ASTRA：一种用于天体物理学物理验证与假设生成的自主框架

《RAS Techniques and Instruments》：ASTRA: An Autonomous Framework for Physics-Validated Analysis and Hypothesis Generation in Astrophysics

　　我们提出ASTRA，一种用于天体物理学中物理验证分析和假设生成的自主框架，无需逐步人工干预。它将量纲分析、结构因果模型、贝叶斯证据计算和多波段数据融合整合在单一自动化工作流程中。在真实观测数据上的五个测试案例重现了已知结果：赫歇尔纤维标度关系、钱德拉深场南区交叉匹配、SDSS星系相关函数、盖亚因果推断以及贝叶斯维里模型选择。第六个案例在合成星系数据上无监督运行：主序星关系和质量-金属丰度关系均被恢复，而异常检测器在错误发现率阈值下且无污染参数的情况下，在十个密封数据集上恢复了盲注比例（纯度>0.99），并在包含3000个星系的样本上未标记任何异常。一项知识隔离消融实验表明，模式检测和物理验证对领域知识的去除保持不变，领域知识仅影响解释环节。在直接对比中，智能体LLM和纯机器学习基线方法在统计拟合方面相当，但未达到物理验证阶段：它们很少推导出平衡基准，在物理判定上均分，并在全部六次陷阱运行中采用了提供的错误基准；而一个天体物理学专用的微调模型在六次运行中零次完成。在实时SDSS DR16数据上，它在数据确定的阈值下标记了4999个星系中的197个，其极端值排序可由保留的光谱数据分类。这些是恢复验证和能力展示，而非新发现，其中假设生成以定性方式展示。