各数据库处理方式也不同：“材料项目”承认重复问题，发表网站或个人从本网站转载使用，杆性并不意味着代表本网站观点或证实其内容的成果真实性；如其他媒体、不会移除。靠新未获回应。闻科引发了学界对数据透明度的学网广泛担忧。可充电电池等现代技术发展提供潜在材料支撑。发表
“唯有建立完善的杆性评估体系与伦理规范，他们发现了DeepMind团队的成果“秘密”。数据库需完善重复数据的靠新管理与披露机制。突破了传统研究的闻科瓶颈。
利物浦大学库尔林团队研发出一种全新重复检测技术，学网预测新型晶体结构及其稳定性。发表成本高昂。杆性过去几年中，成果Nature编辑卡尔·齐梅利斯（Karl Ziemelis）表示，在此次争议中，但绝不能以牺牲科研诚信为代价。借助独特的算法设计，应要求研究者提供抽样验证报告及重复检测证明，近些年，
毫无疑问，但认为GNoME研究发更正即可。明确研究者、
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。GNoME数据库中超过8.3万条内容被悄悄删除，
这一发现，传统研究中，”近日，目前仅标注重复而非删除。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，
有学者指出，有机、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，不能简单归为数据完整性问题。后者包括因独立发现导致的重复，它大幅压缩了原本漫长的科研周期，GNoME研究因未收到“正式关切”（formal concerns），
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，学界普遍认为，以及随后关于自主实验室材料合成的论文，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，这也对晶体学数据库的管理模式、晶体学数据库的重复乱象并非个例，请与我们接洽。科学家需通过调整已知结构或试错组合元素，GNoME数据库悄悄删除重复条目却不公开说明的做法，不宜“一刀切”删除，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，其中超38万种被判定为稳定无机材料。须保留本网站注明的“来源”，
库尔林则主张两篇都应撤稿。谷歌未对此作出公开说明。重复结构的成因复杂，凭借AI的高效计算，更关键的是，
对此，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！存在大量的重复或近似重复结构。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，业内已形成几点共识：建立分层处理机制，无机及计算机生成的晶体数据存储均受此困扰。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，推广开源、该研究在短短两年内引用量飙升至数千次，这场围绕220万晶体结构的争议，区分“完全重复”与“近似重复”、过程耗时耗力、
DeepMind团队在Nature发表的论文 这一数量级在当时创下纪录，
美国化学会媒体联系GNoME论文作者及谷歌公关，期刊、从源头减少重复条目。期刊需强化对大规模AI成果的评审标准，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”。在材料科学领域掀起了不小的波澜。宣称发现了多达220万个全新晶体结构，
| Nature发表的“标杆性成果”，此番争议不仅聚焦于谷歌的两项研究，理想状态下“优质数据库不应存在重复”；另一方面，被视作破解这一困境的关键。如何兼顾数据的真实性与新颖性？同时，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。 AI科研何去何从？ 有评论认为， 前述学者还认为，库尔林团队发布数据后，简单化合物的相似结构属正常，而非追求虚假规模的捷径。 2023年，各相关方的反应不一。DeepMind凭借前沿技术，成为AI在材料科学领域的标杆性成果。该实验室声称在17天内合成了43种新材料，它提醒我们，才能让AI真正成为推动科学进步的强大动力，基于新方法，高效的重复检测技术，使谷歌团队此前发表于Nature的相关研究，来寻找新晶体， 谷歌材料学“新突破” 作为人工智能领域的领军企业，透明度的科研底线。而非制造科研泡沫的潜在隐患。 重复数据引发争议 就在GNoME成果被广泛引用、在数据输出前自动筛选绝对重复的内容。AI应是辅助这一过程的工具，以前所未有的规模和精度，未来需要建立针对AI科研的伦理规范，库尔林团队创造了一种新的检测重复晶体结构的方法，被认为有望为半导体、其实，引入标准化检测工具， 面对确凿的检测数据，在追逐技术突破的同时，但其中2种早已录入无机晶体结构数据库，“恶意重复”与“合理重复”，应避免采取单一的删除或保留政策。算不上真正的新发现。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，该研究通过自主研发的AI工具GNoME，成为讨论焦点。更需要坚守真实性、重复原因多样，需要强化同行评审的针对性：对于AI生成的大规模数据集， 英国剑桥结构数据库执行董事苏珊娜·沃德（Suzanna Ward）认为，A-Lab论文准备“更正”， 目前，”这位学者说。 业内人士一度认为， 在其公布的成果中，涵盖约5.2万种类石墨烯层状化合物与528种锂离子导体。 GNoME的出现，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。同时，暂不调查。科研的核心价值在于探索未知，数据库管理者也面临两难：一方面，AI技术为科研带来了效率革命，其实只是在已有结构上替换一两个原子，其余41种在同一数据库中也均有几乎完全一致的副本。各实验室配套研究同步推进之际，AI生成内容的评估标准提出了严峻拷问。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。让数据库在接收数据时就能进行初步筛查，而非仅依赖算法本身的可信度。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，其中超过10%被标记为“稳定”的晶体， 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， 相关养生推荐
本月阅读排行
|
