EXPERIMENT V · AI FOR SCIENCE

化学数据里的错

化学合成数据里，模型最常犯的是哪一类错？

待开始化学数据数据质检RDKit

为什么值得做

科学数据昂贵又稀缺，是“数据决定上限”最极端的场景。合成数据能补数量，但一个配平错误或不存在的反应条件，会让训练出来的模型带着同样的错。

HYPOTHESIS

化学合成数据中的错误集中在少数几类（配平、单位、反应条件、不存在的物质），用规则 + 工具校验能拦下其中大部分。

MINIMAL SETUP

FALSIFIED IF

错误类型高度分散，工具校验的检出率不高于模型评审。

WILL PUBLISH

错误分类表、标注样本、校验脚本和检出率对照。

还没有记录。实验开始后，每一次运行、失败和修正都会记在实验室里。