PemNN：用聚合物物理增强单分子力谱分类

0. 链接验证表

以下 URL 均在本次报告制作时实际访问。核心论文在 PMLR 页面可直接取得正式 PDF；OpenReview 页面存在但自动访问遇到验证页，因此只确认 PMLR 页面给出的链接，不把 OpenReview 元数据作为定量依据。精确标题检索未找到核心论文的 arXiv、Hugging Face Daily Papers、Papers with Code 或 Semantic Scholar 独立条目；ACL Anthology 与本主题不对应。

1. 选题审计：候选池、排重与随机选择

运行日对应“AI4Science 与跨界”。索引排重排除了最近十四天已深度覆盖的 Foundation Molecular Grammar（分子生成）、TIMING（科学/医疗时序解释）与坐标鲁棒回归等主题。本轮以 ICML 2025 正式 proceedings 为主源，并由其 OpenReview 链接、arXiv 精确标题检索及聚合站检索交叉核验；这样候选的 venue 层级一致，随机数不会暗中混入“主会对预印本”的质量偏置。

候选池共二十九篇，均为 ICML 2025 主会论文，因而核心候选均在二十四个月时限内：

按要求在系统 shell 执行 shuf -i 1-29 -n 1，输出 8；第八篇即 PemNN。正式论文、附录、代码、数据均足以支撑方法与定量审计，故重抽次数为零。Hugging Face、Papers with Code、Semantic Scholar 与 ACL Anthology 的精确标题检索没有返回可确认的核心论文条目，这些“未找到”不是“论文不存在”的证明，只代表本轮检索无法核实。

2. Motivation：真正昂贵的不是预测，而是获得可信标签

单分子力谱（SMFS）以探针拉伸蛋白，记录力随 extension 变化的轨迹。科学目标常是估计单个蛋白域的解折叠力，但一次试验可能没有抓到分子、抓到一个分子，或同时抓到多个分子；后两者的轨迹形态会混杂。论文把这一步改写为三分类：no molecule / single molecule / multiple molecules。传统流程靠专家逐条看曲线，核心论文称分析时间可从“一天”降到“一小时以内”（核心论文，第 1 页摘要与第 8 页结论）；这个说法没有独立计时表、样本量或硬件区间，因此只能视为工作流量级陈述，不能当作严格加速比。

痛点有三层。第一，标注少。四个实验蛋白的数据量按类别分别是 Titin [181,164,191]、细菌 Utrophin [181,181,178]、昆虫 Utrophin [175,166,200]、Dystrophin [191,185,177]；每种蛋白跨五至十一个实验日、三至四种拉伸速度（核心论文，表 1，第 6 页）。默认低数据设置只使用约三十条训练曲线，论文报告四蛋白平均准确率 79.6±5.2%（核心论文，第 1、7 页，图 6）。第二，曲线长度不一，实验轨迹从 736 到 9974 点不等，而网络需要统一输入（核心论文，表 1，第 6 页）。第三，纯数据模型可能把仪器噪声、速度或某天的漂移学成捷径；但手写物理模型又不够表达真实蛋白的异质性。PemNN 的下注是：不要求物理模型独自做判别，而是把物理变换作为一个可学习支路的输入。

这个问题的量化基线来自 Waite 等的 DDRs 数据：Triplet 网络总体准确率 66.70%，三个类别分别为 73.30/63.30/63.30%，总体 F1 为 66.70%（核心论文复现表 3，第 19 页；原工作见 Patterns 全文）。核心论文没有把 DDRs 用于 PemNN，因为该数据缺少 extension，无法计算 WLC 轮廓长度；这恰好说明方法不是仅靠力向量即可落地的即插即用分类器。

3. 论文故事线、假设与权衡

论文的故事线很清晰：先构造物理 Monte Carlo 引擎，生成四个蛋白、每个蛋白六百条三分类曲线；再让网络同时看原始力和 WLC 反演的轮廓长度；最后用模拟数据做结构选择，并在真实实验上验证少样本和“纯模拟预训练”两种用法（核心论文，第 4–8 页；附录 A–E，第 13–24 页）。

