)作層生態(tài)躍遷生態(tài)躍遷參與者增加生態(tài)多樣性參與者增加生態(tài)多樣性2022年5月，全球首款全自動生成的32位RISC-VCPU“啟蒙1號”由中國科學院計算技術研究所利用AI技術成功設計。AI的利用，將生產(chǎn)周期從數(shù)月降至5小時生成400萬邏輯門，效率提升至1/1000，標志著芯片設計進入智能化時代核心論文領域躍升可視化核心論文生產(chǎn)速度5小時/400萬邏輯門生產(chǎn)效率1000倍From:DATE;ACMComputingSurveys AlphaFold2是由DeepMind開發(fā)的人工智能系統(tǒng)，通過深度學習技術實現(xiàn)了蛋白質(zhì)三維結(jié)構的高精度預測。截至2024年，該系統(tǒng)已預測超過100萬個物種的2.14億個蛋白質(zhì)結(jié)構，幾乎覆蓋地球所有已知蛋白質(zhì)核心論文領域躍升可視化核心論文template-basedproteinstrutemplate-basedproteinstru預測速度小時預測范圍2.14億預測精度92.4%From:Nature;naturecomputationalscience DeePMD(深度勢能)方法由中美團隊合作開發(fā)，結(jié)合第一性原理與深度學習，將分子動力學模擬規(guī)模從百萬級原子擴展至170億原子，計算效率提升超1000倍。該成果在2020年獲“戈登·貝爾獎”，2022年進一步優(yōu)化后實現(xiàn)單日模擬11.2納秒物理過程核心論文領域躍升可視化核心論文AI模擬(MPNNs)AI模擬(MPNNs)AMBER&CHARMMFrom:Naturecommunications;ComputerPhysicsCommunications模擬精度0.1-0.3A模擬速度小時模擬范圍億量級里耶卡大學的研究團隊開發(fā)了一種基于RNN的方法，使用不規(guī)則采樣的不等長特征來評估未分類肽的SA潛力。日本東京理科大學(TUS)和名古屋工業(yè)大學的研究團隊，利用機器學習來簡化搜索最佳材料的過程。研究人員使用由實驗數(shù)據(jù)訓練的機器學習優(yōu)化了高能鈉離子電池過渡金屬層狀氧化物的成分。核心論文領域躍升可視化核心論文From:NatureMachineIntelligence;JournalofMaterialsChemistryA準確率80%-95%實驗次數(shù)、成本大幅縮減德國赫姆霍茲研究所與廈門大學合作，開發(fā)了閉環(huán)自動化工作流程，實現(xiàn)了有機半導體的逆向設計，光電轉(zhuǎn)換效率提高至26.2%。天津大學胡文平教授與斯坦福大學鮑哲南教授合作，通過在PEDOT:PSS材料中引入拓撲交聯(lián)網(wǎng)絡，顯著提升了其力學和電學性能，獲得了最佳導電性的柔性電極。核心論文領域躍升可視化核心論文薄膜導電率2數(shù)量級光電轉(zhuǎn)換效率8.5%->26.2%FromFrom:Science 1.天津大學鞏金龍教授團隊開發(fā)了一種通用且可解釋的描述符模型ARSC，用于統(tǒng)一多種電催化反應的活性和選擇性預測,研究人員可以快速找到各種產(chǎn)品的最佳催化劑，而無需進行50,000多次密度泛函理論計算。2.中國科學院和北京師核心論文From:naturecommunications核心論文From:naturecommunications預測效率準確性ee值高達97%二百花齊放的大模型時代··三·大模型輔助的科學假設生成五未來科研范式展望??