Nature发表的“标杆性成果”，被指“不可靠”—新闻—科学网
各数据库处理方式也不同：“材料项目”承认重复问题，闻科各相关方的学网反应不一。过程耗时耗力、发表借助独特的杆性算法设计，才能让AI真正成为推动科学进步的成果强大动力，
有学者指出，靠新成为AI在材料科学领域的闻科标杆性成果。
重复数据引发争议
就在GNoME成果被广泛引用、学网
面对确凿的发表检测数据，
谷歌材料学“新突破”
作为人工智能领域的杆性领军企业，基于新方法，成果
美国化学会媒体联系GNoME论文作者及谷歌公关，
利物浦大学库尔林团队研发出一种全新重复检测技术，
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，该研究通过自主研发的AI工具GNoME，其中超38万种被判定为稳定无机材料。后者包括因独立发现导致的重复，成为讨论焦点。预测新型晶体结构及其稳定性。其实，其余41种在同一数据库中也均有几乎完全一致的副本。未来需要建立针对AI科研的伦理规范，晶体学数据库的重复乱象并非个例，未获回应。可充电电池等现代技术发展提供潜在材料支撑。过去几年中，
这一发现，网站或个人从本网站转载使用，谷歌DeepMind旗下人工智能工具GNoME（材料探索图网络）所生成的晶体数据库中，目前仅标注重复而非删除。引入标准化检测工具，使谷歌团队此前发表于Nature的相关研究，而非追求虚假规模的捷径。该研究在短短两年内引用量飙升至数千次，DeepMind凭借前沿技术，更关键的是，无机及计算机生成的晶体数据存储均受此困扰。而非制造科研泡沫的潜在隐患。来寻找新晶体，让数据库在接收数据时就能进行初步筛查，但绝不能以牺牲科研诚信为代价。暂不调查。而非仅依赖算法本身的可信度。如何兼顾数据的真实性与新颖性？同时，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！不宜“一刀切”删除，
AI科研何去何从？
有评论认为，数据库需完善重复数据的管理与披露机制。简单化合物的相似结构属正常，这也对晶体学数据库的管理模式、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”。
毫无疑问，它提醒我们，”这位学者说。不会移除。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、理想状态下“优质数据库不应存在重复”；另一方面，
GNoME的出现，它大幅压缩了原本漫长的科研周期，
英国剑桥结构数据库执行董事苏珊娜·沃德（Suzanna Ward）认为，宣称发现了多达220万个全新晶体结构，以及随后关于自主实验室材料合成的论文，进而发现GNoME数据库中存在大量重复或高度相似的晶体结构。其中超过10%被标记为“稳定”的晶体，同时，存在大量的重复或近似重复结构。“恶意重复”与“合理重复”，在数据输出前自动筛选绝对重复的内容。他们发现了DeepMind团队的“秘密”。区分“完全重复”与“近似重复”、GNoME数据库中超过8.3万条内容被悄悄删除，该实验室声称在17天内合成了43种新材料，
业内人士一度认为，
目前，在材料科学领域掀起了不小的波澜。GNoME研究因未收到“正式关切”（formal concerns），科学家需通过调整已知结构或试错组合元素，
前述学者还认为，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，期刊需强化对大规模AI成果的评审标准，此番争议不仅聚焦于谷歌的两项研究，重复原因多样，
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，被认为有望为半导体、
对此，库尔林团队创造了一种新的检测重复晶体结构的方法，以前所未有的规模和精度，一场针对其数据真实性的质疑悄然蔓延。重复结构的成因复杂，成本高昂。突破了传统研究的瓶颈。在此次争议中，但其中2种早已录入无机晶体结构数据库，近些年，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，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，各实验室配套研究同步推进之际，需要强化同行评审的针对性：对于AI生成的大规模数据集，谷歌未对此作出公开说明。请与我们接洽。须保留本网站注明的“来源”，GNoME的研发与应用“堪称AI赋能科研的典型实践”——谷歌团队AI深度学习晶体结构的特征与稳定性规律，
“唯有建立完善的评估体系与伦理规范，
| Nature发表的“标杆性成果”，期刊、引发了学界对数据透明度的广泛担忧。被视作破解这一困境的关键。 2023年，这场围绕220万晶体结构的争议，AI技术为科研带来了效率革命，明确研究者、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，科研的核心价值在于探索未知，但认为GNoME研究发更正即可。 在其公布的成果中，学界普遍认为，在追逐技术突破的同时，从源头减少重复条目。  DeepMind团队在Nature发表的论文 这一数量级在当时创下纪录，有机、Nature编辑卡尔·齐梅利斯（Karl Ziemelis）表示，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，AI应是辅助这一过程的工具， 库尔林则主张两篇都应撤稿。涵盖约5.2万种类石墨烯层状化合物与528种锂离子导体。不能简单归为数据完整性问题。应要求研究者提供抽样验证报告及重复检测证明，传统研究中， 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。高效的重复检测技术，推广开源、A-Lab论文准备“更正”，数据库各方的责任：研究者需对AI生成数据的真实性进行严格核验，应避免采取单一的删除或保留政策。AI生成内容的评估标准提出了严峻拷问。GNoME数据库悄悄删除重复条目却不公开说明的做法，该团队在Nature发表一项被誉为“凝聚800年科研成果”的突破性研究。本质上是AI时代科研范式转型过程中的一次阵痛。库尔林团队发布数据后，业内已形成几点共识：建立分层处理机制，算不上真正的新发现。凭借AI的高效计算，其实只是在已有结构上替换一两个原子， #免责声明#本站提供的一切资源、教程和内容信息仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站信息来自网络收集整理，版权争议与本站无关。
 |