它隐含四个假设。

1. 低维物理坐标更可分。 如果单分子解折叠事件在轮廓长度空间中比原始力空间更稳定，那么把 Lc 显式输入可降低样本复杂度。
2. 物理模型可以不精确但方向正确。 WLC、FJC、FRC 三种链模型在实验与模拟上的准确率相差不超过约三个百分点（核心论文，附录 E.1，第 19–20 页，图 10）；作者据此主张精确模型不是成败关键。由于论文只给曲线，没有逐项矩阵或置信区间，这里不能判断三个百分点是否统计等价。
3. 仿真能提供有用的表征初始化。 仅在对应模拟数据上预训练、完全不看实验标签时，四蛋白平均准确率为 72.0±5.9%、平均 ROC-AUC 为 0.88（核心论文，第 7 页与附录 E.4，第 23–24 页）。这证明“非零迁移”，不等于完成 sim-to-real。
4. 早期融合比晚期决策融合更容易学习互补关系。 Early-Conv 在关键差异图中最佳；只把两个支路的最终 softmax 做晚融合更弱（核心论文，附录 E.1，第 19–20 页，图 9）。

权衡也同样明确：加入物理支路会引入 kBT、固定持久长度、轮廓长度阈值和 extension 质量等依赖；模拟器需要蛋白的能垒与解折叠参数。换来的好处是低数据区显著更稳，以及可把最终筛选后的解折叠力分布与物理常识对照。

4. 方程级形式化与流程

给定第 i 条轨迹的 extension X^(i)=(x_1,…,x_T)、force F^(i)=(f_1,…,f_T) 与标签 y^(i)∈{0,1,2}，分类器输出 p_θ(y|X,F)，训练目标是标准类别交叉熵：

L_CE(θ) = -(1/N) Σ_i Σ_{c=0}^2 1[y^(i)=c] log p_θ(c | X^(i),F^(i)).

这是核心论文式（1），第 3 页。真正的物理增强发生在输入变换。WLC 模型把每个正的 (x,f) 对映射到轮廓长度 Lc：

f = (k_B T / L_p) · [ 1/{4(1-x/L_c)^2} - 1/4 + x/L_c ].

这是核心论文式（2），第 4 页。作者固定 L_p=300 pm，逐点数值求解 L_c，保留满足物理约束且 L_c≤1000 nm 的点，再把 force 与 contour-length 两条序列分别采样到四百点（核心论文，第 4–5 页；附录 D，第 18 页）。注意：Lc 不是只由 F 决定，它由 (X,F) 共同得到；如果通用基线只看 F，那么 PemNN 同时获得了额外传感变量和物理坐标变换。

默认网络可以写成：

h_F  = Branch_F(Resample400(Normalize(F)))
L_c  = SolveWLC(X,F; L_p, L_c,max)
h_L  = Branch_L(Resample400(Normalize(L_c)))
h     = Fuse_early(h_F,h_L)
p     = Softmax(Head(h))

两个支路先各过一维卷积、批归一化和 ReLU；Early-Conv 随后拼接特征，再过两个卷积块与全局平均池化。另一条实现分支在每路使用隐藏维度八、dropout 0.8 的 LSTM 后拼接（核心论文，第 5 页与附录 D，第 18 页）。完整训练/部署流程如下：

                  ┌────────── Monte Carlo simulator ──────────┐
蛋白物理参数 ────>│ WLC/FJC/FRC + DHS off-rate + 随机解折叠   │──> 模拟三类轨迹
                  └────────────────────────────────────────────┘          │
真实 AFM: (X,F) ───────────────────────────────────────────────────────────┤
                                                                          v
                ┌──────────── force branch ─────────────┐       监督交叉熵
(X,F) ─────────>│ F → 归一化/400 点 → Conv/LSTM         │──┐       │
                └───────────────────────────────────────┘  ├─融合─>三分类
                ┌──────────── physics branch ───────────┐  │
                │ (X,F)→WLC 反演 Lc→过滤/400点→Conv/LSTM│──┘
                └───────────────────────────────────────┘
                                     │
                                     └─ single 类轨迹 → 解折叠力分布

