《2022年十大撤稿事件盘点》

  • 来源专题:科技期刊发展智库
  • 编译者: 李苑
  • 发布时间:2023-02-17
  • 2022年12月22日,The Scientist发布了2022十大撤稿事件,这已经是The Scientist连续第十年发布当年的撤稿事件,2022年也是自疫情爆发以来首次没有包括任何与冠状病毒相关的论文。这些撤稿事件包括了诺贝尔奖得主、操纵的同行评议和论文工厂导致的大量撤稿,以及癌症研究人员发现的操纵数据行为。

    1、Ripeta是一家提供自动化评估科学论文工具的科技公司,其首席执行官兼联合创始人Leslie McIntosh在Twitter上看到了2022年3月某匿名账户发布的推文,抱怨一家期刊对该账户一年多前报告的“一起明显的抄袭案件”缺乏行动。McIntosh发现剽窃论文的作者、神经药理学研究员Mohammed Sahab Uddin自2016年以来发表了数量惊人的160多篇论文,这些论文都是在其攻读香港大学博士学位之前发表的。McIntosh通知了校方,校方对Uddin进行了调查,促使他退出了该项目,引发这一切的论文最终被撤回。

    2、巴西一家大型教学医院的两组专科医生为同一名在脊椎指压疗法后受伤的病人看病。他们都认为该病例非常有趣且值得发表。但是两组医生之间并没有沟通,所以两组在不同的期刊上各自独立发表了一篇论文,在一些脊骨神经科医生注意到病例之间的相似之处并联系期刊后,两篇论文都收到了编辑备注,一篇是“表示关注”,另一篇是“双重出版通知”。

    3、2019年,遗传学家Gregg Semenza因 20世纪90 年代“发现细胞如何感知和适应氧气供应”而和另外两位科学家获得了诺贝尔医学或生理学奖。2022年,《美国国家科学院院刊》撤回了Semenza与他人合著的四篇细胞生物学论文,原因是实验结果的图片可能被修改、重复使用或错误标注。Semenza和合作者在撤稿通知中写道:“我们相信论文的总体结论仍然有效,但出于对图片的担忧,还是决定撤回稿件。”

    4、美国密歇根州的一组研究人员将已发表的论文与一家论文工厂广告出售的文章进行匹配,这意味着这些匹配的文章作者中可能存在一部分买卖论文的科研人员。2022年他们的打假工作得到了一些反馈,一本期刊已经确定撤回了他们匹配的 30 篇论文。这组研究人员为密歇根大学的 Brian Perron、高中生 Oliver Hiltz-Perron 和韦恩州立大学的 Bryan Victor,他们共同创建了一个数据库,其中列出了在一家俄罗斯公司 International Publisher的网站上出售的文章标题和作者职位信息,并在Retraction Watch上发表了他们的发现。他们发现了近 200 篇与列表相匹配的已发表文章,其中许多文章发表在International Journal of Emerging Technologies in Learning上。在他们通知该刊约一年后,这些文章被撤稿。

    5、阿姆斯特丹大学的研究生Paul Lodder想在一个已发表的模型基础上进行扩展,该模型描述了一个人服用致幻剂时大脑会发生什么。因无法复制结果,他与智利Valparaíso大学的Rubén Herzog(第一个开发该模型的人)取得了联系。Herzog 分享了原始代码后,Lodder 发现了他无法获得相同结果的原因:脚本包含错字。感受到Lodder 对“从头到尾极致的学术诚信”的坚定信念,Herzog撤回了这项研究,表示他计划将 Lodder 列为该论文新版本的合著者,并提供更正后的代码。

    6、俄亥俄州立大学的一项调查发现,已退休的癌症生物学家Samson Jacob存在研究不端行为,并且他的实验室存在“数据操纵的纵容文化”。调查委员会建议大学撤销雅各布的名誉教授身份,大学也认同并予以撤销。除了已经被撤稿的 9 篇和得到更正的 1 篇文章,委员会还建议撤回其他 10 篇论文,相关期刊于2022年撤回了其中4篇文章,但其余文章仍未标记。

    7、2021年底,由于“一些读者提出了担忧”并随后在社交媒体上引发强烈抗议,Elsevier在一篇关于神经递质对性取向和神经精神疾病的影响的论文中表达了担忧。2022年晚些时候,这篇文章被撤稿,作者不同意这一决定。在撤稿声明中,该期刊写道,作者在人类和动物模型之间进行的比较“被认为是不成立的”。

