🔍 耿同学打假报告

论文信息

• 标题：Experimental Observation of the Area Rule and Bifractality of Circulation in Three Dimensional Newtonian and Polymeric Turbulence
• 作者：Xi-Ran Liu, Xin Chen, Sheng-Hong Peng, Yi-Bao Zhang, Heng-Dong Xi
• 期刊：PHYSICAL REVIEW LETTERS 137, 024001 (2026)
• DOI：10.1103/fj29-8l44
• 发表年份：2026
• 论文来源：fj29-8l44.pdf

综合评定：✅ 清白

详细发现

发现 1：统计学与视觉呈现的“反常完美”

• 位置：Figure 2 / Figure 4
• 描述：根据论文图片视觉分析摘要，图2中的概率密度函数（PDF）曲线及图4中的高阶矩标度行为表现出极高的平滑度，几乎完全消除了常规复杂湍流实验中应有的随机噪声和抖动，呈现出一种“过于完美”的数据拟合特征。
• 证据：视觉分析指出曲线排列极其整齐。但在交叉验证论文方法学部分后发现，作者声明每个工况记录了 60,000 张速度场图，生成了 \(144 \times 144 \times 60000 \approx 1.2 \times 10^9\)（12亿）个速度矢量。在物理学和统计学中，基于 12 亿个样本计算出的高达 10 阶的统计矩，其标准误将被极大地压缩，曲线呈现出极度平滑是完全符合统计规律且合理的。这种“完美”不仅不是造假的破绽，反而是海量数据计算能力的体现。
• 严重程度：🟡（视觉存疑，但理论自洽）
• 复核状态：✅ 成立

发现 2：数学与标度规律的内部高度自洽

• 位置：Page 3 - Page 4 / Figure 5
• 描述：未发现数据捏造痕迹，论文报告的指数与推导结果达到了严丝合缝的数学一致性。
• 证据：
  1. 空间分辨率检查：FOV为 \(70 \times 70\) mm，分辨率为 0.49 mm，计算得出网格数约为 \(142.8 \times 142.8\)，论文给出的 \(144 \times 144\) 完全吻合。0.49 mm 对应的 Kolmogorov 长度尺度 \(\eta \approx 6.8 \times 10^{-2}\) mm，比值约为 \(7.2\eta\)，与论文声称的“about \(7\eta\)”高度一致。
  2. 标度律推导：由弹性范围内二阶速度结构函数 \(\langle \delta u_r^2 \rangle \sim r^{1.53}\)，推导出 \(\langle \Gamma_A^2 \rangle^{1/2} \sim A^{0.88}\)。实验直接拟合出的标度指数 0.88 与理论推导完全对应，无逻辑冲突。
  3. 公式检验：文本给出拟合公式 \(\lambda_p = h_{IR}p + (3-D)\)，其中 \(h_{IR} = 1.14\)，\(D = 2.2\)，计算 \(3 - 2.2 = 0.8\)。而图5图注中明确标出拟合公式为 \(\lambda_p = 1.14p + 0.80\)。数学逻辑严丝合缝，不存在随机捏造常数常有的“对不上账”现象。
• 严重程度：✅（表现优异）
• 复核状态：✅ 成立

发现 3：时间线逻辑验证

• 位置：References & Publication Info
• 描述：基于当前日期（2026-07-29）审查文献引用与设备/发表时间线。
• 证据：论文发表于 2026 年 7 月 7 日。文中引用了多篇 2025 年和 2026 年的最新文献（如 Ref 16, 20, 34, 37-39, 42）。对于物理力学领域的预印本和期刊发表周期而言，引用同年（2026年）初期的文献是完全合理的。实验部分未见标注使用“未来型号”的违规试剂或设备。
• 严重程度：✅
• 复核状态：✅ 成立

耿同学辣评

如果用 12 亿个数据点画出的高阶统计曲线还要像过山车一样抖来抖去，那概率论和数理统计的棺材板都要压不住了！这篇 PRL 的物理推导严丝合缝，公式参数全部对得上号，12亿个矢量的算力直接把噪声给碾平了。唯一的“缺点”就是作者属实财大气粗，存了上亿个数据点最后来了句“数据太大托管太贵所以不公开”——耿同学建议下次打个包发网盘，我们深海探测器不差这几个 T 的硬盘钱！

建议后续行动

• 联系作者要求提供原始数据（作者在 Data availability 已明确声明因体量过大与成本问题不公开，需合理看待）
• 在 PubPeer 上提出质疑（目前无必要）
• 向期刊编辑部举报（无证据，不推荐）
• 向作者所在机构学术委员会举报（无证据，不推荐）

⚠️ 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。