Dört laboratuvarın ortak çalışması, karbon monoksit üreten bir katalizörün deneysel verilerinin AI modelleri için yeterince tekrarlanabilir olmadığını tespit etti. Araştırmacılar, farklı laboratuvarlardan gelen verilerin, karbon monoksit ve metan miktarlarında farklılıklar gösterdiğini ve bu durumun AI modellerinin güvenilirliğini etkilediğini belirtti.

Katalizörlerin performansını tahmin eden AI modelleri, deneysel verilerin kalitesine ve tekrarlanabilirliğine bağlıdır. Bu çalışmada, laboratuvarların farklı şartlarda çalışmasının, verilerin tutarlılığını etkilediği ve AI modellerinin tahminlerini zedelediği gözlemlendi. Araştırmacılar, deneysel protokollerin standardize edilmesiyle bu sorunun giderilebileceğini önerdi.

Çalışma, AI modelleri için deneysel verilerin hazırlanmasında dikkatli olunması gerektiğini vurguladı. Araştırmacılar, bu çalışmanın, gelecekteki AI modelleri için deneysel verilerin nasıl hazırlanacağına dair bir rehber olacağını umuyor.