一篇新研究论文强调了使用计算参考来验证机器学习电池材料的关键问题。研究发现，当机器学习筛选堆栈在预注册以针对实验锚定的文献值进行验证时，表现出显著的 0.67 V 平均绝对误差。该误差被发现与电压有关，使得简单的加法校准无效。此外，研究表明计算参考值本身，特别是来自 Materials Project PBE+U 的值，比实验测量值低约 0.54 V，这表明错误的主要来源是参考数据，而不是模型。该论文还指出，目标钠取代空间中有很大一部分已经发表。 AI
影响 强调了在材料发现中使用机器学习的潜在陷阱，强调需要通过稳健的实验验证来替代计算参考。
排序理由 详细介绍材料科学研究新方法和研究结果的学术论文。[lever_c_research降级：ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
