定义计算科学的基础模型：对清晰性与严谨性的呼吁

基础模型在自然语言处理和计算机视觉领域的广泛成功，启发了研究人员将这一概念扩展至科学机器学习与计算科学。然而，本立场论文认为，由于“基础模型”是一个不断演变的概念，其在计算科学中的应用日益缺乏普遍接受的定义，这可能会造成混淆并削弱其精确的科学含义。在本文中，我们通过提出计算科学中基础模型的形式化定义来填补这一空白，该定义以通用性、可重用性和可扩展性等核心价值为基础。我们阐明了一系列此类模型必须具备的必要和理想特征，并将其与传统的基础方法（如有限元方法和有限体积方法）进行了类比。此外，我们引入了数据驱动有限元方法（DD-FEM），这是一个将经典 FEM 的模块化结构与数据驱动学习的表示能力相融合的框架。我们展示了 DD-FEM 如何解决实现计算科学基础模型面临的诸多关键挑战，包括可扩展性、适应性和物理一致性。通过将传统数值方法与现代 AI 范式相连接，这项工作为评估和开发未来计算科学基础模型的新方法提供了严谨的基础。