自主科学发现（Autonomous Scientific Discovery）是“AI for Science”范式的关键进化阶段，指利用大模型智能体（AI Agents）与多模态大模型（Multimodal LLMs）技术，构建具备自主规划、推理、实验设计与验证能力的科研系统，通过动态闭环学习与跨学科协同，突破传统科研范式中效率瓶颈与认知局限，革新城市科学、地球科学、材料科学等领域的知识发现模式。其核心目标是通过AI科学家的“自主进化”能力，实现从“人类主导”到“人机共融”的科研范式转型。

1. 动态科研工作流：遵循“观察-假说生成-实验规划-数据分析-验证进化”的闭环流程，智能体可动态调整研究策略，实现全流程自主化。

2. 自主进化机制：通过强化学习、自我反思（Self-Refinement）和持续学习，智能体能够从失败中迭代优化，逐步提升科学推理与创新效率。

3. 具身智能实验系统：该系统通过深度集成多模态数据（文本、图像、光谱等）与科学工具（仿真平台、数据库），驱动机器人、自动化仪器等在物理空间或数字孪生环境中自主执行实验操作，实现从假设生成到验证的完整闭环。