模拟器的关键不是画出“像真的”曲线，而是把链伸长、cantilever 平衡、Dudko–Hummer–Szabo（DHS）力依赖脱离率和随机解折叠串起来。附录算法 1 每个时间步增加 base extension，求力平衡，计算 DHS off-rate 与事件概率，再随机决定 domain unfolding 或 molecule detachment（核心论文，附录 A，第 13–14 页）。表 2 给出的 Titin、细菌 Utrophin、Dystrophin、昆虫 Utrophin 的 ln k0 分别为 -9.21/-6.50/-4.50/-2.50，Δx‡ 为 0.40/0.85/0.60/0.41 nm，ΔG‡ 为 20/14.5/11.5/9.8 kBT（核心论文，表 2，第 15 页）。这些数直接决定仿真域，因而也是迁移误差的来源。

5. 关键机制与工程细节

公开仓库可复现到什么程度？数据目录约含四种实验/模拟数据，且提供训练调用脚本；CallScripts/ML_models/Titin 下可见两个约 8.39 MB 的 Keras checkpoint，但未找到四种蛋白的完整权重集合。本报告读取的最新仓库提交为 7875181（2025-06-05）。因此“数据与代码公开”成立，“全部报告结果可直接用预训练权重复核”不成立。

6. 数据集、划分、指标

来源均为核心论文表 1，第 6 页。另有四个模拟数据集，每个六百条、三类均衡，用于结构比较与预训练（核心论文，第 6 页）。默认实验采用分层随机划分并重复五次；低数据试验固定百分之八十为测试集，再逐步增加训练子集（核心论文，第 6–7 页与附录 E.2，第 21 页）。论文没有报告按实验日留一、按拉伸速度留一或跨蛋白留一的结果。

主指标是 accuracy；类别层面还给 ROC-AUC。科学下游用“single”预测筛出轨迹，然后比较解折叠力分布的 mode 与 IQR。Accuracy 在三类大致平衡的表 1 数据中可读，但部署时 single 可能是稀有事件，故还需要 precision、recall、PR-AUC 与每百条漏检数。论文给出某阈值规则可达平均 precision 0.93，却没有给对应 recall（核心论文，附录 E.4，第 24 页，式 19 后正文）。

7. 主结果：完整矩阵、复算与边界

7.1 实验数据不同标注预算：六方法 × 四设置

这是论文唯一同时给出六方法逐项均值与标准差的主矩阵。括号为五次运行标准差，accuracy 越高越好；粗体为逐列最高。表头的 5/80 表示固定八成测试、只用约百分之五训练，而后续 40/60 等是常规互补划分，二者不是连续且同定义的比例轴（核心论文，表 4，第 21 页）。

来源：核心论文表 4，第 21 页。相对逐列最强非 PemNN 方法，本报告复算如下：

复算公式是 (PemNN−竞品)/竞品；原数来自表 4。四列简单平均为 PemNN 85.87%、LSTMFCN 81.64%，差 4.23 pp。但四列共享数据且训练规模不同，简单平均不是独立样本上的总体效应量。

这组结果最值得看的不是“全部第一”，而是增益随标注量快速收缩：约三十条训练曲线时为 11.35 pp，充分标注时只剩 0.88 pp。它更支持“物理坐标降低低数据样本复杂度”，不支持“在所有预算下都有很大上限优势”。

7.2 DDRs：PemNN 不适用时的 baseline 矩阵

来源：核心论文表 3，第 19 页。这里不能补出 PemNN：DDRs 没有 extension。矩阵说明通用 InceptionTime 在可用信息相同时很强，也提醒部署方先审计采集格式。

7.3 科学下游：筛选后解折叠力是否更“像物理”

前三列来自核心论文表 5，第 21 页；后两列为本报告按 (baseline IQR−PemNN IQR)/baseline IQR 复算。四种蛋白的 IQR 都明显收窄，这是比 mode 接近更强的证据。但“更窄”不自动等于“更真”：筛选器也可能过度删除真实异质构象。

正文称 PemNN 与 heuristic 的 mode 差“不超过 10 pN”，但表 5 的 Titin 是 |206.68−217.41|=10.73 pN；其余三种为 2.44/5.92/1.84 pN。因此表格事实与文字概括存在轻微不一致。Titin 的文献期望区间为 204±26 pN，Raw、Heuristic、PemNN 三个 mode 都在该范围内（核心论文，第 7 页）；主要增量来自 IQR，而不是把 mode 从错误位置纠正到正确位置。

