玻尔百科在计算科学领域，使用相同的数据和代码两次生成相同结果的能力是科学信任的基石。然而，实现这一被称为“数值再现性”的目标远比表面上看起来复杂得多。科学家们经常遇到一个令人困惑的问题：看似确定性的程序在后续运行时会产生微小的不同输出，这引发了关于计算本质及其结果有效性的根本性问题。这种差异并非缺陷，而是一个窗口，让我们得以一窥计算机处理数字和执行任务的精妙机制。本文旨在通过剖析数值不可再现性的来源，并概述管理这些问题所需的实用策略，以填补这一知识鸿沟。
读者将首先踏上一段旅程，探索支配计算结果的核心原则与机制。本节将揭开浮点运算、伪随机性的幻象以及模型固有地阻止唯一解的数学性质等概念的神秘面纱。在建立这一基础理解之后，文章将转而探讨应用与跨学科联系。该部分将展示这些原则如何在系统生物学、机器学习和地球物理学等领域付诸实践，阐明稳健的工作流、软件容器和数据来源如何将再现性从一个技术挑战转变为协作和可信科学的基石。
想象一下，您在一台超级计算机上运行一个极其复杂的地球气候模拟。您输入了数GB的初始数据，让它运行一周，然后它给出了一个预测：50年后全球平均温度将为 。为了再次核对，您立即在同一台机器上使用完全相同的输入数据运行完全相同的程序。这一次，预测结果是 。这两个数字几乎相同，但并不完全一样。这怎么可能呢？计算机难道不是一台确定性机器，一个每次都应给出相同答案的完美计算器吗？
这个微小的差异并非错误。它是一个窗口，通向数值再现性这个深刻而迷人的世界。它揭示了计算机处理数字的方式远比我们想象的要微妙，并迫使我们提出一个深刻的问题：在计算的世界里，一个结果“正确”到底意味着什么？
理解这个谜题的旅程始于一个关于计算机的基本事实：它们无法存储实数。像 或 这样的数字有无限多位小数。计算机内存有限，必须在某个点截断它们。它以一种称为浮点运算的格式来表示数字，这本质上是科学记数法的二进制版本。例如，我们写成 的数字被存储为符号、尾数（有效数字，如9054）和指数（如-31）的组合。
这种有限的表示意味着几乎每一次涉及分数的计算都会带有微小的舍入误差。这似乎是个小细节，但它带来了一个令人震惊的后果，颠覆了我们对数学的直觉：浮点加法不满足结合律。在纯数学世界里，我们学到 总是与 完全相同。但在计算机中，这一点无法保证。
想象你是一台只有四位精度的计算机，需要将三个数字相加：一个非常大的数 ，和两个小数 和 。
我们先尝试一种顺序：。
首先，。为了用四位精度存储这个数，计算机必须将其舍入为 。来自 的 1 已经丢失，被 的巨大数量级所淹没。
接下来，我们加上 ：。在我们的精度下，这被存储为 。最终结果是 。
现在我们尝试另一种顺序：。 首先，。这是精确的。 接下来，我们加上 ：。最终结果是 。
运算的顺序给了我们两个不同的答案。这就是机器中的幽灵。在一个大型模拟中，例如计算总声能的地球物理模型，计算机需要累加数十亿个数字。当这些模拟在多个处理器上并行运行时，部分和的合并顺序可能会因哪个处理器先完成任务而每次运行都略有不同。每种不同的求和顺序都会引入不同的舍入误差，导致最终答案出现微小但真实的差异。
如果我们不能总是期望得到完全相同的数字串，我们如何能信任我们的模拟？这迫使我们对再现性采取一种更复杂的看法。我们必须区分两种概念：
关键在于，这种容差并非草率的借口。它是一个通过算法本身的数值分析严格推导出的误差界限。对于那两个产生略微不同温度的气候模拟来说，它们仅在第七位小数上存在差异这一事实，不应被视为失败，而应被视为成功。这表明结果是稳定的，微小且不可避免的变化正如预期那样。即使这些结果未能通过按位一致性的测试，它们也满足统计一致的再现性。
这种区分对于解释来自复杂实验技术的结果也至关重要。在 MALDI 质谱等领域，由于随机物理过程，信号在一次次测量中自然会波动。分析师不期望获得按位一致的读数。相反，他们利用统计学来实现可再现的结果。通过对多次“激发”进行平均，他们可以减少随机噪声。目标是确定所需的最小激发次数 ，以确保最终的平均值其相对标准偏差低于目标阈值，从而有效地实现统计上稳定且可再现的量化。
并非所有的再现性问题都深埋于硬件之中。有时，幽灵是我们自己造成的。以现代数据科学中的一个常用工具为例：交互式计算笔记本。一位生物信息学家可能正在探索一个大型数据集，不按顺序运行代码单元，调整笔记本底部一个单元格中的参数，然后重新运行顶部的单元格以观察效果。
