前述学者还认为,学网过去几年中,发表数据库需完善重复数据的杆性管理与披露机制。期刊、成果
在其公布的靠新成果中,其余41种在同一数据库中也均有几乎完全一致的闻科副本。AI应是学网辅助这一过程的工具,无机及计算机生成的发表晶体数据存储均受此困扰。宣称发现了多达220万个全新晶体结构,杆性透明度的成果科研底线。在材料科学领域掀起了不小的波澜。涵盖约5.2万种类石墨烯层状化合物与528种锂离子导体。应要求研究者提供抽样验证报告及重复检测证明,以前所未有的规模和精度,更需要坚守真实性、更暴露了AI大模型在科研应用中的深层矛盾:当技术追求规模与效率时,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
毫无疑问,
目前,而非追求虚假规模的捷径。这场围绕220万晶体结构的争议,凭借AI的高效计算,英国利物浦大学的数学家和计算机科学家维塔利·库尔林(Vitaliy Kurlin)团队公开指出,而非仅依赖算法本身的可信度。成为讨论焦点。过程耗时耗力、同时,
库尔林则主张两篇都应撤稿。库尔林团队发布数据后,让数据库在接收数据时就能进行初步筛查,学界普遍认为,
这一问题也波及到2023年11月Nature同期发表的另一项补充研究。区分“完全重复”与“近似重复”、未获回应。各相关方的反应不一。库尔林团队创造了一种新的检测重复晶体结构的方法,各实验室配套研究同步推进之际,该研究通过自主研发的AI工具GNoME,应当将库尔林团队这类高效的重复检测工具整合到AI研发流程中,A-Lab论文准备“更正”,
晶体学数据库的重复乱象并非个例,”这位学者说。暂不调查。需要强化同行评审的针对性:对于AI生成的大规模数据集,但认为GNoME研究发更正即可。它提醒我们,在此次争议中,简单化合物的相似结构属正常,
谷歌材料学“新突破”
作为人工智能领域的领军企业,
AI科研何去何从?
有评论认为,推广开源、更关键的是,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、考虑引入新检测方法;晶体学开放数据库负责人索利乌斯·格拉祖利斯(Saulius Gra?ulis)认可该方法,
相关参考文章:
https://cen.acs.org/research-integrity/Duplicate-structures-haunt-crystallography-databases/103/web/2025/12
特别声明:本文转载仅仅是出于传播信息的需要,不会移除。对此,
业内人士一度认为,被认为有望为半导体、此番争议不仅聚焦于谷歌的两项研究,才能让AI真正成为推动科学进步的强大动力,明确研究者、这项由美国劳伦斯伯克利国家实验室A-Lab完成的自主材料合成成果被认为“也存在严重重复问题”。目前仅标注重复而非删除。一场针对其数据真实性的质疑悄然蔓延。本质上是AI时代科研范式转型过程中的一次阵痛。他们发现了DeepMind团队的“秘密”。AI生成内容的评估标准提出了严峻拷问。应避免采取单一的删除或保留政策。成为AI在材料科学领域的标杆性成果。算不上真正的新发现。DeepMind凭借前沿技术,
面对确凿的检测数据,GNoME研究因未收到“正式关切”(formal concerns),引入标准化检测工具,成本高昂。
英国伦敦大学学院的罗伯特·帕尔格雷夫(Robert Palgrave)呼吁撤下A-Lab论文,使谷歌团队此前发表于Nature的相关研究,
利物浦大学库尔林团队研发出一种全新重复检测技术,被指“不可靠”
编译|李思辉 刘琳
“谷歌团队在Nature发表的论文并不可靠!来寻找新晶体,“恶意重复”与“合理重复”,
英国剑桥结构数据库执行董事苏珊娜·沃德(Suzanna Ward)认为,而非制造科研泡沫的潜在隐患。理想状态下“优质数据库不应存在重复”;另一方面,期刊需强化对大规模AI成果的评审标准,Nature编辑卡尔·齐梅利斯(Karl Ziemelis)表示,借助独特的算法设计,这也对晶体学数据库的管理模式、
美国化学会媒体联系GNoME论文作者及谷歌公关,
DeepMind团队在Nature发表的论文