7.4 sim-to-real：纯模拟训练与实验训练的类别 AUC

来源：核心论文表 7，第 24 页。十二个类别 AUC 的简单平均从模拟训练 0.819 提至实验训练 0.932，本报告复算差 0.113。最难且最科学相关的 Single 类在三个异质蛋白上仍差 0.20–0.27；因此 72.0±5.9% 的纯模拟准确率应理解为一个有用冷启动，而不是可替代专家标签的终点。

论文还比较了模拟与实验筛选后的 mode/IQR：Titin 216.35(50.17) 对 217.75(36.17)，Bact 81.58(64.07) 对 85.38(22.28)，Insect 89.45(70.86) 对 96.65(40.20)，Dys 91.25(65.64) 对 79.75(25.09)（核心论文表 6，第 23 页）。四组 mode 大致接近，但模拟训练的 IQR 每组更宽，继续表明分类边界未完全跨域。

8. 逐层消融

论文的消融分成三层，但只有部分精确数字。

支路层。 论文把双支路 PemNN 与只使用 force、只使用 physics 输入，以及让 baseline 接收 physics 输入的变体比较。图 5a 报告四个模拟数据集平均 accuracy 为 98.9±1.9%；相对最佳 baseline，Titin 的最大差约十五个百分点、Insect UtrN 的最小差约六个百分点（核心论文，第 6 页，图 5a 正文）。图中没有逐数据集×逐方法数表，所以不能构造五基准×六方法的完整模拟矩阵。

融合层。 Early-Conv、Early-LSTM 及晚期融合被比较；Early-Conv 排名最佳，双 LSTM 变体的平均 rank 为 2.4167（核心论文，附录 E.1，第 19–20 页，图 9）。论文没有给每种融合的准确率均值、标准差或 pairwise p 值，所以只能说“排序支持早融合”，不能量化每个部件贡献。

物理模型层。 WLC、FJC、FRC 在模拟与实验曲线上相差不超过约三个百分点（核心论文，附录 E.1，第 19–20 页，图 10）。这提示“合适的物理坐标族”可能比“唯一正确的链模型”重要；但无等价性检验，不能声称三者等价。

缺少的关键消融是：F-only、F+raw X、F+shuffled Lc、F+learned monotonic transform(X,F)、F+WLC Lc 五路 head-to-head。因为当前 physics 分支引入了基线没有的 X，所以现有消融无法回答增益来自额外观测、非线性变换，还是物理正确性。

9. 超参敏感性与“相变”

轮廓长度阈值从 1,000 到 1,024,000 nm 按四倍递增，并加入“不过滤”。1,000–64,000 nm 区间接近满分；到 1,024,000 nm 时 PemNN 仍至少领先 baseline 七个百分点；完全取消阈值时差距约二十五个百分点（核心论文，第 6 页，图 5b）。这不是数学相变证明，但呈现了明显机制：阈值放宽后 physics 支路纳入大量非物理解，通用模型退化更快，而双支路仍能依赖 force 支路兜底。

持久长度 Lp 在 0.3–30,000 pm 上按对数尺度扫描。30–30,000 pm 区间双方接近满分；在 0.3 pm 和 3 pm 的极端失配下，PemNN 分别至少领先约三和十个百分点（核心论文，第 6 页，图 5c）。这支持“支路冗余带来容错”，而非“WLC 参数必须准确”。

论文没有报告学习率、batch、dropout、LSTM hidden size、重采样长度、训练 epoch 或模拟量的敏感性；也没有性能—算力曲线。因此能推出 physics 输入对两个物理参数较鲁棒，不能推出整体训练配方稳健，更不能推出其他仪器或蛋白无需调参。

10. 统计显著性与不确定性

论文以 Friedman 检验后接 Wilcoxon signed-rank 与 Holm 校正，并在 critical-difference 图中给 PemNN 平均 rank 1.4167，称其显著优于五个 baseline（核心论文，第 6 页，图 4）。这是合理的多数据集比较框架；但论文没有报告 Friedman 统计量、自由度、原始/校正 p 值、效应量或置信区间。只有八个任务（四模拟加四实验）的 rank 统计也容易受任务相关性影响。

