SciAtlas 是一张面向自动化科研的大规模知识图谱，相关论文以 arXiv:2605.22878 提交于 2026 年 5 月 20 日，作者为 Shuofei Qiao 等共 11 人。该工作针对的是全球学术产出指数级增长所带来的“信息爆炸”问题：知识组织碎片化、缺乏结构，阻碍了跨学科的深度整合。现有学术检索工具大多依赖浅层关键词匹配或向量空间语义检索，缺少在复杂逻辑关联中进行拓扑推理的能力；而基于智能体的深度研究框架又容易产生逻辑幻觉，并带来较高的推理成本。SciAtlas 正是为弥合这一差距而提出。
从规模上看，SciAtlas 整合了来自 26 个学科的超过 4300 万篇论文，共包含 1.57 亿个实体和 30 亿条三元组，被设计成一个全景式的科学演化网络。它提供了一种结构化的拓扑认知底座，用于打破学科壁垒，并让 AI 智能体获得全局视角。与仅做语义相似度匹配的检索方式不同，该图谱以实体与关系构成的知识网络承载学术资源，使系统能够沿着确定的关联路径进行发现。
在方法层面，作者提出了一种神经符号检索算法，具备三路径协同召回与图重排序能力，从而实现从简单语义匹配到确定性关联发现的平滑过渡。这一设计意在将符号化的图结构推理与神经检索结合起来，既保留语义检索的灵活性，又借助图结构降低幻觉风险和推理开销。
论文还给出了 SciAtlas 的几个关键应用方向，包括文献综述、自动化研究趋势综合、想法定位以及学术轨迹探索。作者据此论证，SciAtlas 可以作为一张有效的“认知地图”，支撑自动化科研的完整闭环，同时显著降低推理成本。该工作被标注为“进行中”的研究，涉及人工智能、计算与语言、信息检索和机器学习等方向，KG 检索接口及多种下游任务接口已在作者的 GitHub 仓库中发布。论文全文可通过 arXiv 获取，DOI 为 10.48550/arXiv.2605.22878，提交版本 v1 大小为 242 KB。