    8、根据美国研究诚信办公室2022年发布的调查结果,现在加州一所私立学校任教的癌症研究人员Toni Brand在其博士论文、一份资助申请和7篇已发表的论文中被发现伪造数据。Brand的一篇论文在2021年被撤回,另一篇论文在2022年因数据重复而被撤回。

    9、英国剑桥大学的一名研究员Nick Wise向出版商IOP透露,在一些论文中发现了奇怪的现象,这些论文的标题存在完全一样的命名模式。IOP 在2022年2 月份宣布撤回350篇文章,9 月份又宣布撤回500篇文章。 IOP 在调查中还发现了其他相似之处,表明这些文章来自一家论文工厂。Wise 告诉Retraction Watch:“这 500 篇论文在 IOP 被撤稿的原因相同,其他期刊的撤稿数量将是这个数量的 10 倍”。

    10、除了在发现来自论文工厂的证据后撤回大量文章外,出版商还会大量撤回涉嫌操纵同行评审过程的文章。具体表现为作者经常提交“推荐审稿人”的姓名和电子邮件地址,但电子邮件地址不属于该审稿人,而且收到的评论来源不明。2022年10 月,Elsevier 的期刊 Thinking Skills and Creativity为此撤回了近 50 篇文章。SAGE 出版的 International Journal of Electrical Engineering & Education于2021年底撤回了 120 多篇涉嫌故意操纵和低质量同行评审的论文。2022年 9 月,Wiley 的子公司 Hindawi 出版商宣布,在经过调查发现审稿人和编辑网络操纵审稿过程后,将撤回 16 种期刊的 500 多篇文章。

相关报告
  • 《《自然》预测2019年度十大科学事件》

    • 来源专题:科技大数据监测服务平台
    • 编译者:dingxq
    • 发布时间:2019-01-02
    • 在2018年即将结束之际,《自然》杂志日前为读者预测了2019年科学领域值得期待的十大事件。   极地项目   2019年1月,美国和英国的研究人员将登陆南极洲,开始他们70多年来最大规模的南极联合考察。   这个为期5年项目的目标是了解这个偏远的、看似不稳定的思韦茨冰川是否会在未来几十年内开始崩塌。其中包括利用自动水下机器人和贴在海豹身上的传感器研究这个佛罗里达州大小的冰川附近的海洋状况。   2019年晚些时候,欧洲科学家计划在南极小圆顶C的冰层上开始钻探,此举旨在寻找150万年前的冰芯。   如果他们成功了,将产生最古老的气候和大气条件原始记录。   一大笔钱   如果各国在2019年公布2018年的支出数据,中国可能会成为全球最大的研发支出国。   自2003年以来,中国在科研方面的支出一直在加速增长,尽管美国在研究质量方面仍然处于领先地位。   在欧洲,官员们试图就如何分配欧盟下一个研究资金计划——地平线欧洲(始于2021年)提议的1000亿欧元(1100亿美元)达成一致。   由于英国脱欧的不确定性仍在继续困扰着这个国家,目前还不清楚该国研究人员将在多大程度上完全参与其中。   人类起源   2003年,考古学家在印度尼西亚弗洛雷斯岛发现了一种类似人类的“霍比特”人。此后,东南亚的一些岛屿上陆续出现了更多的化石,这些化石将有助于研究古人类的起源。   正在进行的发掘可能会揭示更多关于菲律宾吕宋岛第一批人类居民的信息,包括他们与世隔绝的生活方式是否会导致其身材矮小,就像弗洛雷斯岛上发生的一样。   对撞机迷局   对于建造大型强子对撞机(LHC)继任者的计划来说,2019年可能是成败攸关的一年……
  • 《盘点2019年全球十大AI芯片》

