AI-structure Copilot v0.4.4：安装更省心+校核更安心+报错不再开盲盒

数据科学发展给多个行业带来重要影响，采用数据驱动(Data driven)/AI方法开展研究已经成为越来越多领域的重要研究范式之一。但是，随之而来也带来很多新的挑战，一个突出问题就是这些论文的可重复性问题。可重复性是科学研究的核心，传统的试验研究或理论研究论文已经形成了很成熟的论文可重复性要求。比如试验研究论文要求详细给出试件设计、试验装置、加载工况等信息，阅读完论文后读者可以在实验室重复出论文的研究。经验丰富的审稿人也可以在论文评阅阶段准确识别出论文中可能缺失的内容，保障试验的可重复性。理论研究论文也类似，我们经常会收到非常负责任的审稿人返回的审稿记录，非常认真的推导投稿论文中的计算过程，并指出推导过程或者假设条件中可能存在的问题。但是采用数据驱动或者AI方法的论文，其可重复性问题比传统论文要复杂很多。这些论文所得到的模型往往依赖庞大的数据库训练得到，最后训练出来的模型参数量也非常庞大（几百万至几百亿）。这些数据无法在短短十几页论文中表达。论文中只能非常简略的介绍论文采用的模型结构、训练策略、关键超参数等有限内容，审稿人和读者也无法测试和验证模型，给论文的可重复性带来重大挑战，严重制约了科学研究的进步。针对这一难题，Earthquake Engineering & Structural Dynamics期刊决定加大对数据驱动方法相关论文可重复性的要求。自2026年开始，所有投稿到EESD期刊的数据驱动方法论文，都必须符合《Policy on EESD Papers Utilizing Data-Driven Approaches》要求。该要求的核心内容可以总结为三点：1. 数据和程序开放要求所有数据驱动方法相关论文，必须在稳定运行的开放平台上（deposited with DOI in reliable, publicly accessible repositories that guarantee long-term preservation）至少提供Test/Validation Data and, at a minimum, a reviewer-ready runnable implementation to reproduce the key results. 鼓励公开全部训练数据、测试数据和程序代码； 2. 创新性要求所有数据驱动方法相关论文，必须是地震工程和结构动力学领域原创的方法（an original methodological framework/method(s)），或者能够比既有的方法显著改进（significant advancement beyond existing knowledge and capabilities） 3. 严谨性要求所有数据驱动方法，都要进一步研究其数学和物理规律，并提供与既有方法的对比以展示其独特和突出的优势（demonstrate the superiority or unique advantages） 上述要求必须投稿时在论文的Cover letter和Novelty File中明确声明，不符合上述要求的论文将被Decline without review。详见EESD期刊Author Guidelines：https://onlinelibrary.wiley.com/pb-assets/assets/10969845/EESD-AI-Policy-Final-1769749073093.pdf ---End---来源：陆新征课题组