Bilim dünyasında tekrarlanabilirlik krizi yeni bir boyut kazandı. Sıvı suyun bilgisayar simülasyonlarında kullanılan yaygın bir yöntemin, farklı araştırma grupları tarafından uygulandığında tutarsız sonuçlar verdiği ortaya çıktı.
Yoğunluk fonksiyonel teorisi (DFT) ile ab initio moleküler dinamik simülasyonları, su araştırmalarının standart aracı haline geldi. Ancak aynı revPBE-D3 yöntemini kullanan önceki çalışmalar arasında ciddi farklılıklar tespit edildi. Bu farklılıklar difüzyon katsayısında %20'ye, yoğunluk değerlerinde ise %10'a kadar çıkıyor.
Araştırmacılar, modern makine öğrenmesi tabanlı uzun menzilli atom-arası potansiyelleri kullanarak bu sorunu çözmeye odaklandı. Bu yaklaşım, güvenilir istatistiksel örnekleme imkanı sağlarken, dikkatli bir şekilde optimize edilmiş DFT eğitim verileriyle desteklendi.
Sonuçlar oldukça çarpıcı: altı farklı topluluk kodunda tutarlı sonuçlar elde edildi ve önceki literatürden belirgin farklılıklar gözlendi. Araştırma, daha önceki çalışmaların su yoğunluğunu sistematik olarak fazla tahmin ettiğini ve diğer önemli özellikleri eksik değerlendirdiğini gösterdi.
Bu bulgular, bilimsel hesaplamalarda metodolojik standartların ve tekrarlanabilirlik protokollerinin önemini bir kez daha vurguluyor.