深度學習?邏輯推理?經(jīng)驗歸納?專家系統(tǒng)?知識構建發(fā)態(tài)勢發(fā)態(tài)勢，能Qwen-VL等石●●石●●物學界50年的題●AlexNet在ImageNet個百分點法●●●●● 生成式AIDeepSeek大語言模型大語言模型回s回s單一文本模態(tài)限制了大語言模型的可用性多模態(tài)大模型 多模態(tài)克服大語言模型局限性，賦予更強能力國外主流大模型國外主流大模型國內(nèi)主流大模型深度求索科技公司開源了一系列針對自然語言處理、文本生成、信息檢索等多任務DeepSeek-V3DeepSeekLLMDeepSeekDeepSeek-V3DeepSeekLLMDeepSeek-R1DeepSeek-VLDeepSeek-R1為開源推理模型，通過多階段訓練和冷啟動數(shù)據(jù)優(yōu)化、全場景強化學習進DeepSeek-R1為開源推理模型，通過多階段訓練和冷啟動數(shù)據(jù)優(yōu)化、全場景強化學習進推理、代碼、數(shù)學和中文理解等多個領域超越了Llama2模態(tài)理解能力，能夠處理包括邏輯圖表、網(wǎng)頁、公式識別、科學文獻、自然圖像以及復雜場景中的具身智能等多種任務行了預訓練，并通過監(jiān)督微調(diào)和強化學習進一步提升性能。旨在實現(xiàn)高效推理和低成本訓這些能力及其組合讓大模型在這些能力及其組合讓大模型在多個任務中展現(xiàn)語言理解與生成語言理解與生成l語義解讀精準l對話生成流暢l信息提煉高效邏輯推理與交互邏輯推理與交互l演繹推斷l(xiāng)思維鏈知識存儲與檢索知識存儲與檢索l知識高效檢索l智能精準問答l在線網(wǎng)絡搜索視覺與多模態(tài)視覺與多模態(tài)l圖像精準解析l語音智能交互l多模態(tài)融合生成幻覺現(xiàn)象l輸入沖突的幻覺l語境沖突的幻覺l事實沖突的幻覺可解釋性差可解釋性差l基于數(shù)據(jù)的可解釋性l基于模型的可解釋性l基于結(jié)果的可解釋性高級推理能力弱高級推理能力弱l本質(zhì)是模式匹配l缺乏因果關系理解l依賴于輸入提示倫理問題倫理問題l具有特定偏見的言論l泄露相關人的隱私l回復不安全可靠是否具備實體交互能力是否具備實體交互能力軟件智能體具身機器人軟件智能體波士頓動力Atlas任務泛化能力任務泛化能力垂直領域智能體通用任務智能體Lumiance條款審計智能體核心能力智能體核心能力對復雜需求進行多級拆解，生成可執(zhí)行原子任務鏈動態(tài)匹配原子任務與工具庫（本地API/第三方服務）記憶系統(tǒng)（短期+長期）長期記憶層長期記憶層短期記憶層實時上下文層大模型作為“大腦”提供統(tǒng)一的語義理解和推理能力支持跨模態(tài)信息處理 “大腦”多智能體角色分工任務分配：大模型指導任務劃分-知識共享：通過大模型實知識共享：通過大模型實具身系統(tǒng)反哺智能體進化智能體賦能具身系統(tǒng)具身智能的定義具身系統(tǒng)反哺智能體進化智能體賦能具身系統(tǒng)具身智能的定義“大腦”-智能體規(guī)劃“大腦”-智能體規(guī)劃“具身系統(tǒng)”（物理執(zhí)行）依賴真實物理環(huán)境或高保真仿真環(huán)境數(shù)據(jù)反饋與優(yōu)化數(shù)據(jù)反饋與優(yōu)化“智能體”（任務規(guī)劃）“小腦”“小腦”-強化學習運動控制固定基座機器人、人形機器人等物理實體視覺、觸覺、語言等多模態(tài)融合感知視覺、觸覺