FARMS: A Verifiable Foundation for Automated Computational Science· FARMS：自动计算科学的可验证基础
Automated computational science could accelerate discovery by selecting, adapting and developing numerical methods. This prospect requires mathematical knowledge that AI systems can interpret and reuse with explicit guarantees. Here we present FARMS, a faithful and efficient foundation that transforms computational mathematics into AI-ready computing knowledge. FARMS connects formal statements to source context, algorithmic meaning and quantitative guarantees through source preparation, reusable representations and semantic review. Across 171 targets in randomized numerical linear algebra and numerical partial differential equations, 157 were accepted by the pipeline, with mean estimated costs of US \$0.85-2.29 per target across sources. Lean-checked implications from explicit source premi
自动计算科学的信任基础，让AI能解释并重用数学知识。
- 核心方法
- FARMS系统通过三步方法将计算数学转化为AI可读的知识：源准备、可重用表示和语义审查，从而连接形式化陈述、源上下文、算法意义和定量保证。
- 适合谁读
- 研究者、工程师
- 要解决的问题
- 论文解决的问题是自动计算科学研究中数学知识的可解释性与重用性，确保AI系统能够准确理解并应用这些知识加速科学发现。
- 关键实验
- 论文选择了随机数值线性代数和数值偏微分方程中的171个目标进行了验证，157个目标被FARMS系统接受，平均成本为每个目标0.85-2.29美元。
- 主要贡献
- FARMS为自动计算科学提供了一个忠实且高效的可验证基础，显著提高了数学知识的AI可解释性和重用性，并通过大量实例验证了其有效性和可操作性。
- 意义与局限
- FARMS的意义在于建立了自动计算科学中数学知识与AI系统间的桥梁，促进了AI在科学研究中的应用。其局限性在于当前仅适用于特定的数学领域，未来需要扩展到更广泛的学科。