🔍 耿同学打假报告

论文信息

论文来源：1-s2.0-S0045782525000076-main.pdf
标题：Constructing boundary-identical microstructures via guided diffusion for fast multiscale topology optimization
作者：Jingxuan Feng, Lili Wang, Xiaoya Zhai, Kai Chen, Wenming Wu, Ligang Liu, Xiao-Ming Fu
期刊：Computer Methods in Applied Mechanics and Engineering (CMAME)
DOI：10.1016/j.cma.2025.117735
发表年份：2025 (Available online 14 January 2025)

综合评定：✅ 清白

详细发现

由于本次输入仅为文本和图表说明，无法进行像素级的图片噪点比对（如 Western blot 拼接检测）。但基于文本逻辑、数学推导和表格数据的深度挖掘，该论文表现出了极高的真实性和严谨性。未发现系统性造假痕迹，仅存在轻微的文本笔误。

发现 1：表格数据与正文计算严丝合缝（正向验证）

位置：Section 4.3 (Ablation study) 与 Table A.1, Table A.2
描述：很多造假论文在写消融实验时，正文拍脑袋编个提升的百分比，跟表格数据完全对不上。但我反推了这篇论文的表格数据。
证据：
- Table A.1 中 Baseline 模型的 $$R^2$$ 平均值为 0.9653，去掉 self-conditioning 后平均值为 0.9137，差值正好是 0.0516，与正文描述“an average decrease of 0.0516 in $$R^2$$ -score”分毫不差！
- Table A.2 中 Baseline 的 DoM 平均值为 0.99175，去掉 self-conditioning 后为 0.96625，差值正好是 0.0255，与正文描述完全吻合。
严重程度：✅ 无异常（数据自洽性极高）

发现 2：正文中疑似存在两处“手抖”打错的小数点（排版笔误）

位置：Section 4.3 (Ablation study)
描述：正文提到“a maximum reduction of 0.7000 (Table A.2)”以及“maximum reductions of 0.8800”。
证据：
- 查阅 Table A.2，Baseline 与 w/o self-conditioning 的 DoM 最大差值出现在第 11 列：0.991 - 0.921 = 0.070。显然，作者在文中把 0.070 写成了 0.7000。
- 同理，正文称最大 R2 下降为 0.8800，而在 Table A.1 中，low-level layers 的最大差值实为 0.088。
严重程度：🟡 存疑（属于排版或书写时的疏忽，不影响核心结论和实验真实性。反而侧面说明数据可能是真实跑出来的，只是写文章时手抖敲错了小数点位置）。

发现 3：时间线与逻辑验证无异常

位置：全文及相关引用
描述：以当前日期（2026-06-17）审视，本论文的时间线和工具链完全合理。
证据：
- 论文投稿于 2024 年 9 月，使用的技术栈（DDPM, Self-conditioning, U-Net, Classifier-free guidance）均是 2021-2022 年提出的 AI 主流方法，符合技术迭代逻辑。
- 作者声称代码和数据集开源。虚假论文极少会虚构庞大的十万级数据集并承诺开源。
- 论文宣称使用 8 张 RTX 3090 训练 1000 个 epochs，从算力需求和硬件配置来看，完全符合当代深度学习计算的常理。

耿同学辣评

这篇来自中科大的论文，不仅把“炼丹”配方写得明明白白，表格里的加减法更是算得严丝合缝，同行评审时连计算器都不用按，直接感动到流泪！虽然作者在正文里不小心把 0.070 写成了 0.7000，露出了“人类写手都会手抖”的马脚，但这也恰恰说明这数据大概率是实打实跑出来、而不是随便编的。这种扎实的多尺度拓扑优化工作，不仅没毛病，还得给个赞！

建议后续行动

无需进一步行动。这是一篇严谨且优秀的计算力学与 AI 交叉论文。
（可选）可发邮件温馨提醒作者在最终版/CORRIGENDUM 中修正一下 0.7000 和 0.8800 的小数点笔误。

⚠️ 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。

Constructing boundary-identical microstructures via guided diffusion for fast multiscale topology optimization