主题：【原创】我的chatGPT的使用体验 -- Swell

如果对于实验数据较真的话，生化环材才是不太好弄的。

发文章和做实验哪个成本是大头一目了然。

中等或者一般的期刊问题不大。灌水文章多，数据瞎JB写的也多。

但是IF高了就不一样了。生不好说。化环材的可重复性还蛮高的。顶刊基本都属于可复现。

不知真假的数据是肯定有的，但是IF稍微高一点的基本上都要求多类数据互相支撑，而顶刊更厉害了，材料学的基本还要求上传原始数据。填充华丽辞藻还真没有，你看稍微好一点的文章都是短小精悍的，四五千词就没了，图也就四五张。剩下来的数据几十页都扔在SI里。

公式推导类的才是真危险，不过早就是打不过就加入了，他们80年代就开始玩神经网络了，可能是地球上最早一批玩这些的人，不过么，要出东西就得烧算力，掏钱，掏大钱。也是这个时期国内外基础学科的差距被大幅拉开，没办法，当时别人研究基础数学用超算，国内研究基础数学还得上街摆摊，纸笔都得省着用。

/

很多问题都属于自然界就是这个鸟样，规律不规律的就是这样。围棋讲道理，有规则，可以自己和自己下，自然界不讲道理，涌现性遍地都是，还不讲还原论。迭代不起来啊。假如你要说AI加速的第一性原理计算的话，早就是每篇文章人手一份了。炒菜没有DFT还敢发文章？

比如某某合金在950°C热处理5分钟以形成厚度为X微米的某个β织构。这种外人一看就觉得是垃圾数据，但是实际上做起来工业来就晓得就这种数据最重要，很多时候这种数据就是没得找，有的时候全地球就这一篇文章测了这个数据。你要自己去弄，一个博士带俩硕士，一百万经费，一年，也许可以弄出来。

/

顶刊或者说材料学的迭代基本上属于烧实验经费，也就是烧炉子过柱子这些，纯纯的实验数据收集器。某些新结构还得就得扎扎实实的拿几千块钱5g的Sigma-Aldrich出的高纯试剂在某个条件下去获得，你换成国药或者阿拉丁的就是弄出不来。这种情况下AI玩出花来也没用，纯属工业条件限制