    • 来源专题:集成电路
    • 编译者:shenxiang
    • 发布时间:2019-12-25
    • 人工智能 浪潮的推动下,AI相关产业的商用场景正逐步大规模落地,基于AI技术的三大支柱:“算法+大数据+计算能力”智能应用已成为计算机最主要的负载之一。我国在用户数据方面拥有数量的先天优势,但面对有限的规模、结构固定、能耗受限的硬件制约下,如何用AI芯片处理海量的并不断演进的深度学习算法呢?跟随OFweek编辑一起来看看各大科技巨头们研发的AI芯片吧。(排名按首字母顺序排列) 1.含光800 2019年的杭州云栖大会上,达摩院院长张建锋现场展示了这款全球最强的 AI芯片——含光800。在业界标准的 ResNet-50 测试中,含光 800 推理性能达到 78563 IPS,比目前业界最好的 AI 芯片性能高 4 倍;能效比500 IPS/W,一个含光800的算力相当于10个GPU。 目前,含光800已经实现了大规模应用于阿里巴巴集团内多个场景,例如视频图像识别/分类/搜索、城市大脑等,未来还可应用于医疗影像、自动驾驶等领域。以杭州城市大脑实时处理1000路视频为例,过去使用GPU需要40块,延时为300ms,单路视频功耗2.8W;使用含光800仅需4块,延时150ms,单路视频功耗1W。 2.Graphcore IPU 总部位于英国布里斯托的Graphcore公司日前推出了一款称为智能处理单元(IPU)的新型AI加速处理器。芯片本身,即IPU处理器,是迄今为止最复杂的处理器芯片:它在一个16纳米芯片上有几乎240亿个晶体管,每个芯片提供125 teraFLOPS运算能力。一个标准4U机箱中可插入8张卡,卡间通过IPU链路互连。8张卡中的IPU可以作为一个处理器元件工作,提供两个petaFLOPS的运算能力。与芯片在CPU和GPU中的存在形式不同,它为机器智能提供了更高效的处理平台。 Graphcore公司于2016年启动风险投资计划,并在2018年12月的最后一轮融资中募集了2亿美元。基于其17亿美元的公司估值,Graphcore已成为西方半导体界的唯一“独角兽”。它的投资者们包括戴尔、博世、宝马、微软和三星。 3.Inferentia芯片 2019年,亚马逊的云服务业务AWS在其发布会AWS re:Invent上带来了高性能机器学习加速芯片Inferentia。据了解,AWS Inferentia 是一个由 AWS 定制设计的机器学习推理芯片,旨在以极低成本交付高吞吐量、低延迟推理性能。该芯片将支持 TensorFlow、Apache MXNet 和 PyTorch 深度学习框架以及使用 ONNX 格式的模型。 每个 AWS Inferentia 芯片都能在低功率下支持高达 128 TOPS(每秒数万亿次运行)的性能,从而为每个 EC2 实例启用多个芯片。AWS Inferentia 支持 FP16、BF16 和 INT8 数据类型。此外,Inferentia 可以采用 32 位训练模型,并使用 BFloat16 以 16 位模型的速度运行该模型。与EC4上的常规Nvidia G4实例相比,借助Inferentia,AWS可提供更低的延迟和三倍的吞吐量,且每次推理成本降低40%。 4.昆仑芯片 2019年尾声,百度宣布首款AI芯片昆仑已经完成研发,将由三星代工生产。该芯片使用的是三星14nm工艺技术,封装解决方案采用的是I-Cube TM。 据悉,昆仑AI芯片提供512Gbps的内存带宽,在150瓦的功率下实现260TOPS的处理能力,能支持语音,图像,NLP等不同的算法模型,其中ERNIE模型的性能是T4GPU的三倍以上,兼容百度飞桨等主流深度学习框架。该款芯片主要用于云计算和边缘计算,预计在2020年初实现量产, 5.Nervana NNP 芯片 2019 英特尔人工智能峰会,英特尔推出面向训练 (NNP-T1000) 和面向推理 (NNP-I1000) 的英特尔 Nervana 神经网络处理器 (NNP)。据了解,Nervana NNP-T 代号 Spring Crest,采用了台积电的 16nm FF+ 制程工艺,拥有 270 亿个晶体管,硅片面积 680 平方毫米,能够支持 TensorFlow、PaddlePaddle、PYTORCH 训练框架,也支持 C++ 深度学习软件库和编译器 nGraph。 Nervana NNP-I,代号为 Spring Hill,是一款专门用于大型数据中心的推理芯片。