、語言等多模態(tài)融合感知動態(tài)連續(xù)任務動態(tài)連續(xù)任務，如導航、人機協(xié)作等通過主動與環(huán)境交互生成數(shù)據(jù)通過主動與環(huán)境交互生成數(shù)據(jù)需適應開放物理場景需適應開放物理場景XDOG→GO1XDOG→GO1++++單無單無人車…………資源受限下的分布協(xié)作通過對任務的分解通過對任務的分解，負責特定任務，使自身算力需求降低成本過高成本過高總?cè)蝿辗纸馊蝿?總?cè)蝿辗纸馊蝿?面對復雜任務，多智能體相比單智能體更有優(yōu)勢領域?qū)＜蚁到y(tǒng)學習路徑階梯圖領域?qū)＜蚁到y(tǒng)中層（評估與調(diào)試）外層（部署與擴展）內(nèi)核層（開發(fā)框架）中層（評估與調(diào)試）外層（部署與擴展）內(nèi)核層（開發(fā)框架）多工具協(xié)同多工具協(xié)同單任務智能體Manus的產(chǎn)品名，意思為“手”，來自拉丁文"mensetmanus"——知行合一。為LLM做一雙能巧妙調(diào)用工具的手,從而擴展人的能力，讓你心中的愿景成為現(xiàn)實。Manus性能領先Manus性能達到SOTA工具調(diào)用與自動化自主學習與優(yōu)化多領域任務處理復雜任務規(guī)劃與執(zhí)行工具調(diào)用與自動化自主學習與優(yōu)化多領域任務處理復雜任務規(guī)劃與執(zhí)行將復雜任務分解為子任務并自主執(zhí)行支持文件處理、數(shù)據(jù)分析、內(nèi)容創(chuàng)作、旅行規(guī)劃等調(diào)用瀏覽器、代碼編輯器、數(shù)據(jù)分析工具等根據(jù)用戶反饋優(yōu)化工作方式 這些能力及其組合讓Manus在多個任務中展現(xiàn)出強大的泛化能力教學制作提示詞查詢教學制作提示詞查詢提示詞：制作介紹小米su7的十頁PPT教學制作提示詞查詢教學制作提示詞查詢提示詞：我是一名中學物理老師，正準備教授動量守恒定律。您能否創(chuàng)建一系列清晰準確的演示動畫，并將它們整理成一個簡單的HTML演示文稿？游戲制作提示詞查詢游戲制作提示詞查詢提示詞：幫我寫一個DOOM的網(wǎng)頁版游戲，高保真，我可以用鼠標和鍵盤來玩數(shù)據(jù)估計Manus為一家得克薩斯州的BBQ門店深入進行門店周邊的數(shù)據(jù)估算和分析并提供銷售額項目學習當你需要學習某個開源項目時,manus會深入代碼庫理解代碼，繪制系統(tǒng)結(jié)構圖，并為你材料整理Manus可以為記者或投資人深入整理待訪談人的全面信息并歷史講解Manus為我們講解萊克星頓第一槍的戰(zhàn)役過程時，配上了自 依賴外部數(shù)據(jù)源依賴外部數(shù)據(jù)源如果外部數(shù)據(jù)源出現(xiàn)問題或工具不可用，可能會影響Manus的任務執(zhí)行效率和準確性隱私與安全問題隱私與安全問題Manus在處理用戶數(shù)據(jù)時涉及隱私和安全問題。如果數(shù)據(jù)泄露或被惡意利用，可能會給用戶帶來損失和風險技術門檻較高技術門檻較高雖然Manus的設計注重易用性，但其底層技術門檻仍然較高。這可能會影響用戶對Manus的信任度和接受度 認知增強架構認知增強架構更多Agent將采用Manus的MCP模式，解決復雜任務規(guī)劃問題。Gartner預測，到2028年15%日常工作決策將由Agent完成實時學習系統(tǒng)實時學習系統(tǒng)RAG技術進化至多模態(tài)檢索，實現(xiàn)動態(tài)知識更新。