brycewang-stanford 《电子学报》可复现性与实验可重复
可复现性是《电子学报》(Acta Electronica Sinica, AES) 外审专家评判一篇电子信息类论文成色的隐形 主线。本刊由中国电子学会 (Chinese Institute of Electronics) 主办，审稿人多为领域内一线学者， 最常见的退稿或退修理由之一就是"实验条件交代不清、结果难以重复"。本技能教你把可复现性前置 到写作与实验设计阶段，而不是等审稿人质疑后再补。以下建议对齐通行的中文科技期刊规范；本刊未 单独公布可复现性细则者标 待核实，以《投稿须知》为准（核验日 2026-07-09，官网 ejournal.org.cn）。
一句话：可复现性 = 让任何一个同行按你写的条件，能得到与你统计意义上一致的结果。 这是 Acta / Electronica / Sinica 学报里区分"可信工作"与"疑似过拟合"的分水岭。
一、可复现信息的四大支柱
| 支柱 | 必须交代 |
|---|---|
| 环境 | 操作系统、语言/框架版本、关键库版本、硬件(CPU/GPU/FPGA/仪器) |
| 数据 | 来源、规模、划分、预处理、是否公开、获取方式 |
| 方法 | 完整算法/伪代码、全部超参数、初始化、停止准则 |
| 评测 | 指标定义、运行次数、随机种子、统计处理 |
二、环境与工具链记录
- 明确记录仿真/开发工具及版本：MATLAB/Simulink、Python(含关键库)、ADS、HFSS/CST、Vivado/Quartus 等。
- 硬件实验记录器件型号、测量仪器型号与关键设置（采样率、带宽、触发方式）。
- 尽量提供
requirements.txt/environment.yml/ Dockerfile（配合aes-artifact-evaluation）。
三、随机性控制
- 固定并报告随机种子；对含随机初始化的算法，明确种子对结果的影响。
- 结果不应依赖某一"幸运种子"：对随机方法多次独立运行（如 ≥5 次），报告均值 ± 标准差。
- 数据划分（训练/验证/测试）方式固定并说明；避免测试集信息泄露到训练/调参。
四、数据透明
- 公开数据集给出名称、版本与出处；自采数据说明采集设备、条件、规模、标注协议。
- 预处理每一步（滤波、归一化、去噪、增强、重采样）都要可被复述，给出参数。
- 说明数据获取与使用的授权/伦理合规；敏感或涉密数据按脱敏要求处理。
五、方法可复现
- 给出完整伪代码，关键步骤不省略；符号与正文一致。
- 列出全部超参数（学习率、批大小、层数、正则、迭代次数、阈值等），最好用一张超参数表。
- 说明初始化方式、优化器、停止准则；对比方法的超参数也应说明来源（原文默认或重新调优）。
六、评测与统计
- 指标定义清晰（如 SNR、BER、误差率、准确率、运行时间、资源占用），与领域惯例一致。
- 关键结论辅以统计检验或多次运行的波动区间，而非单次最好结果。
- 消融实验隔离每个组件的贡献，支撑"是这个设计而非偶然"的论断（见
aes-experiments）。
七、正文与附录的组织
- 正文实验小节交代核心可复现信息；冗长的完整超参数表、额外运行结果放附录/补充材料（见
aes-supplementary）。 - 用一句话指明制品/数据托管位置，方便审稿人核验。
- 图表标注运行次数与误差条，避免只给一条曲线却宣称普适。
八、可复现性自检清单
- 环境、版本、硬件已完整记录。
- 随机种子固定且已报告，随机方法多次运行报均值±方差。
- 数据来源、划分、预处理可复述。
- 伪代码 + 全部超参数披露，对比方法口径公平。
- 指标定义清楚，关键结论有统计支撑。
- 制品/数据托管位置在文中指明。
- 附录承载完整细节，正文保持可读。
九、可复现性成熟度分级
用一个简单的分级自评，判断稿件当前处于什么水平，并明确下一步：
| 级别 | 特征 | 对录用的影响 |
|---|---|---|
| L0 | 只给文字描述，无环境/种子/超参数 | 高风险，易被质疑难重复 |
| L1 | 完整超参数表 + 环境版本 | 基本可信 |
| L2 | L1 + 多次运行 + 统计报告 | 说服力强 |
| L3 | L2 + 公开可运行制品(代码/数据) | 最强，利于长期引用 |
投《电子学报》建议至少做到 L2，条件允许做到 L3（配合 aes-artifact-evaluation）。
十、可复现性与诚信的关系
- 可复现不是负担，而是科研诚信的技术体现：让别人能验证，才配称可靠结论。
- 如实报告失败工况、对种子的敏感性、与理论的偏差，比只展示最优结果更能取信于本刊审稿人。
- 一旦发表后被发现不可复现，代价远高于投稿时多花的记录成本——把功夫下在前面。
十一、常见不可复现陷阱
- 训练/调参时无意用到测试集信息（数据泄露）。
- 只保存"最好那次"的结果与图，未记录多次运行分布。
- 依赖某台机器的特定环境，未锁定库版本导致他人跑不通。
- 预处理步骤散落在多个脚本、无法按序复述。
逐一排除这些陷阱，是稿件在《电子学报》(Acta Electronica Sinica, AES) 经得起复现追问的底线保障。
十二、可复现性写作小结
- 在实验设置处集中交代环境、数据划分、随机种子与关键超参数。
- 完整超参数表、额外运行结果放附录，正文保持可读（配合
aes-supplementary）。 - 用一句话指明制品/数据托管位置，让审稿人可核验。
- 图上加误差条并标注运行次数，避免只给单条曲线却宣称普适结论。
输出格式（可复现性审计）
【《电子学报》(AES) 可复现性审计】
环境记录：<完整 / 缺 GPU 版本 …>
随机控制：<种子已报，N=5 次运行 / 单次结果 需补>
数据透明：<公开+划分说明 / 自采需补采集参数>
方法披露：<伪代码+超参数表 / 缺停止准则>
评测统计：<均值±方差+检验 / 仅单次最优 需补>
附录组织：<完整细节已入附录>
待核实：<本刊可复现性专门要求>
风险：<外审"难以重复"质疑概率：低/中/高>
把可复现性做扎实，是稿件在《电子学报》(Acta Electronica Sinica, AES) 外审中抵御"结果无法重复" 质疑、稳步走向录用的最可靠底盘。