Résumé: Il est difficile d'évaluer les modèles hypothétiques dans des domaines mal mesurés tels que la neuroendocrinologie. Sans grande bibliothèque des observations pour contraindre l'inférence, l'exécution de tels modèles inachevés implique faire des prétentions. Des prétentions de mutuellement exclusif doivent être maintenues dans les mondes séparés. Nous définissons un moteur abductive général de multiple-mondes qui évalue de tels modèles (i) en produisant des mondes et (ii) des essais si ces mondes contiennent le comportement connu. La génération du monde est contrainte par l'intermédiaire de l'utilisation de l'envisionment approprié. Nous décrivons QCM, une langue modelante pour les modèles compartimentés qui peuvent être traités par ce moteur d'inférence. Cet outil a été utilisé pour trouver des défauts dans les théories publiées aux journaux arbitrés internationaux; c.-à-d. QCM peut détecter les défauts qui sont invisibles à d'autres méthodes. La généralité et les limites informatiques de cette approche sont discutées. En bref, cette approche est applicable à n'importe quelle représentation qui peut être compilée dans et-ou le graphique, si les graphiques ne sont pas trop grands ou trop complexes (fanout<7

Langue: Anglais