这款芯片是基于 10nm 技术和 Ice Lake 内核打造的,打造地点是以色列的 Haifa ,Intel 号称它能够利用最小的能量来处理高负载的工作,它在 ResNet50 的效率可达 4.8TOPs/W,功率范围在 10W 到 50W 之间。 6.Orin芯片 2019年NVIDIA GTC中国大会中英伟达发布了全新的软件定义自动驾驶平台——NVIDIA DRIVE AGX Orin,该平台内置全新Orin系统级芯片,由170亿个晶体管组成。 Orin系统级芯片集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和 计算机视觉 加速器,每秒可运行200万亿次计算,几乎是NVIDIA上一代Xavier系统级芯片性能的7倍。此外,Orin可处理在自动驾驶汽车和机器人中同时运行的大量应用和深度神经网络,并且达到了ISO 26262 ASIL-D等系统安全标准。 7.邃思DTU 由腾讯领投、融资累计超过 6 亿元的 AI 芯片公司燧原科技,在2019年发布会中推出自主研发的首款 AI 训练芯片“邃思 DTU”。 据了解邃思DTU采用格罗方德12nm FinFET工艺,480平方毫米主芯片上承载141亿个晶体管,实现2.5D高级立体封装,据称单卡单精度算力为业界第一,达20TFLOPS,首次支持混合精度,半精度及混合精度下算力达80TFLOPS,最大功耗仅225W。 邃思芯片基于可重构芯片的设计理念,其计算核心包含 32 个通用可扩展神经元处理器(SIP),每 8 个 SIP 组合成 4 个可扩展智能计算群(SIC)。SIC 之间通过 HBM 实现高速互联,通过片上调度算法,数据在迁移中完成计算,实现了 SIP 利用率最大化。 8.思元220芯片 寒武纪在第21届高交会正式发布边缘AI系列产品思元220(MLU220)芯片及M.2加速卡产品,标志寒武纪在云、边、端实现了全方位、立体式的覆盖。 思元220芯片采用了寒武纪在处理器架构领域的一系列创新性技术,其架构为寒武纪最新一代智能处理器MLUv02,实现最大32TOPS(INT4)算力,而功耗仅10W,可提供16/8/4位可配置的定点运算。作为通用处理器,支持各类深度学习技术,支持多模态智能处理(视觉、语音和 自然语言处理 ),应用领域广泛,客户可以根据实际应用灵活的选择运算类型来获得卓越的人工智能推理性能。 9.昇腾910 2019年8月,华为在深圳总部发布AI处理器Ascend 910(昇腾910),据华为发布的参数显示,昇腾910是一款具有超高算力的AI处理器,其最大功耗为310W,华为自研的达芬奇架构大大提升了其能效比。八位整数精度(INT8)下的性能达到512TOPS,16位浮点数(FP16)下的性能达到256 TFLOPS。 作为一款高集成度的片上系统(SoC),除了基于达芬奇架构的AI核外,昇腾910还集成了多个CPU、DVPP和任务调度器(Task Scheduler),因而具有自我管理能力,可以充分发挥其高算力的优势。 昇腾910集成了HCCS、PCIe 4.0和RoCE v2接口,为构建横向扩展(Scale Out)和纵向扩展(Scale Up)系统提供了灵活高效的方法。HCCS是华为自研的高速互联接口,片内RoCE可用于节点间直接互联。最新的PCIe 4.0的吞吐量比上一代提升一倍。 10.征程二代 2019世界 人工智能大会 中,人工智能芯片初创公司地平线正式宣布量产中国首款车规级人工智能芯片——征程二代,并且获得五个国家市场客户的前装定点项目。 据介绍,征程二代于今年初流片成功,搭载地平线自主创新研发的高性能计算架构BPU2.0(Brain Processing Unit),可提供超过4TOPS的等效算力,典型功耗仅2瓦,满足AEC-Q100标准,算力利用率超过90%,每TOPS算力可以处理的帧数可达同等算力GPU的10倍以上,识别精度超过99%,延迟少于100毫秒,多任务模式下可以同时跑超过60个分类任务,每秒钟识别目标数可以超过2000个。 此次地平线率先推出首款车规级AI芯片不仅实现了中国车规级AI芯片量产零的突破,也补齐了国内自动驾驶产业生态建设的关键环节。 小结 目前通过CPU/GPU处理人工神经网络效率低下,谷歌大脑需要1.6万个CPU核跑数天方能完成猫脸识别训练;AIpha GO与李世石下棋时用了1000个CPU和200个GPU,AI芯片的发展是第三次AI浪潮中极为明显的趋势,算法已渗透到云服务器和智能手机的方方面面,未来每台计算机可能都需要一个专门的深度学习处理器。