這將使AI具備“終身學習”能力，應對金融市場波動等實時性需求人機協(xié)作界面人機協(xié)作界面腦機接口、空間計算等技術的融合，可能催生“意念驅(qū)動Agent”的新型交互方式，進一步降低使用門檻二百花齊放的大模型時代··三·大模型輔助的科學假設生成五未來科研范式展望聯(lián)想理論知識重組理論聯(lián)想理論 知識圖譜助力可靠合作背景知識+研究靈感組合知識圖譜助力可靠合作35追35追提出頂級交叉學科科學假設第1步：問題定義與領域聚焦明確研究問題，分析研究需求，為后續(xù)步驟提供方向第2步：文獻搜索與關鍵背景知識獲取通過檢索和分析大量相關文獻，獲取重要背景知識,為假設生成提供基礎第4步：強化學習迭代細化假設增加給定研究問題與生成假設之間的相似性通過少樣本學習或微調(diào)等策略，進一步提高生成假設的質(zhì)量第5步：假設評估評估假設的相關性、新穎性、重要性和可驗證性模型假設生成科學家提示詞查詢模型假設生成知識整合知識重組建立學科關聯(lián)知識整合知識重組建立學科關聯(lián)在復雜非線性關系。在人工智能技術中……要求：這兩個學科是否存在理論技術上的關聯(lián)。ChemistryLaserSolvents模型假設生成科學家提示詞查詢模型假設生成提出假設提出假設《基于協(xié)同學習的雙波長激發(fā)-溶劑協(xié)同優(yōu)化模型》假設生成啟發(fā)式推理SolventsChemistryLaser假設生成啟發(fā)式推理SolventsChemistryLaser在復雜非線性關系。在人工智能技術中……要求：根據(jù)學科關聯(lián)，提出一套合理的科學假設。模型假設生成科學家提示詞查詢模型假設生成分析假設分析假設《基于協(xié)同學習的雙波長激發(fā)-溶劑協(xié)同優(yōu)化模型》形式化分析SolventsChemistryLaser形式化分析SolventsChemistryLaser在復雜非線性關系。在人工智能技術中……要求：根據(jù)科學假設，做出形式化分析。模型假設生成科學家提示詞查詢模型假設生成建立學科關聯(lián)重組建立學科關聯(lián)重組要求：這兩個學科是否存在理論技術上的關聯(lián)。Deepseek提出假設：“雙波長激發(fā)系統(tǒng)與溶劑極性的動態(tài)匹配可調(diào)控自由基/極性交叉路徑的競爭，進而決定區(qū)域選擇性。通過深度協(xié)同模型，可實現(xiàn)光-溶劑-自由基三元協(xié)同優(yōu)化，最大化目標產(chǎn)物產(chǎn)率。”相似假設二相似假設三相似假設一相似假設二相似假設三From:NatureFrom:NatureCatalysis該文提出：通過DFT計算自由基生成速率From:Chem,CellPressDeepseek提出假設：“雙波長激發(fā)系統(tǒng)與溶劑極性的動態(tài)匹配可調(diào)控自由基/極性交叉路徑的競爭，進而決定區(qū)域選擇性。通過深度協(xié)同模型，可實現(xiàn)光-溶劑-自由基三元協(xié)同優(yōu)化，最大化目標產(chǎn)物產(chǎn)率?！?000篇高質(zhì)量論文尋找靈感3000篇高質(zhì)量論文尋找靈感51篇Nature與Science同等級的評測論文中，近40%的實驗生成假設與真實假設高度相似MOOSEMOOSE-CHEM批量生成科學假設GNoMEGNoME采用基于圖神經(jīng)網(wǎng)絡的生成式模型，成功預測了220萬種新的晶體材料，其中38萬種被計算驗證為穩(wěn)定結(jié)構。