张同学，你的ChatGPT指令提示词忘记删除了？！！！！
近期，一篇题目为“The three-dimensional porous mesh structure of Cu-based metal-organic-framework - aramid cellulose separator enhances the electrochemical performance of lithium metal anode batteries”发表在国际期刊Surfaces and Interfaces（材料类一区，IF=6.2）上，这篇文章是电池能源方向。这篇文章的通讯作者是来自中国地质大学材料科学与工程学院的 Yangai Liu 教授。文章在3月份已经在线发表。
不知道一区期刊是什么的小伙伴可以看这里：
从ChatGPT抄来忘记删掉提示还发表在高水平期刊上
分享一篇材料学一区期刊 Surfaces and Interfaces 3月份在线发表的文章。这篇文章通讯作者Yangai Liu 应该是中国地质大学材料科学与工程学院教授。
分享这篇文章的原因是该文的 Introduction 的第一句是：
Certainly, here is a possible introduction for your topic:Lithium-metal batteries are promising candidates for high-energy-density rechargeable batteries due to their low electrode potentials and high theoretical capacities
这感觉就很熟悉了，因为 ChatGPT 就是这么有礼貌， 而且很好复现 。。。
之前我们报道过发表在水刊上的论文使用 MidJourney 生成图片，但这篇文章发表的期刊 Surfaces and Interfaces 是中科院一区期刊，最新影响因子6.2.
原文链接：
https://www.sciencedirect.com/science/article/abs/pii/S2468023024002402?via%3Dihub
不得不说这个感觉就很熟悉了，如果你经常与ChatGPT交流，你会注意到它的回复总是彬彬有礼，这一点让人印象深刻。上个月有人报道过发表在水刊上的论文使用 MidJourney 生成图片，但这篇文章发表的期刊 Surfaces and Interfaces 是中科院一区期刊，最新影响因子6.2。
个人感觉用Chat GPT润色一下语言和语法还是可以的，不建议直接用Chat GPT生产内容，这可能会产生很多误区和错误（尤其是免费的3.5）
以下是网友回复：
版权声明
本文来源：ivySCI 科研指南、材料学网，版权属于原作者，仅用于学术分享，如有侵权，请联系删除
| 课程安排 | 学习内容 |
| 第一章 2024年AI领域最新技术 | 1.OpenAI新模型-GPT-5 2.谷歌新模型-Gemini Ultra 3.Meta新模型-LLama3 4.科大讯飞-星火认知 5.百度-文心一言 6.MoonshotAI-Kimi 7.智谱AI-GLM-4
|
| 第二章 OpenAI开发者大会后GPT最新技术 | 1.最新大模型GPT-4 Turbo详细介绍 2.最新发布的高级数据分析，AI画图，图像识别，文档API介绍 3.GPT Store介绍 4.（实操演练）从0到1创建自己的GPT应用 |
| 第三章 谷歌最新模型Gemini详解 | 1.Gemini三大模型 2.Gemini与GPT-4对比 3.Gemini的原生多模态技术 4.Gemini的测试效果 5.（实操演练）Gemini的使用
|
| 第四章 定制自己的GPTs | 1.（实操演练）热门的自定义GPTs使用介绍 2.（实操演练）通过聊天交流的方式制作自己的GPTs 3.（实操演练）通过自定义的方式制作自己的GPTs 4.（实操演练）GPTs的3种分发方式 5.（实操演练）GPTs的action功能介绍 6.（实操演练）论文改进专家（GTPs） 7.（实操演练）3种论文写作应用（GTPs） |
| 第五章 AIGC基础学习 | 1.深度学习常用架构讲解 2.GPT1-4模型解析 3.AIGC技术发展 4.大语言模型的评估标准 5.ChatGPT/GPT4官网使用方法 6.优秀国内大模型推荐 7.LLM与搜索引擎：差异与联系
|
