arXiv · cs.AI · Abhinaba Basu, Pavan Chakraborty · 9 小时前模型评分19
arXiv 撤稿：Proof-Carrying Materials 用 Lean 4 为机器学习原子间势提供可证伪安全证书
Proof-Carrying Materials: Falsifiable Safety Certificates for Machine-Learned Interatomic Potentials
导读
arXiv 管理员撤下了一篇提出 Proof-Carrying Materials（PCM）的论文，该稿因不符合 arXiv 研究内容质量标准被撤回。论文称单个机器学习原子间势（MLIP）作稳定性筛选会漏掉 93% 的密度泛函理论（DFT）稳定材料，PCM 通过对抗性证伪、95% 置信区间自助包络细化和 Lean 4 形式化认证三阶段补上这一缺口。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：安全事件
证据摘录
- “This paper has been withdrawn by arXiv Admin”
- “This submission has been withdrawn because it does not meet arXiv's research content quality standards”
来源：arXiv · cs.AI · arxiv.org