表 4 给五次运行的标准差，却没有说明同一 split 还是每次重采样，也没有给 paired seed 结果。5/80 下 PemNN 的标准差 5.24 小于 LSTMFCN 的 12.12（核心论文表 4，第 21 页），说明低数据时不仅均值更高且波动更小；但没有每次成绩，无法做配对检验或计算可信区间。表 5 的 mode/IQR 是分布描述，不是分类性能的显著性检验。

结论边界因此是：“均值与 rank 证据一致地支持 PemNN”成立；“优势在每个新实验域都有统计保证”不成立。

11. 真正贡献、可复用设计与迁移潜力

真正贡献不是发明 WLC，也不是发明双支路，而是把三件事闭环：可生成标签的物理模拟器、物理坐标与原始观测的容错融合、以及以解折叠力分布验证科学下游。对 AI4Science 最可复用的设计是“可错的 physics branch + 可兜底的 data branch”：不要强迫网络满足一个可能失配的方程，而是让方程产生另一种表示，再由融合层决定信任度。

第二个可复用点是把 sim-to-real 拆成两个部署档位：零实验标签时用模拟预训练得到 72.0±5.9% 的冷启动；有少量标签时用约三十条曲线把平均准确率推到 79.6±5.2%（核心论文，第 1、7 页）。这比笼统地说“synthetic data works”更有决策价值。

第三个可复用点是用物理下游量做外部检查。IQR 相对 raw 缩减 41.52%–77.56%（本报告据表 5 复算），说明分类器确实改变了科学统计量；然而这种检查必须同时看 mode、IQR、已知区间和独立实验，避免把“分布更窄”误当成“更准确”。

迁移到其他领域时，可考虑：质谱中的同位素/碎裂规则支路，电化学中的等效电路参数支路，医学波形中的生理方程支路，遥感中的辐射传输坐标支路。必要条件是能从原始观测稳定计算物理表征，并设置 raw branch 防止模型失配；如果物理表征使用了额外传感器，比较基线必须获得同等信息。

12. 相关工作链：问题从哪里来，设计如何传递

12.1 Dudko–Hummer–Szabo：把受力下的逃逸率写进模拟器

解决什么。 DHS 理论把外力作用下的能垒越迁与断裂/解折叠速率连接，使动态力谱可以反演本征速率、能垒位置与高度（PNAS 2008）。 遗留缺口。 它解释单事件动力学，不直接判断一条复杂 AFM 轨迹含零、单还是多个分子；真实仪器还有 cantilever、噪声与异质路径。
核心如何回应。 PemNN 的 Monte Carlo 引擎在每个 extension 步用 DHS off-rate 采样解折叠/脱离事件，再产生三类带标签曲线（核心论文附录 A，第 13–15 页）。
设计如何传递。 传递的不是一个固定分类阈值，而是可生成数据的机制模型：动力学理论成为训练分布的生成器。

12.2 Waite 等：把人工看曲线改成 few-shot 分类

解决什么。 Waite 等把 AFM 曲线字符化为三分类，用少样本 Triplet 学习，公开 DDRs 数据与标注；核心论文复现的总体 accuracy 为 66.70%（核心论文表 3，第 19 页；Patterns 2023）。 遗留缺口。 数据只有 force 序列、单日单速度，且学习器没有显式聚合物物理；少样本性能仍有限。
核心如何回应。 PemNN 收集四蛋白、多日、多速度数据，并增加 WLC 支路和模拟预训练。
设计如何传递。 三分类任务定义、公开数据和 Triplet baseline 被保留；“few-shot”从纯表征学习转向“物理坐标降低样本复杂度”。

12.3 InceptionTime：强通用时序骨干成为压力测试

解决什么。 InceptionTime 以多尺度卷积和 ensemble 兼顾时序分类准确性与可扩展性；原论文举例，HIVE-COTE 在 N=1500,T=46 上超过八天，而 InceptionTime 约一小时，并可在十三小时处理八百万条序列（arXiv:1909.04939v3，摘要）。 遗留缺口。 它不利用 SMFS 的 extension—force 关系，也不提供 sim-to-real 接口。
核心如何回应。 PemNN 让通用卷积负责观测形态，让物理支路提供任务特定坐标；DDRs 上 InceptionTime 仍以 85.48±1.14% 第一，说明通用骨干不是弱 strawman（核心论文表 3，第 19 页）。
设计如何传递。 多尺度局部卷积成为每条支路的基础元件，但不再独自承担物理不变量学习。