一天结束时，笔记本看起来干净而线性，但其最终结果却依赖于这个随意且未被记录的执行序列。计算机的内存中包含一个“隐藏状态”——以一种未被代码视觉布局反映的顺序创建的变量和对象。如果另一位科学家（甚至是一周后的原作者）拿到这个笔记本，只是简单地从头到尾运行所有代码，无法保证他们会得到相同的结果。那个神奇的操作序列已经丢失了。
这说明了计算卫生（computational hygiene）的一个关键原则。要确保你的工作是可再现的，你必须确保最终的脚本或笔记本是一个完整、自洽的配方。黄金标准很简单：在你信任你的结果之前，重启计算环境（即“内核”），并从一个干净的状态从头到尾运行所有内容。如果它产生了相同的结果，你就消除了隐藏状态。
那么，那些本质上是随机的模拟呢？许多科学问题，从模拟反应堆中的中子输运到评估金融衍生品的价值，都依赖于蒙特卡洛方法。这些方法使用随机数序列来探索巨大的参数空间或计算复杂的积分。当然，如果我们使用真正的随机性，再现性按定义来说是不可能的。
如果我们使用“真正的”随机性，比如从大气噪声或放射性衰变中产生的随机性，那确实如此。但我们不这么做。相反，我们使用一种更巧妙的东西：伪随机数生成器 (PRNGs)。PRNG 是一个完全确定性的算法。它接受一个单一的起始数字，称为种子（seed），并从该种子生成一长串通过了多项随机性统计检验的数字。它们看起来是随机的，但它们是一个完全可预测、可重复的幻象。
这就是关键。通过使用相同的 PRNG 算法并固定种子，我们可以确保一个“随机”的模拟每次运行时都能产生比特级别上完全相同的结果。这对于调试、验证和分享结果是不可或缺的。我们获得了随机采样的所有优势，而没有牺牲严谨科学所需的确定性控制。当然，幻象的质量很重要。一个好的 PRNG 必须有极长的周期（序列重复之前的长度），并且其输出必须在多维空间中均匀分布（equidistributed），以确保没有微妙的相关性破坏模拟。
有时，不可再现性源于一个更深层次的原因：模型本身的数学性质。考虑一个简化的晶体缺陷浓度模型，。其变化率可能由一个方程如 建模，初始条件为开始时没有缺陷，即 。
一个显而易见的解是浓度永远保持为零：。但这并非唯一的解。因为变化率 在 时本身就是零，所以偏离初始状态的“推动力”是无穷小的。系统在某种意义上可以等待任意长的时间 才开始演化，遵循像 for 这样的路径。存在无穷多个可能的解，每个解对应一个不同的“等待时间”。
发生这种情况是因为函数 在 处不满足利普希茨连续（Lipschitz continuous），这是一个保证常微分方程有唯一解的关键条件。当计算机尝试模拟这样一个系统时，就变成了一场抽奖。在零点附近最微小的数值舍入误差都足以将模拟推向这无穷多条路径中的一条。不同的运行，带着难以察觉的不同浮点误差，可能会产生截然不同的轨迹。这种缺乏再现性不是代码中的错误，也不是硬件的产物；它是我们试图建模的数学宇宙的一个基本属性。
正如我们所见，“再现性”并非一个单一、固化的概念。它是由一系列相关理念组成的谱系，构成了一个建立对科学主张信任的工具箱。
验证 (Verification)： 在最基础的层面，我们问：“我们是否正确地求解了方程？” 这是调试和内部一致性检查的过程。它涉及确保代码是数学模型的忠实实现，或许通过与已知的解析解进行比较，或验证它是否守恒能量等物理量（如散射理论中通过光学定理检验）。
计算再现性 (Computational Reproducibility)： 这是更高一个层次，问的是：“别人能用我一模一样的数据和代码得到我确切的结果吗？” 这正是我们一直关注的重点——工作流卫生、PRNG 种子和管理浮点运算的领域。这是计算研究的最低标准。
确认 (Validation)： 在这里，问题变为：“我们求解的方程是否正确？” 确认是将模型的预测与真实世界的实验数据（理想情况下是未用于构建模型的数据）进行比较的过程。它评估我们的数学抽象是否很好地代表了现实。
实验可复制性 (Experimental Replicability)： 这是科学的最高标准。它问的是：“一个独立的实验室能否从头开始重复我的整个实验，并得到一致的结果？” 这测试了整个科学主张，从基础理论和模型到实验设置和数据分析。
