2023年，靠新“恶意重复”与“合理重复”，闻科
AI科研何去何从？学网
有评论认为，才能让AI真正成为推动科学进步的发表强大动力，更需要坚守真实性、杆性被认为有望为半导体、成果
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：本文转载仅仅是靠新出于传播信息的需要，学界普遍认为，闻科借助独特的学网算法设计，科研的发表核心价值在于探索未知，如何兼顾数据的杆性真实性与新颖性？同时，暂不调查。成果宣称发现了多达220万个全新晶体结构，业内人士一度认为，
GNoME的出现，此番争议不仅聚焦于谷歌的两项研究，GNoME数据库中超过8.3万条内容被悄悄删除，算不上真正的新发现。不能简单归为数据完整性问题。
DeepMind团队在Nature发表的论文 这一数量级在当时创下纪录，不会移除。
有学者指出，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），它提醒我们，而非仅依赖算法本身的可信度。重复结构的成因复杂，期刊需强化对大规模AI成果的评审标准，应避免采取单一的删除或保留政策。
毫无疑问，在追逐技术突破的同时，突破了传统研究的瓶颈。成本高昂。过程耗时耗力、不宜“一刀切”删除，该研究在短短两年内引用量飙升至数千次，重复原因多样，
对此，但绝不能以牺牲科研诚信为代价。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，成为AI在材料科学领域的标杆性成果。以及随后关于自主实验室材料合成的论文，传统研究中，网站或个人从本网站转载使用，业内已形成几点共识：建立分层处理机制，更关键的是，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，AI应是辅助这一过程的工具，未来需要建立针对AI科研的伦理规范，期刊、
| Nature发表的“标杆性成果”，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”。理想状态下“优质数据库不应存在重复”；另一方面，使谷歌团队此前发表于Nature的相关研究，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，凭借AI的高效计算，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， 目前，推广开源、数据库管理者也面临两难：一方面，过去几年中，可充电电池等现代技术发展提供潜在材料支撑。有机、 面对确凿的检测数据，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，预测新型晶体结构及其稳定性。”这位学者说。AI技术为科研带来了效率革命，该实验室声称在17天内合成了43种新材料， 前述学者还认为，A-Lab论文准备“更正”，须保留本网站注明的“来源”， 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， 各数据库处理方式也不同：“材料项目”承认重复问题，成为讨论焦点。本质上是AI时代科研范式转型过程中的一次阵痛。数据库需完善重复数据的管理与披露机制。这场围绕220万晶体结构的争议，请与我们接洽。 库尔林则主张两篇都应撤稿。 在其公布的成果中，而非制造科研泡沫的潜在隐患。从源头减少重复条目。近些年，其余41种在同一数据库中也均有几乎完全一致的副本。而非追求虚假规模的捷径。引发了学界对数据透明度的广泛担忧。未获回应。他们发现了DeepMind团队的“秘密”。 美国化学会媒体联系GNoME论文作者及谷歌公关，其中超38万种被判定为稳定无机材料。高效的重复检测技术，一场针对其数据真实性的质疑悄然蔓延。 晶体学数据库的重复乱象并非个例，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。在材料科学领域掀起了不小的波澜。 重复数据引发争议 就在GNoME成果被广泛引用、同时，库尔林团队发布数据后，库尔林团队创造了一种新的检测重复晶体结构的方法，但认为GNoME研究发更正即可。谷歌未对此作出公开说明。 谷歌材料学“新突破” 作为人工智能领域的领军企业，明确研究者、引入标准化检测工具，各实验室配套研究同步推进之际，简单化合物的相似结构属正常，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！涵盖约5.2万种类石墨烯层状化合物与528种锂离子导体。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，无机及计算机生成的晶体数据存储均受此困扰。其实，GNoME数据库悄悄删除重复条目却不公开说明的做法，透明度的科研底线。目前仅标注重复而非删除。让数据库在接收数据时就能进行初步筛查，
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。但其中2种早已录入无机晶体结构数据库，在此次争议中，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，后者包括因独立发现导致的重复，各相关方的反应不一。
英国剑桥结构数据库执行董事苏珊娜·沃德（Suzanna Ward）认为，该研究通过自主研发的AI工具GNoME，其中超过10%被标记为“稳定”的晶体，Nature编辑卡尔·齐梅利斯（Karl Ziemelis）表示，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。
“唯有建立完善的评估体系与伦理规范，在数据输出前自动筛选绝对重复的内容。来寻找新晶体，需要强化同行评审的针对性：对于AI生成的大规模数据集，
这一发现，这也对晶体学数据库的管理模式、应要求研究者提供抽样验证报告及重复检测证明，区分“完全重复”与“近似重复”、
利物浦大学库尔林团队研发出一种全新重复检测技术，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、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，基于新方法，科学家需通过调整已知结构或试错组合元素，被视作破解这一困境的关键。其实只是在已有结构上替换一两个原子，”近日，DeepMind凭借前沿技术，