| 第六章 提示词工程高级技巧 | 1.提示词工程讲解 2.如何写好一篇论文的提示词 3.（实操演练）初识LLM：角色扮演的艺术 4.（实操演练）调整LLM的语调与表达方式 5.（实操演练）定义LLM的具体任务与目标 6.（实操演练）探索LLM与上下文的密切关系 7.（实操演练）零样本学习：强化逻辑推理 8.（实操演练）多样本学习：模型模仿能力提升 9.（实操演练）自洽性检验：数学能力加强 10.（实操演练）知识生成：提高模型的信息处理能力
|
| 第七章 ChatGPT/GPT4的实用案例 【讲解+实践】 | 1.（实操演练）ChatGPT/GPT4是最好用的翻译软件 2.（实操演练）AI助力高效表格数据创建 3.（实操演练）AI在数据处理中的实际操作 4.（实操演练）苏格拉底式教学法在AI中的运用 5.（实操演练）如何与AI交流科研问题 6.（实操演练）AI助力文本数据整理与分析 7.（实操演练）AI在用户评论分析中的应用 8.（实操演练）AI撰写专业报告的技巧 9.（实操演练）让AI根据知识点出题 10.（实操演练）使用AI工具快速产出高端PPT的几种方法 11.（实操演练）使用AI工具快速产出短视频 12.（实操演练）快速制作流程图、序列图、思维导图
|
| 第八章 让ChatGPT/GPT4成为你的论文/基金写作助手 【讲解+实践】 | 1.（实操演练）论文搜索和论文关联 2.（实操演练）分析论文得出审稿意见 3.（实操演练）进行论文内容问答 4.（实操演练）生成论文摘要 5.（实操演练）写论文综述并标注内容来源 6.（实操演练）中/英文论文润色的4种方法 7.（实操演练）进行论文降重的技巧 8.（实操演练）查找某个观点或内容相关的论文 9.（实操演练）对多篇论文进行分析对比 10.（实操演练）如何防止AI生成的内容被检测 11.（实操演练）生成完整长篇论文的技巧 12.（实操演练）让AI结合试验数据进行写作 13.（实操演练）自动写作并添加参考文献
|
| 第九章 Python基础学习 【讲解+实践】 | 1.Python的应用场景 2.（实操演练）python环境安装配置 3.（实操演练）print使用 4.（实操演练）运算符和变量 5.（实操演练）循环 6.（实操演练）列表元组字典 7.（实操演练）if条件 8.（实操演练）函数 9.（实操演练）模块 10.（实操演练）类的使用 11.（实操演练）文件读写 12.（实操演练）异常处理
|
| 第十章 科学计算模块Numpy和绘图模块Matplotlib学习 【讲解+实践】 | 1.（实操演练）numpy的属性 2.（实操演练）创建array 3.（实操演练）numpy的运算 4.（实操演练）随机数生成以及矩阵的运算 5.（实操演练）numpy的索引 6.（实操演练）array合并 7.（实操演练）Matplotlib基础用法 8.（实操演练）figure图像 9.（实操演练）设置坐标轴 10.（实操演练）legend图例 11.（实操演练）scatter散点图
|
| 第十一章 机器学习算法应用【讲解+实践】 | 1.机器学习概述 2.训练集/验证集/测试集 3.监督学习与无监督学习 4.分类/回归/聚类算法 5.机器学习算法应用分析 6.（实操演练）使用回归算法完成波士顿房价预测 7.（实操演练）使用KNN算法完成鸢尾花分类 8.（实操演练）使用多种算法完成糖尿病预测 9.（实操演练）分析特征重要性（哪些特征对标签的影响最大） 10.（实操演练）机器学习特征工程完整流程
|
| 第十二章 深度学习算法基础【讲解+实践】 | 1.单层感知器 2.激活函数，损失函数和梯度下降法 3.BP算法介绍 4.梯度消失问题 5.多种激活函数介绍 6.（实操演练）BP算法解决手写数字识别问题
|
| 第十三章 深度学习框架Tensorflow应用 【讲解+实践】 | 1.（实操演练）Mnist数据集和softmax讲解 2.（实操演练）使用BP神经网络识别图片 3.（实操演练）交叉熵(cross-entropy)讲解和使用 4.（实操演练）欠拟合/正确拟合/过拟合 5.（实操演练）各种优化器Optimizer 6.（实操演练）模型保存和模型载入方法
|
| 第十四章 深度学习算法-卷积神经网络CNN应用【讲解+实践】 | 1.CNN卷积神经网络 2.卷积的局部感受野，权值共享介绍。 3.卷积的具体计算方式 4.池化层介绍（均值池化、最大池化） 5.same padding和valid padding介绍 6.LeNET-5卷积网络介绍 7.（实操演练）CNN手写数字识别案例
|
| 第十五章 深度学习算法-长短时记忆网络LSTM应用 【讲解+实践】 | 1.RNN循环神经网络介绍 2.RNN具体计算分析 3.长短时记忆网络LSTM介绍 4.输入门，遗忘门，输出门具体计算分析 5.堆叠LSTM介绍 6.双向LSTM介绍 7.（实操演练）使用LSTM进行设备故障预测