实现完全的可复制性需要一个透明且计算上可再现的分析流程。为了让其他人有机会复制我们的悉生发育研究或我们的树轮气候重建，我们必须提供一个清晰完整的配方。这意味着不仅要公开发表最终论文，还要归档原始数据及其完整的元数据、用于分析的精确软件脚本、计算环境的规范（如软件版本），以及所有选择和所用随机种子的记录。
理解这些原则并非要我们对计算失去信心，而是要我们更深入地掌握我们的工具。通过认识到浮点数的微妙之舞、隐藏状态的陷阱、伪随机性的受控力量以及科学确认的全谱系，我们超越了完美计算的幻象。我们学会了构建不仅强大，而且稳健、可靠和可信的计算工具，为构建一个更开放、更持久的科学事业奠定基石。
在我们经历了数值再现性原理的旅程之后，人们可能会留下这样的印象：这是一件相当乏味的事情，一种为过分细致的人准备的数字簿记。但事实远非如此。实际上，这些原则是构建现代计算科学宏伟殿堂的基石。它们不是对创造力的限制，而是使科学成为一个累积性、全球性和可信赖事业的赋能框架。现在，让我们来探索这些思想如何开花结果，应用于实践，连接不同领域，并改变我们的发现方式。
想象一位系统生物学家正在精心构建一个细胞信号通路的模型。她用精确的数学语言描述了每一种蛋白质、每一次反应、每一条速率定律。她实质上为一台复杂的生物机器绘制了一张完美的蓝图。这张蓝图，以系统生物学标记语言（SBML）等标准编码，是对模型结构的完整描述。但它是一个结果吗？它可以被再现吗？还不能。蓝图不是汽车，模型也不是实验。要得到结果，我们必须“运行”模型——我们必须进行一次模拟。这需要指定实验方案：起始条件、实验持续时间，以及至关重要的，特定的数值求解器——即引导模型随时间演化的“驱动程序”。这种将模型（是什么）与模拟实验（如何做）分离开来的关键区别，是可再现科学的第一步。诸如模拟实验描述标记语言（SED-ML）等标准的出现正是为此目的：提供一份独立于蓝图本身的、机器可读的试驾配方。
即使是单个科学家在自己的电脑上工作，道路也充满了微妙的陷阱。以机器学习领域为例，研究人员可能训练一个神经网络来预测蛋白质结构。这个过程本质上是随机的。模型的参数（其权重）的初始“猜测”是随机设置的。数据在每一轮训练前都像一副牌一样被洗牌。两次运行相同的代码感觉就像掷骰子并希望能得到相同的结果。解决方案是驯服骰子。通过为每一个随机性来源——主编程语言、其数值库以及深度学习框架本身——设置一个固定的“种子”，我们可以强制每次都进行完全相同的“随机”选择序列，从而确保训练过程在每次运行时都是相同的。
然而，一个更深层次、更令人惊讶的挑战潜伏在表面之下。我们的计算机所执行的算术本身并不像看起来那么直接。一个像 这样简单的操作，在不同的处理器架构上可能会产生微小的不同结果，这是一种称为“融合乘加”（FMA）指令的优化所致，它用单步舍入代替两步舍入来完成整个操作。即使是像 或 这样的基本数学函数，也不能保证在不同系统之间是按位一致的。对于一位在地球地幔中追踪地震射线的地球物理学家来说，这些微小的差异可能在数百万个积分步骤中累积，导致最终的射线路径落在不同的位置。要达到最终极的再现性水平——按位一致——需要近乎英雄般的谨慎：明确禁用某些硬件优化，使用经过专门认证的数学库，甚至控制一长串数字的求和顺序。这揭示了我们的数字世界，尽管充满逻辑，却建立在有其自身怪癖和特性的物理硬件基础之上。
当我们从单个计算扩展到对自然系统的全面模拟时，这些挑战会成倍增加。想象一下构建一个“计算机模拟 (in silico)”的生态系统，一个由捕食者和猎物代理在网格上构成的数字世界。每个生物的生命都是一系列随机事件——移动、捕猎、繁殖。为了让模拟快速进行，我们并行运行它，让许多处理器同时处理世界的不同部分。在这里，单个随机种子是不够的。如果所有处理器都从同一个随机数流中抽取数字，它们将造成一种竞争条件，即结果取决于计算机线程的非确定性调度。优雅的解决方案是给每个处理器分配其自己的、独立的、预先指定的随机数流。这样，每个线程都可以独立工作而互不干扰，整个复杂的并行模拟就可以每次都以完全相同的方式展开。
