北京
来源：市场资讯
（来源：Pubpeer）
2024年10月，一份来自多国学者合作、宣称能更精准揪出机械设备"早期病痛"——也就是滚动轴承多重故障——的智能算法论文，被 Nature旗下开源期刊 Scientific Reports接收上线。论文提出用 LSTM 长短期记忆网络 + 随机森林 + 灰狼优化算法（GWO） 组成混合模型，声称在轴承故障检测上效果优于传统方法，一度被部分数据库收录引用。
这项研究的卖点很直白：工厂里电机、风机、高铁机组的轴承一旦出问题，整个设备可能停机甚至酿成事故。如果人工智能可以"提前听出"异常，工业维修就能从被动抢修变为主动预警。也正因切中工程痛点，文章上线后引来不少同行关注。
但反常的事发生了。2025—2026年间，有同行审稿人和读者向期刊反映：文中出现非标准术语表达，数据说明、分析步骤与最终结果之间存在不一致之处，质疑它是否可被重复验证。
按照学术出版规范，编辑部要求通讯作者团队补充解释，并提交底层数据、源代码。数月后作者方给了补充说明与部分材料——问题却依旧没解释清楚。经内部评估，编辑认定："不再对该文整体结论抱有足够信心"，遂做出撤稿决定。2026年6月8日，正式发布撤稿声明（Vol.16, Article number: 17675）。
撤稿注明：第一作者 Said Djaballah 与合著 Ievgen Zaitsev 不同意此撤稿；另外三位作者 Lotfi Saifi、Kamel Meftah、Mohit Bajaj 未回复出版社邮件。这些态度差异也一并公开。
需要说明的是，撤稿不等于坐实造假，它代表经过核查后仍无法确认研究可靠，出于维护学术记录准确性而予以撤回。该研究单位涉及阿尔及利亚、突尼斯数所大学及乌克兰、印度合作机构，原文章 DOI: 10.1038/s41598-024-75174-x。
这件事给搞 AI+工程应用的研究者提了个醒：可复现性才是硬道理——模型再花哨，数据和代码经不起检验，结论就站不住脚。
https://www.nature.com/articles/s41598-026-55815-z
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