GNoME訓練覆蓋超過1億組材料數(shù)據(jù)，通過圖結(jié)構表示晶體材料的原子連接關系，將拓撲?結(jié)構管道：基于已知晶體結(jié)構?成分管道：完全隨機生成新化學式爆炸式組合，突破傳統(tǒng)設 確率從初始5%的提升至80%。在反饋循環(huán)和數(shù)據(jù)增強過程中，調(diào)整評估方法，短時間AlphaFoldAlphaFold3使用擴散模型實現(xiàn)了蛋白質(zhì)三維結(jié)構的批量化預測。已生成數(shù)億個蛋白質(zhì)結(jié)構，幾乎覆蓋所有已知蛋白質(zhì)。AlphaFold3的訓練數(shù)據(jù)覆蓋蛋白質(zhì)數(shù)據(jù)庫中的幾乎所有分子類型。幾何約束建模，構建擴散模型生成式預測。從隨機噪聲開始，同時處理局部立體化學細節(jié)（如鍵長鍵角）和全局拓撲（如蛋白質(zhì)折疊域）。并行生成數(shù)千種候選構象，并通過能量函數(shù)、實驗可行性與多模態(tài)置信度評分排序，快速自我評估、糾正、改進的循環(huán)系統(tǒng)藥物再利用治療急性髓系白血病藥物再利用治療急性髓系白血病自動規(guī)劃分配任務任務特定智能專員靈活擴展計算能力自我對弈進化假設性能隨計算時間增長逐步提高發(fā)現(xiàn)基因轉(zhuǎn)移進化機制解釋抗菌藥物耐藥機制假設質(zhì)量超過人類位居首位發(fā)現(xiàn)基因轉(zhuǎn)移進化機制解釋抗菌藥物耐藥機制新型治療靶點的識別新型治療靶點的識別推進肝纖維化目標發(fā)現(xiàn)評估提示詞：這是基于FEA與GNN的金屬疲勞與斷裂韌性預測的科學假設，請從做出客觀評價，并給出對應分數(shù)。檢索相關論文判斷該假設的創(chuàng)新點是否新穎，并推理其方法的有效性與可行性。最后給出改進建議。第輪優(yōu)化評估結(jié)果反饋優(yōu)化實驗結(jié)果分析語言模型評估↓ceep第輪優(yōu)化評估結(jié)果反饋優(yōu)化實驗結(jié)果分析語言模型評估↓ceepceNLP領域：SciNLP領域：SciMON空間領域：SPACE-IDEAS+為0.5為0.5科學發(fā)現(xiàn)：ScienceAgent生物領域：LLM4BioHypoGen科學發(fā)現(xiàn)：ScienceAgent人機協(xié)同的評估策略背景知識關鍵概念二百花齊放的大模型時代··三·大模型輔助的科學假設生成五未來科研范式展望大模型輔助的論文與項目申請書撰寫項目評審論文評審……高水平論文撰寫學位論文撰寫申請書撰寫項目評審論文評審…………第2步：初步選題確定研究方向，第2步：初步選題確定研究方向，指導研究計劃選擇合作老師與團隊促進資源整合協(xié)作，提高項目的成功率OO第5步：撰寫申請書展示研究的基礎與優(yōu)第5步：撰寫申請書展示研究的基礎與優(yōu)勢，確保研究可行性第1步：挖掘基礎科學問題提升研究的創(chuàng)新性，增強項目的長遠影響結(jié)合個人基礎確定選題確保選題的可行性，充分發(fā)揮個人優(yōu)勢提示詞查詢提示詞查詢低空經(jīng)濟中人工智能需要解決的基礎科學問題有哪些？根據(jù)基金委原創(chuàng)探索項目申請書低空經(jīng)濟中人工智能需要解決的基礎科學問題有哪些？