12.4 Dingeldein 等：从分类走向模拟器后验

解决什么。 Simulation-based inference 把机制模型编码进 simulator，用神经密度估计对隐藏分子参数做后验推断，绕开非 Markov 轨迹的不可解 likelihood（arXiv:2209.10392v2）。 遗留缺口。 目标是参数推断而非零/单/多分子筛选；模拟器偏差仍会进入 posterior。
核心如何回应。 PemNN 选择更直接的分类目标，并用 raw branch 减少对模拟器完全正确的依赖。
设计如何传递。 “物理模拟器 + 神经网络”的范式保留，但从 amortized posterior 变成 synthetic pretraining 与显式 physics feature。

12.5 FUSION：把人类留在罕见路径发现的闭环里

解决什么。 FUSION 将轨迹编码为图像，通过模型与专家迭代标注来自动识别单分子路径，并可发现初始标签中没有的路径（Nano Letters 2023）。 遗留缺口。 人在环降低冷启动风险，但扩展到多蛋白仍需要专家迭代，物理坐标未显式进入分类器。
核心如何回应。 PemNN 用仿真生成三类标签，并以 WLC 支路减少少样本负担。
设计如何传递。 两者形成互补：PemNN 提供物理冷启动，FUSION 提供发现新路径后的人工纠偏；最有潜力的系统应把二者串联，而不是二选一。

12.6 非线性技术演进树

                         ┌─ WLC/FJC/FRC：链弹性坐标 ───────────┐
SMFS 物理 ─ DHS 动力学 ─┤                                     ├─> 物理 Monte Carlo 标签
                         └─ cantilever / loading protocol ─────┘           │
                                                                            ├─> PemNN
时序学习 ─ FCN/ResNet ─ InceptionTime ───────── raw-force branch ───────────┤
    │                                                                       │
    └─ metric few-shot ─ Waite/Triplet ─ 三分类任务与公开 benchmark ────────┘

机制生成 ─ simulation-based inference ─ 参数 posterior
       ╲                                      ╱
        ╲──────────── sim-to-real 校准空白 ───╱
                         │
人在环发现 ─────────── FUSION ──> 未知路径 / 异常类 ──> 下一代开放集 PemNN

演进动力有三个转折：从手工阈值转到少样本分类；从纯数据序列转到显式物理坐标；从“模拟器必须拟合真实世界”转到“模拟器提供可错但有用的辅助视角”。下一个转折应是把 simulator discrepancy、实验日漂移和未知类别一起建模。

12.7 跨论文对标

13. 论文自述限制

1. 模拟参数难获得。 作者明确指出 Monte Carlo 引擎需要能量景观参数，而这些参数并非所有蛋白都可得；未来需要在多拉伸速度与恒力实验上更完整地约束模拟器（核心论文，Limitations，第 25 页）。
2. 同质域假设。 当前分类把同一蛋白/设置的训练与测试曲线视为同域；作者把异质域与 domain adaptation 列为未来方向（核心论文，Limitations，第 25 页）。
3. sim-to-real 对异质蛋白不足。 附录指出 Utrophin 与 Dystrophin 的构象/实验域异质性更强，实验标签让 Single 类 AUC 至少增加 0.20（核心论文，附录 E.4，第 24 页，表 7）。这不是独立新增限制，但给第二点提供了定量证据。