挑战并不总是关于随机性。在系统生物学中，一种称为流平衡分析（FBA）的强大技术使我们能够通过寻找一种“最优”的化学反应速率分布来预测微生物的代谢活动，该分布可以最大化某个生物学目标，例如生长。这是一个线性优化问题，而非随机模拟。然而，如果不是一个，而是一整个空间的同等最优解，问题就可能出现。两个不同的求解器程序——甚至是同一求解器在不同机器上——可能会从这个最优空间中选择两个不同的点，导致对细胞内部运作的不同预测。在这里，真正的再现性要求我们在提问时更加精确。我们必须添加一个次要目标，一个打破僵局的规则，例如“找到在最大化生长的同时，也使用最少总代谢能量的解”。通过完全指定这种字典序优化和用于计算它的精确求解器，我们可以保证一个唯一的、可再现的答案。
最后，模拟往往仅仅是开始。在理论化学中，一次分子动力学模拟可能会生成一个TB级的原子在盒子中振动的轨迹。科学洞见来自于对这条轨迹的分析，例如，通过计算一个时间相关函数来揭示振动频率或输运性质。再现性必须延伸到这个分析阶段。这包括细致地记录分析的每一个参数，从估计量的归一化到自举不确定性分析中使用的块长度。最重要的是，它涉及确认。我们的分析代码正确吗？我们可以通过给它输入一个有已知解析解的系统轨迹，比如 Ornstein-Uhlenbeck 过程，并检查我们的代码是否恢复了正确的结果来测试它。这最后一步形成了闭环：我们的工作不仅是可再现的，而且是可再现地正确。
在“大数据”时代，科学研究很少是单一的模拟。它是一条装配线，一个由计算任务组成的复杂多阶段流水线。一项宏组学研究可能涉及数十种工具，用于处理原始DNA序列数据、组装基因组、预测基因，并量化数百个样本的表达水平。试图根据方法部分的书面描述来再现这样的分析几乎是不可能的。
这一挑战催生了一套强大的技术。工作流引擎，如 Nextflow、Snakemake 或通用工作流语言（CWL），充当整个分析的总蓝图。它们以一种正式的、机器可读的语言定义了每个步骤、其输入、输出及其依赖关系。
但蓝图不是工厂。第二个关键要素是软件容器。像 Docker 或 Apptainer 这样的工具就像是软件的魔术集装箱。它们将一个应用程序及其所有依赖——正确的操作系统、库和辅助工具——打包成一个单一的、不可变的文件。然后，这个容器可以被“运送”到任何计算机（笔记本电脑、云服务器、HPC集群）上运行，保证软件环境在任何地方都完全相同。这个简单的想法优雅地解决了那个经久不衰的“在我的机器上能用”的问题。
当我们将工作流引擎与容器化结合起来时，我们就创造了一条可再现的装配线。但为了获得完全的信任，我们还需要一样东西：来源 (provenance)。一个稳健的工作流系统会自动为每一步创建详细的日志。对于任何给定的输出文件，它都可以生成其完整的“家谱”——一个有向无环图（DAG），显示了是哪些输入文件、哪个版本的哪个工具、使用了哪些特定参数、在哪个特定容器内运行，才创建了它 [@problem_synthesis:2475351, 2509680]。这条不间断的证据链实现了完全的可审计性，并使调试和确认变得易于处理。
最后，为了让科学真正具有协作性，我们需要说一种共同的语言。这就是元数据标准和 FAIR 原则（可发现、可访问、可互操作、可重用）的角色。通过使用共享的、受控的词汇表来描述我们的样本、方法和数据，并将它们存放在具有持久标识符（如DOI）的公共档案库中，我们创造了一个全球性的、互联的科学知识网络，任何人在任何地方都可以搜索、理解和在此基础上进行构建。
当这些原则被应用于像 Synthetic Yeast 2.0 项目这样的大型跨国联盟的规模时，它们就从一种技术最佳实践转变为一种治理形式——一种协作发现的社会契约。为了管理数十个实验室共同构建一个合成生物体，项目领导层可以基于再现性原则建立具体的、可由机器审计的政策指标。
他们可以强制规定，对于任何报告的酵母菌株，一个独立实验室能够完全再现它的概率必须高于某个阈值，比如说 。这个概率不仅仅是一个模糊的希望；它可以通过将每个先决条件的合规分数相乘来估算：完整的DNA序列是否已公开存档？物理菌株是否可以从存储库获得？构建方案是否以机器可读的格式描述？确认数据是否公开？通过将这些要求变成一个清单，该联盟使再现性成为项目的一个具体的、可衡量的、可执行的方面。这是最终的应用：再现性不仅是一种个人美德或技术特性，而是一个科学共同体的基本法则。
从简单地希望两次得到相同答案的愿望出发，我们已经来到了一个全球科学基础设施的世界。数值再现性的原则是无形的线索，将单个的计算编织成一幅稳健而可信的知识织锦。它们使我们能够真正地站在巨人的肩膀上，并确信我们脚下的土地是坚实的。