根據(jù)基金委原創(chuàng)探索項目申請書學性和潛在影響力模型交互回答模型交互回答《原創(chuàng)項目申請書》撰撰書結(jié)合個人基礎結(jié)合個人基礎確定選題第1步：初步篩選和文檔審核篩選合格項目，確保材料完整性第2步：技術與內(nèi)容評審評估項目的科學性與創(chuàng)新性，確保技術可持續(xù)性和實用性O第4步：團隊能力與經(jīng)驗評審評估團隊的專業(yè)能力，確保團隊具備相關領域經(jīng)驗第3步：項目管理與預算評審第3步：項目管理與預算評審評估項目的可執(zhí)行性，確保資源合理分配風險評估與可持續(xù)性分析識別潛在風險，確保項目的長期可持續(xù)性提示詞查詢提示詞查詢 模型交互回答模型交互回答《社會化學習》研究內(nèi)研究內(nèi)第4階段：核心內(nèi)容完善確保論文的邏輯嚴密性第4階段：核心內(nèi)容完善確保論文的邏輯嚴密性、學術創(chuàng)新性與寫作規(guī)范性代碼生成和驗證確保方法的可重現(xiàn)性，驗證研究方法的可靠性第3階段：理論分析與證明提供科學依據(jù)，第3階段：理論分析與證明提供科學依據(jù)，確保結(jié)果的嚴謹性與可靠性第5階段：正式完成論文確保論文的規(guī)范性、完整性和專業(yè)性推動創(chuàng)新與獨特性，明確研究方向提示詞查詢請以機器學習(ML)與多智能體系統(tǒng)（MAS請以機器學習(ML)與多智能體系統(tǒng)（MAS）交叉學科的角度針對群體智能（社會化學習給出切入該研究熱點到提出具體科學假設的詳細步驟建議。和貢獻)模型交互回答《群體智能》任務意義Challenge2相關研究ML&MASChallenge3相關研究ML&MASChallenge1相關研究ML&MAS問題和挑戰(zhàn)方案和貢獻 推導 融的全面性任務意義Challenge2相關研究ML&MASChallenge3相關研究ML&MASChallenge1相關研究ML&MAS問題和挑戰(zhàn)方案和貢獻 推導 融的全面性 證明 驗的全面性 理論證明的備性論文撰寫論文撰寫系統(tǒng)展示研究成果，展示學術能力與貢獻數(shù)據(jù)收集與實驗設計提供實證依據(jù)，確保研究的可靠性與有效性第3階段：理論框架與方法論第3階段：理論框架與方法論提供研究的理論基礎，增強研究的可信度選題與研究計劃確定研究方向，指導研究過程提示詞查詢提示詞查詢請以人工智能與電力系統(tǒng)交叉學科的角度，基于學位論文的標準格式請以人工智能與電力系統(tǒng)交叉學科的角度，基于學位論文的標準格式，針對“智能電網(wǎng)”課題，給出具體的選題與研究計劃。請以人工智能與電力系統(tǒng)交叉學基于本課題內(nèi)容，給出科的角度，基于學位論文的標準 格式，針對“智能電網(wǎng)”課題，給 出完整的引言部分。模型交互回答模型交互回答《智能電網(wǎng)》意義研究內(nèi)容意義研究內(nèi)容析析化方法論處研究現(xiàn)狀與問題化方法論處研究現(xiàn)狀與問題論文組織結(jié)構第4步：提出建議第4步：提出建議改進論文質(zhì)量，促進學術發(fā)展深入閱讀發(fā)現(xiàn)問題全面評估論文質(zhì)量，確保研究創(chuàng)新性與貢獻第3步：評估寫作質(zhì)量確保論文清晰性與可讀性第3步：評估寫作質(zhì)量確保論文清晰性與可讀性，提高學術規(guī)范性第5步：最終評審結(jié)論總結(jié)評審意見，歸納改進建議篩選合格論文，識別明顯問題提示詞查詢提示詞查詢上傳文檔為一篇投稿至Nature的論文上傳文檔為一篇投稿至Nature的論文，請從審稿人的角度初步評審該論文。針對上述投稿論文，