14. 独立批判：因为 X，所以 Y

1. [因果归因] 因为 physics 支路的 Lc 由 (X,F) 共同计算，而通用 baseline 默认只接收 F，所以 PemNN 的 +11.35 pp 低数据优势不能唯一归因于“物理”；它也可能来自额外 extension 通道。必须加入 F+raw X 与 F+shuffled Lc 对照。
2. [数据泄漏 / 外推] 因为实验数据跨五至十一个日期、三至四种速度，却只报告曲线级分层随机划分（核心论文表 1，第 6 页），所以同一天的仪器漂移、同一速度的形态可能同时进入训练和测试；随机 split 可能高估跨日部署性能。
3. [模型选择] 因为附录称 best model 按最低 training loss 选择，代码 checkpoint 也监控 loss，且 API 使用 validation_split=0.001（核心论文附录 D，第 18 页；官方代码），所以两百 epoch 结果可能偏向训练集最优，而非泛化最优。
4. [复现性] 因为公开 API 的 train_test_split 中 random_state 被注释，而示例训练脚本另行固定 seed，所以 API 用户与论文脚本的划分协议不同；即使同一数据和超参，也不能保证复现表 4 的五次均值。
5. [统计] 因为论文宣称 Holm 校正后显著，却没有报告 p 值、统计量或效应量，且 rank 只来自四模拟与四实验任务（核心论文图 4，第 6 页），所以读者无法审计显著性是否由相关任务重复计数驱动。
6. [sim-to-real] 因为十二个类别 AUC 的均值从模拟训练 0.819 到实验训练 0.932，且三个异质蛋白 Single 类差 0.20–0.27（本报告据表 7 复算），所以模拟器适合冷启动但尚不足以取代实验标签；“无需专家输入”应限定在平均 accuracy 72.0±5.9% 的档位。
7. [部署指标] 因为阈值 α=10 时论文只给平均 precision 0.93、未给 recall（核心论文式 19 后，第 24 页），所以无法计算每百条真实单分子曲线会漏掉多少；对稀有事件筛选，accuracy 与 precision 不能单独决定可用性。
8. [科学有效性] 因为表 5 的主要改善是 IQR 收窄，而三个 Titin mode 都落在 204±26 pN 期望区间，所以模型可能是在提高纯度，也可能丢弃了真实异质路径；没有独立金标准或盲审，不能把窄分布等同于更真实。
9. [基线公平性] 因为 baseline 基本沿用 sktime 配方、统一两百 epoch，但 PemNN 的结构和输入专为 SMFS 设计，论文未报告等预算超参搜索，所以“架构优于五个 baseline”混合了任务先验与调参投入差异。
10. [内部一致性] 因为正文称 mode 差不超过 10 pN，表 5 的 Titin 差却是 10.73 pN，所以叙述存在舍入越界；虽然不推翻总体结论，却说明科学量化应以表格为准。

15. 开放挑战：可直接执行的 head-to-head 实验

理论

1. 信息增益还是物理归纳偏置？ 在完全相同 backbone、参数量和训练预算下比较 F、F+X、F+Lc、F+随机置换Lc、F+可学习单调变换(X,F)；用按日留一准确率、Single PR-AUC 与校准误差判断。若 F+X≈F+Lc，贡献是额外信息；若只有真实 Lc 稳定领先，才支持物理坐标解释。
2. 模拟参数不确定性如何传播？ 比较固定 DHS/WLC 参数、从先验采样的 domain randomization、SBI 后验采样三种预训练；在四蛋白上报告 sim-only AUC 与加入五、十五、三十条实验标签后的学习曲线。目标是检验后验覆盖能否缩小表 7 的 0.113 平均 AUC 差。
3. 双支路何时会负迁移？ 人为把 Lp、能垒和 cantilever stiffness 从真实值偏移多个数量级，对比 hard-physics、gated fusion、uncertainty-weighted fusion；定位 physics branch 从帮助到伤害的临界域，而不是只看图 5 的两个参数。

工程与应用

1. 真实部署划分。 对每个蛋白做 leave-one-day-out、leave-one-speed-out、leave-one-instrument-out，与论文随机 split 同预算比较；同时报告 wall-clock、人工复核分钟数、每百条漏检 single 数和 p95 延迟。这个实验能直接检验“一天到一小时以内”是否端到端成立。
2. 公平 baseline。 给 InceptionTime、LSTMFCN 与 Transformer 同样的 (F,X) 两通道、相同超参搜索次数和参数/FLOPs上限，与 PemNN head-to-head；若 PemNN 仍领先，才可排除输入与预算不公平。
3. 未知类别与主动复核。 加入粘附伪影、部分折叠、断裂和新蛋白作为 unknown，比较 closed-set softmax、energy-based OOD、deep ensemble 与 FUSION 式人在环；指标用 risk–coverage、unknown AUROC 和专家复核量。
4. 完整复现包。 冻结数据 split manifest、全部四蛋白 checkpoint、容器与随机种子；由独立团队在 Linux GPU 和 Apple Silicon 上复现表 4。成功标准不是单次相近，而是均值落入原报一个标准差内。

