在人类从事的各项活动中，从运动到工程，再到科学研究，到达卓越成就的道路永远都不是坦途。在科学领域，很多研究者在作出突出贡献之前似乎都不被人所知。这就使得一方面，我们很难区分出那些具有巨大潜力的学者，另一方面也很难预测突破进展的发生。有没有一些方法，可以让我们对科学工作者学术影响力进行建模，找出一些可以预测的模式呢？Barabasi上周在Science发表的一篇文章试图回答了这一问题。

作者们发现的有关学术影响力的最重要的一条规则就是“随机准则”，即一个人可以在研究生涯的任何时间做出最为突出的贡献，参见下图两位诺贝尔奖获得者的数据

其中每一个红点表示一篇工作，纵坐标是其10年内的影响因子。可以看到Wilczek因为他发表的第一篇文章就获得了诺贝尔物理学奖。而当Fenn发表其诺贝尔奖工作时，他已经被耶鲁强制退休。

那么作者是如何利用数据进行支持的呢，我们首先从定义出发。如下图

从一名研究者开始发表文章算起，作者定义了一个人的最大10年影响因子c10*和平均10年影响因子c10-*（除去最大值）。然后作者根据c10*的大小，将调查的研究者分为高，中，低三种影响力群体。

如果我们统计对应的c10*发生的时间，我们可以发现它几乎是一个平均分布，见下图。也就是说每个人最好的工作可以在职业生涯中的任何时刻发表。

当然这仅仅是数据的统计，一个更重要的问题是我们能否对每个人科学影响力进行建模，也就是说一人发表文章的数目，时间，和文章影响因子之间有什么定量关系。通过以上数据，已经可以把时间这个变量拿掉了。接下来一个最简单的模型是每篇文章（不管是谁发表的），其c10都满足同一个独立分布（用p描述），那么当然一个人发表的文章越多，其最大影响因子越大。作者将其命名为R模型。不过很遗憾，R模型不能重现数据的结果，见下图蓝线。

于是乎，作者又提出了所谓的Q模型。即一个人发表文章的c10跟这个人的能力（Q）有关，需要一个rescaling factor。加入这个factor之后，模型和数据明显吻合的更好了。而且其发表文章的数目N，个人能力Q和p之间的协方差为

这说明发表文章数目和个人能力之间，还是有一点关系的。

这篇文章总体还是相当简单的，能上science估计还是Barabasi的功劳。其实验室的文章速来良莠不齐。不过该文考虑的问题还是很有意思的，对相关管理工作或许有所启示。随之而来也有很多问题，不同领域，不同年代的影响力pattern是否也有所不同，跟奖励机制有什么关系，等等。现在中国已成论文大国，不过论文数量和影响力间，似乎没有那么好的联系。

参考文章：

R. Sinatraet al., Science354, aaf5239 (2016).