发现无法被监督训练：异常检测如何成为自主实验室的筛选器

作者 bravo_abad 指出无法用监督学习训练模型识别「发现」，因为发现尚无标注样本，可行转向是异常检测。以 Isolation Forest 为例，随机特征与阈值构建多棵随机树，孤立点路径短即异常，模型只隐式学习「正常」形态。但异常不等于有趣：几千次 DFT 计算中排名靠前的候选可能混杂亚稳态构型、未收敛运行、错误自旋初始化甚至解析 bug，仍需科学家审查排名后幸存的候选。