🔍 耿同学打假报告

论文信息

论文来源：machines-13-00452.pdf
标题：SiMBA-Augmented Physics-Informed Neural Networks for Industrial Remaining Useful Life Prediction
作者：Min Li *, Jianfeng Qin, Haifeng Fan, Ting Ke
期刊：Machines (MDPI)
DOI：doi.org/10.3390/machines13060452
发表年份：2025

综合评定：🟠 高度可疑

(注：由于未获得原始高清图片文件，基于文本、数据表格及学术逻辑的深度交叉比对，发现多处严重违背常理的数据巧合与排版异常。建议对该文原始实验数据和审稿记录进行彻查。)

详细发现

发现 1：数据造假检测——“控分大师”的 RMSE

位置：Table 4 (Page 12)
描述：在四个不同复杂度的子集（FD001到FD004）上，作者提出的 SiMBA-PINN 模型的 RMSE 结果分别是 16.94, 16.91, 16.92, 17.45。
证据：
请注意前三个数字：16.94、16.91、16.92。C-MAPSS 数据集的这四个子集在工况数量（1个 vs 6个）和故障模式（1种 vs 2种）上有巨大差异，模型在不同复杂度下的泛化误差呈现出极其罕见的“收敛”现象。真实场景下，从 FD001（简单）到 FD002/FD003（复杂），误差通常会剧烈波动，而这里不仅极其接近，连小数点后的数字都像是在 1、2、4 之间做填空题。这种“教科书般完美”的稳定性极不自然，高度怀疑是先射箭后画靶，或者对超参数/随机种子进行了过度挑选。
严重程度：🔴

发现 2：数据异常检测——一模一样的 Score 与离谱的单位错误

位置：Table 4 & Table 5 (Page 12-14)
描述：不同模型在相同数据集上的 Score 惊人一致；此外，计算量存在明显的单位漏洞。
证据：
1. 撞车奇迹：Table 4 中，作者模型在 FD002 上的 Score 为 1665。而对比模型 Cau-AttnPINN [27] 在 FD002 上的 Score 也恰好是 1665。鉴于 Score 是一个带有指数惩罚的非对称计算公式，两个完全不同的模型算出完全一样的庞大整数，概率极低。巧合的是，参考文献 [27] 的第一作者也是 Min Li（本文一作）。这极有可能是作者在复制粘贴自己之前的数据时，不小心把旧模型的数据填到了新模型的行里。
2. 单位闹剧：Table 5 列出了 Parameters 和 FLOPs。AttnPINN 的 FLOPs 写的是 1728，而作者模型是 5790。对于深度学习时间序列预测任务，几千次的浮点运算（FLOPs）连一次矩阵乘法都做不完。作者显然是把单位写成了绝对的 FLOPs，而不是常规的 MFLOPs 或 GFLOPs，暴露出对计算复杂度指标的生疏。
严重程度：🔴

发现 3：方法学异常检测——究竟叫 SiMBA 还是 SiMAB？

位置：全文（尤其摘要、Table 2, 3, 4, 5）
描述：论文的核心创新名词出现了极其严重的拼写不一致，且全盘贯穿。
证据：
文章标题、摘要和正文中描述的是 SiMBA（Simplified Mamba）。然而，在核心的表格中，如 Table 2 的表头 "Features utilized in the proposed SiMAB-PINN model."，Table 3 的表头 "Hyperparameters of the SiMAB-PINN model."，以及 Table 4 和 Table 5 的最左侧列 "Proposed SiMAB-PINN"，全部拼错成了 SiMAB。
这种错误绝对不是简单的笔误，而是典型“量产型学术”的特征：把别的论文模板拿来改写时，一开始就拼错了核心词汇，且在后续排版中全局替换失败。连自己提出的模型名字都能从头错到尾，我们有理由怀疑作者是否真的理解并亲手编写了这个模型。
严重程度：🟠

发现 4：产出异常与时间线冲突——光速的审稿与“残血”的设备

位置：文章页眉时间线 & Section 2.5 (Page 10)
描述：审稿速度违背常理，且实验环境描述存在矛盾。
证据：
1. 光速审稿：论文显示 Received 17 April 2025，Accepted 23 May 2025。从投稿到接受仅用了 36 天。更夸张的是，Revised 21 May 2025，从修回到接受仅仅只有 2天！对于一篇声称包含大量消融实验、复杂数学推导和深度学习训练的论文，审稿人和作者在两天内完成“修改-重审-排版-接收”的全流程，这已经不是“高效”能解释的了，只能说是 MDPI 期刊的“特快专列”。
2. 算力玄学：作者声称实验平台是“XIAOMI 个人电脑，12代 i5-12450H CPU，16GB RAM”。且“未提及 GPU”。论文模型引入了 FFT、双向 SSM、注意力机制，并且在 FD002 和 FD004 等长序列数据集上跑了 300 个 Epochs。如果纯靠一块中端笔记本 CPU 跑通这些实验，所需时间将以月计算。这在时间逻辑上极度可疑（往往隐藏了别人服务器的算力，或者实验参数/时间的造假）。
严重程度：🟠

耿同学辣评

这篇论文简直是把“Ctrl+C 和 Ctrl+V”玩到了极致的缝合怪！前有 RMSE 测试集“控分”稳如老狗（16.91-16.94），后有跟自己上一篇文章神奇撞脸的 Score（1665），连自己发明的 SiMBA 模型都能在表格里坚持不懈地拼成 SiMAB。更别提那个光看参数还以为是在算加减法的 FLOPs（5790），以及 2 天就光速接收的 MDPI 奇迹。建议作者下次用小米电脑跑深度学习前，先搞清楚 SiMBA 到底该怎么拼，别让“量产”的流水线转速太快，把字母都给甩飞了！

建议后续行动

在 PubPeer 上提出质疑（重点质询 RMSE 异常、1665 Score 重合点及 SiMAB 拼写问题）
联系作者 Min Li 要求提供完整的原始训练日志（包含 Loss 曲线、随机种子设定、以及实际运行时间）和源代码
向期刊 Machines 编辑部发函，指出其审稿流程中的时间异常及数据疑似伪造的严重性
建议核查该课题组在 MDPI 旗下期刊的其他高产论文，是否存在流水线作业现象

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

SiMBA-Augmented Physics-Informed Neural Networks for Industrial Remaining Useful Life Prediction