《SCIENCE ADVANCES》：Uncovering simultaneous breakthroughs with a robust measure of disruptiveness
编辑推荐：
本研究针对如何量化科学创新的“颠覆性”这一难题，提出了一种基于图嵌入的新指标“嵌入颠覆性度量（EDM）”。该研究利用大规模论文引用网络，通过训练表征论文过去和未来的向量，计算其间的余弦距离来评估一篇工作对研究轨迹的“重塑”程度。研究发现，EDM不仅能更可靠地识别诺贝尔奖论文等标志性突破，还能有效捕捉传统方法难以发现的、由多篇论文共同完成的“同步性颠覆”，为理解科学进步的动力和更准确地评估变革性贡献提供了新工具。
科学的发展并非匀速直线前进，而是常常被一些革命性的突破所打断和重塑。这些突破性的工作，有时被称为“颠覆性”创新，能够挑战旧有的研究范式，开辟全新的探索方向。理解这些颠覆性创新及其背后的驱动力，对于把握科学发展的脉搏至关重要。然而，量化一个科学工作的“颠覆性”却是一项棘手的任务。传统的衡量指标，如论文被引次数，虽然反映了影响力，却无法区分是巩固了现有方向还是开辟了新路径。此外，科学影响可能通过直接或间接的引用路径传播，而一项重要的发现也常常分散在多篇论文中，或者被多位研究者几乎同时独立完成（即“同步发现”）。这些问题使得准确、可靠地识别和评估科学的颠覆性进展变得异常困难。
为了应对这些挑战，一项发表于《SCIENCE ADVANCES》的研究引入了一种全新的、基于神经嵌入技术的度量方法，旨在更稳健地捕捉科学工作的颠覆性本质。这项研究背后的核心问题是：面对引用数据的稀疏性、噪声以及科学贡献经常分散在不同论文中等现实情况，我们如何才能可靠地评估科学工作的变革性？
为了回答这个问题，研究人员开展了一项大规模的计算研究。他们构想了一种新颖的方法：为科学文献数据库中的每一篇论文学习两个向量——一个代表其“过去”（它所引用的前人工作及其紧密关联者），另一个代表其“未来”（引用它的后续工作及其紧密关联者）。这个想法的灵感来源于自然语言处理中为词语学习向量表示的技术。具体而言，他们基于大规模的引用网络（数据来源于Web of Science的超过5500万篇论文和美国物理学会的文献），生成遵循引用方向的随机游走序列，并利用类似word2vec的skip-gram模型进行训练。通过这种方式，模型学习到的“过去向量”能够预测一篇论文引用了哪些前驱工作，而“未来向量”能够预测哪些后续工作会引用这篇论文。
研究的关键假设在于：一篇论文的颠覆性程度，可以通过其“过去向量”和“未来向量”在嵌入空间中的距离（具体采用余弦距离）来度量。其内在逻辑是，如果一篇论文是“颠覆性”的，它会使后续的研究（其“未来”）较少地依赖于它所引用的前人工作（其“过去”），从而开启新的研究方向。这使得代表“过去”和“未来”的上下文在嵌入空间中分道扬镳，导致该论文自身的“过去向量”和“未来向量”也变得疏远。反之，一篇“发展性”的论文会巩固现有路径，其“过去”和“未来”联系紧密，对应的两个向量也更为接近。研究人员将这一度量称为“嵌入颠覆性度量（EDM）”。
为了开展这项研究，作者们主要运用了以下几个关键技术方法：首先，他们构建并利用了超大规模的科学文献引用网络数据集，包括Web of Science（WoS）和美国物理学会（APS）的数据。其次，他们设计并实现了一种定向的图嵌入算法，该算法基于节点嵌入（如node2vec）的思想，但针对引用网络的定向性和时间性进行了专门调整，通过方向性的随机游走为每篇论文生成“过去”和“未来”两种向量表示。最后，他们使用了多种实证评估框架，包括将EDM与广泛使用的“颠覆指数（CD指数）”进行对比，利用已知的里程碑论文（如诺贝尔奖获奖论文、APS里程碑论文）作为基准进行验证，以及通过构建随机化网络（保持每篇论文的引用、被引数量和时间间隔）来排除简单结构特征的影响，从而检验EDM捕捉到的确实是超越这些特征的“颠覆性”信号。
研究得出了多方面的重要结果：
EDM提供了更高分辨率和更稳健的颠覆性度量。 与颠覆指数（D）的分布相比，EDM（Δ）的分布更为平滑，分辨率更高，避免了颠覆指数因计算方式而产生的值聚集现象。这表明EDM能够对论文的颠覆性进行更细致、连续的刻画。
EDM能更有效地识别里程碑式的科学贡献。 研究评估了EDM在识别诺贝尔奖获奖论文和APS里程碑论文方面的表现。逻辑回归分析显示，在控制了论文被引次数后，EDM的百分位数与一篇论文成为诺贝尔奖或里程碑论文的几率呈显著正相关，且其预测能力优于颠覆指数。更重要的是，当在随机化网络中计算这些论文的EDM时，其值显著下降，说明EDM捕捉到的是超越简单引用网络结构的、真正的颠覆性信号。
EDM能识别“同步性颠覆”案例。 研究发现了颠覆指数的一个关键弱点：当存在多篇论文几乎同时报告同一项颠覆性发现（即同步发现）且它们之间相互引用时，颠覆指数会急剧下降，甚至给出负值，从而严重低估这些论文的颠覆性。例如，在J/ψ介子、希格斯机制、逆转录酶等著名的同步发现案例中，相关论文的颠覆指数都很低，但EDM却给出了很高的评分，正确识别了它们的集体颠覆性。EDM因其基于整个网络结构的连续嵌入表示，对单个引用链接的变动不那么敏感，从而能更稳定地评估这类情况。
未来向量能够揭示同步发现。 研究的另一个有趣发现是，报告同一发现的同步论文，即使引用数量相差很大，它们在嵌入空间中的“未来向量”也异常接近。这是因为后续研究会在相似的上下文中引用它们。利用这一特性，研究人员在APS数据集中成功地自动识别出了许多已知的同步发现对，甚至发现了一些新的潜在案例。这为系统性地挖掘科学史上的同步发现提供了新的可能性。
在结论与讨论部分，作者们强调，他们的工作提供了一个通过嵌入技术来度量科学颠覆性的新框架。EDM通过利用多代引用模式，能够产生稳定、高分辨率的信号，反映一个领域研究轨迹的转变。它不仅能够识别具有持久影响力的标志性贡献，还能发现那些被传统方法低估的同步发现。然而，研究也指出了其局限性，例如难以动态追踪颠覆性的时间演变、对极少被引用的论文不敏感、可解释性不如传统网络指标等。同时，作者也提醒，无论是EDM还是颠覆指数，都根植于引用行为，因此最终反映的是底层的社会学过程，可能受到作者声望、引用规范等多种因素影响，在解读时需结合背景谨慎分析。
尽管存在这些局限，这项研究无疑在科学学量化研究领域迈出了重要一步。它提出的EDM指标为操作化“颠覆性”这一核心概念提供了更鲁棒的工具，其识别同步发现的能力则为深入研究科学创新的机制和贡献的认可动力学开辟了新途径。通过更准确地刻画科学如何被重塑，这项研究帮助我们更好地理解科学进步那复杂而迷人的动力源泉。