新兴方向

1. 物理基础模型预训练。 比较“每蛋白单独模拟器预训练”与“跨蛋白 masked modeling + physics tokens”，再对未见蛋白做五样本适配；检验共享链物理能否转化为跨蛋白 foundation representation。
2. 分类与参数后验联合。 把三分类头与 SBI 后验头联合训练，比较仅分类、仅参数推断、联合多任务；除 accuracy 外评 posterior coverage 与解折叠力 credible interval，避免只有点预测。
3. 闭环实验设计。 用不确定性主动选择下一条要人工标注或下一种拉伸速度，和随机标注、entropy sampling、纯 FUSION 人在环比较；横轴用专家分钟数，纵轴用 leave-day-out Single PR-AUC，评价真正的数据效率。

16. 近期工作雷达

1. Synthetic data-driven deep learning for label-free autonomous atomic force microscopy（Nature Communications 2026）：用合成 AFM 数据支持无标签、自治成像工作流，代表从“离线筛曲线”走向“模型控制下一次测量”；应重点看跨样品泛化是否比 PemNN 的同蛋白随机划分更严格。
2. Automating the Expert Eye: A System-Agnostic Deep Learning Framework for Rare Event Discovery in Imbalanced Force Spectroscopy（arXiv:2606.09541，2026-06-08）：在目标事件占 `13/970=1.34%` 时报告 accuracy `0.9196`、recall 0.9231，并可丢弃八百八十条非目标轨迹（论文摘要/结果）；它正面处理了 PemNN 平衡三分类没有覆盖的稀有事件部署。
3. Atomic Force Microscopy Based Single Molecule Recognition: Deciphering Biological Interactions at the Nanoscale（Journal of Molecular Recognition 2026）：从探针功能化、力谱到识别任务梳理误差来源，适合作为判断“分类更准是否等于生物结论更准”的实验背景。
4. Automated atomic force microscopy analysis using convolutional neural networks（2025）：把 CNN 用于 AFM 分析自动化，体现通用视觉/信号骨干仍是强路线；与 PemNN 对比时应统一输入传感量，而不是只比较模型名字。
5. Machine learning approaches for improving atomic force microscopy instrumentation and data analytics（Frontiers in Physics 2024）：覆盖仪器控制、图像和力曲线分析，强调真正收益来自采集—分析闭环；PemNN 目前只完成闭环中的离线过滤段。
6. Deep Learning Regressors of Surface Properties from Atomic Force Microscopy（Applied Sciences 2024）：把 AFM 从分类推进到连续表面属性回归；对 PemNN 的启发是将解折叠参数与类别联合预测，而不是只输出 hard label。
7. Machine Learning for Analyzing AFM Images Generated from Polymer Blends（arXiv:2409.11438v2，2024-09-20）：在一百四十四张图像上比较频域特征与 ResNet，提醒 AI4Science 中手工变换有时比大 backbone 更数据高效；这与 PemNN 的物理坐标支路形成方法论呼应（该文摘要与版本记录）。

17. 结论与证据边界

PemNN 最扎实的发现是低标签区的样本效率：表 4 中约三十条训练曲线时为 79.61±5.24%，较最强 LSTMFCN 高 11.35 pp；当训练比例到八成，差距缩为 0.88 pp。这使它值得被理解为一个“物理先验在少样本时最值钱”的案例，而非新的通用时序 SOTA。

最关键的未闭环问题是归因与域外性。Physics branch 同时带入 extension，随机曲线 split 又没有隔离实验日和速度；sim-only 的 Single AUC 在三个异质蛋白上仍落后实验训练 0.20–0.27。所以当前证据足以支持“物理双视角是有效工程设计”，不足以支持“WLC 物理本身导致增益”或“可无专家部署”。

报告脚注。 候选池、随机命令、URL 核验、正式 PDF 与公开代码均在本轮实际检查；精确数字只来自已读论文表/正文或标明的算术复算。ml-report-index.md 已追加本报告条目。HTML 由 Warm Editorial 模板生成，包含浅/深主题与移动端响应规则，并通过模板静态验证器（零警告）；当前环境有 Playwright 包，但 /usr/bin/chromium、/usr/bin/chromium-browser 与 /opt/pw-browsers 均无可执行 Chromium，故无法完成真实浏览器的浅色、深色和移动端截图检查，不以静态校验冒充该项。