|
| 第十六章 基于深度学习模型的图像识别（医学影像案例） | 1.VGG16模型详解 2.ResNet模型详解 3.EfficientNet模型详解 4.（实操演练）下载训练好的1000分类图像识别模型 5.（实操演练）使用训练好的图像识别模型进行各种图像分类 6.（实操演练）使用迁移学习训练医学影像分类模型
|
| 第十七章 让ChatGPT/GPT4成为你的编程助手 | 1.使用ChatGPT/GPT4写程序的注意事项 2.（实操演练）让AI对代码进行详细讲解 3.（实操演练）进行代码纠错及自动修改 4.（实操演练）使用AI工具读取本地数据的技巧 5.（实操演练）绘制折线图，柱状图，饼图等各种统计分析图表 6.（实操演练）让AI工具帮你自动进行数据分析和特征工程 7.（实操演练）使用你的数据产生机器学习模型进行分类预测 8.（实操演练）根据你的数据产生深度学习模型进行回归预测 9.（实操演练）自动化AI编程助手的使用
|
| 第十八章 让ChatGPT/GPT4进行数据处理 | 1.（实操演练）让AI正确读取表格数据 2.（实操演练）让AI理解百万行数据 3.（实操演练）使用AI进行数据可视化 4.（实操演练）使用AI进行数据缺失值处理 5.（实操演练）使用AI进行数据归一化 6.（实操演练）使用AI进行特征筛选 7.（实操演练）使用AI输出表格数据 8.（实操演练）使用AI输出特征工程处理后的数据 9.（实操演练）使用AI绘制统计分析图表 |
| 第十九章
| 1.（实操演练）用GPT绘制世界地图海岸线 2.（实操演练）用GPT绘制不同的地图投影 3.（实操演练）用GPT绘制南极地投影 4.（实操演练）用GPT绘制地球各种关键变量的图 5.（实操演练）用GPT绘制台风总降水量图 6.（实操演练）用GPT绘制台风风速图 7.（实操演练）用GPT计算台风总降水量 8.（课实操演练）用GPT对遥感图像光谱数据进行机器学习建模分类
|
| 第二十章
| 1.（实操演练）GPT模型API接口程序使用 2.（实操演练）GPT模型参数调节 3.（实操演练）用GPT程序API接口制作聊天机器人 4.（实操演练）用GPT程序API接口制作自动订餐机器人 5.（实操演练）用GPT程序API批量处理大量文本数据 6.（实操演练）用DALLE-3程序API接口生成图片
|
| 第二十一章 GPT4的特殊功能应用 | 1.（实操演练）识别图片中的表格并保存 2.（实操演练）识别图片中的公式并进行编辑 3.（实操演练）论文中的公式讲解 4.（实操演练）模仿别人的统计图表画出类似的统计图 5.（实操演练）GPT4联网功能使用 6.（实操演练）学生压力与心理状况数据统计分析 7.（实操演练）GPT高级数据分析功能详解 8.（实操演练）GPT4本地文件上传功能使用 |
| 第二十二章 AI绘图工具Midjourney和DALLE3应用
| 1. AI画图原理讲解 2.（实操演练）Midjourney工具的基础操作 3.（实操演练）remix模式介绍 4.（实操演练）blend命令介绍 5.（实操演练）describe命令介绍 6.（实操演练）图生图通过图片生成新的图片 7.（实操演练）Midjourney的参数和设置介绍 8.（实操演练）Midjourney科研作图技巧 9.（实操演练）DALL-E 3模型介绍 10.（实操演练）DALL-E 3根据上下文内容修改图片 11.（实操演练）DALL-E 3在图像中生成特定文字 12.（实操演练）DALL-E 3绘图结果的不断优化
|
| 第二十三章
| 1.（实操演练）Stable Diffusion工具讲解 2.（实操演练）Stable Diffusion环境部署介绍 3.（实操演练）通过文字生成图片 4.（实操演练）通过图片生成图片 5.（实操演练）图像智能高清算法 6.（实操演练）使用Lora模型产生写实人物图像 7.（实操演练）进行图像的局部重绘 8.（实操演练）Controlnet插件介绍 9.（实操演练）使用线稿图生成装修和建筑 10.（实操演练）使用线稿图给图片上色 11.（实操演练）产生特定姿态的人物图像
|
| 第二十四章 AI视频领域应用（Sora等） | 1.视频生成工具pika介绍及使用 2.视频生成工具runway介绍及使用 3.OpenAI最新视频生成模型Sora提示词介绍 4.OpenAI最新视频生成模型Sora使用介绍 5.阿里巴巴视频生成模型EMO介绍 |
)
