日本のスゴい研究者、わたし気になります！

 

【イントロ】

頂点に立ちてぇ…
頂点に立って、テッペンからの景色を見てみてぇ…
そんな思いを抱えつつ、大切なのは日々の生活。
まずは目の前のタスクをこなしていくスキルと体力と体力が必要です。
しかし、ほんと体力が足りてない。
体力が一番大切。
体力＞＞＞＞＞＞＞＞＞＞＞＞＞＞英数国理社くらい重要。
体力があれば何でもできる。

とはいえ、頂点に立ってるひとってどんな人達なのかって気になりますよね。
そこで本記事では、研究業界のトップ、すなわち引用数トップ研究者がどのような方たちなのか調べてみました。

【方法】

　本調査は、引用数に基づきトップ研究者を調査した論文［１］から気になる結果を抽出したものになります。SCOPUSを元に1960年から2020年の間で少なくとも５本の論文を出している6,880,389人の研究者を対象に調査を行い、そこから１０万人のトップ研究者を選出したようです、すごいですね。論文の引用数にもとづいているので、国際会議などプロシーディングスの採録が重要な分野などが過小評価されている可能性があるのはご了承ください。
　またこの調査は、はかせチャン(@hshimodaira)先生のつぶやきをきっかけに調べようと思った内容になります。はかせチャン先生がまとめられたデータ［２］もありますので、そちらもご参照ください。
［１］Ioannidis JPA, Baas J, Klavans R, Boyack KW (2019) A standardized citation metrics author database annotated for scientific field. PLoS Biol 17(8): e3000384. https://doi.org/10.1371/journal.pbio.3000384

【結果】

主に行った調査は以下２点です。
１，国別、分野別のトップ研究者の割合
２，日本の物理＆天文学、化学、数学分野のトップ研究者20人

　まずは、「１，国別、分野別のトップ研究者の割合」の結果です。対象とした国は、カナダ、中国、ドイツ、フランス、英国、イタリア、日本、韓国、ロシア、アメリカの１０カ国となっています。
　図１には国別にトップ研究者の人数をまとめています。各国がどの分野に注力しているかを可視化してみました。色が明るい分野（縦）ほどその国の中で人数が多いことを意味しています。ほとんどの国で医学分野のトップ研究者の割合が多いことがわかります。やはり生命にかかわる研究は重要ですね。
　また、中国、韓国では実現＆戦略技術の研究者も多いことが見て取れます。これどういう分野なんですかね（恥
　さらに注目すべきは、ロシアの物理＆天文学分野が真っ白になっておりトップ研究者の割合が非常に多いことがわかります。ランダウらの伝統を引き継ぐトップ研究者がたくさんいらっしゃることがわかりますね。

図１、国別にトップ研究者の人数を正規化（合計を１にする）した結果

　図２には分野別にトップ研究者の人数をまとめています。各分野について、どの国が世界的にたくさんのトップ研究者を擁しているか可視化したものになっています。
はい、もうこれは全部アメリカですね、圧倒的。白すぎて背景かよって感じです。文系分野、理系分野問わず全部トップです。次に強いのは英国でしょうか。さすがかつての覇権国家。特に歴史学の分野は比較的強そうです。日本はわずかに化学分野が強そうなことが見て取れます。とはいえ、アメリカが圧倒的すぎて他の国はどんぐりの背比べ状態ですね。

図２、分野別にトップ研究者の人数を正規化した結果


　次に、「２，日本の物理＆天文学、化学、数学分野のトップ研究者20人」の結果です。
各分野について、推定年齢、論文数、年間論文数、h指数、世界ランク(他分野も含めた引用数に基づくランキング）、所属機関、サブ研究分野を記載しています。

　図3には物理＆天文学分野の20人を示しています。1位は飯島澄男先生、カーボンナノチューブの発見で有名ですね。2位は十倉好紀先生、強相関電子系の大御所、3位は大野英男先生でスピントロニクスの大御所です。他にも細野秀雄先生や久保亮五先生といった伝説級の先生達の名前が見て取れます。トップ20で最年少は東大物工の江澤先生で41歳。この圧倒的業績でまだ講師のなのはなんでなんだぜ。。。。
大きな研究グループを抱えている先生ほど論文数、年間論文数が多くなっているのは納得の結果ではあります。
図3、物理＆天文分野の日本のトップ研究者20人

　図4は化学分野の20人を示しています。1位はノーベル賞の野依良治先生。まさにレジェンドですね。他にも結晶スポンジ法の藤田誠先生や、カップリング反応でノーベル賞を受賞された鈴木先生の名前もあります。トップ20人で最年少は東工大の前田先生。若さ的な傑出度は圧倒的ですね。
図4、化学分野の日本のトップ研究者20人

　図5は数学分野の20人を示しています。統計学分野の赤池先生がトップ。他には同じく統計学分野の下平先生（はかせチャン先生）、柏原予想の柏原先生、篩多様体で有名な中島先生といった有名な先生のお名前が見て取れます。
論文数を比較すると、年10本程度出ている物理＆天文学分野や化学分野と違って、数学分野は年2～3本が平均となっています。それに伴いh-指数も一番多くても48となっており、物理＆天文学分野の十倉先生（h-指数141）よりもずっと小さな値となっています。h-指数を分野をまたいで比較することの意味の無さがはっきりわかりますね。まあ、そうなると分野をまたいでランク付けしている元論文のランキングもあまり意味がないのですが、通し番号的なものと思って分野ごとに比較すればまあ使ってもいいかなと言う感じです。
図5、数学分野の日本のトップ研究者20人

【まとめ】

　本記事では、引用数に基づくトップ研究者をまとめた論文をもとに、そのデータを可視化することを行いました。
　分野別、国別のトップ研究者の割合の比較からは、医学分野の研究者層の厚さと、アメリカの圧倒的研究力が見て取れました。
　また、物理＆天文学、化学、数学分野の日本のトップ研究者20人の可視化からは、有名な先生たちがその実績通りランクインするとともに、圧倒的に若いトップ研究者の方がいらっしゃることが見て取れました。日本の科学の未来は明るい！
　このデータセットは面白い情報があつまっているので、また調べて記事を書いてみたいですね。
　圧倒的なトップ人材、ソウイウモノニワタシモナリタイ


コメント

コメントを投稿

このブログの人気の投稿

交代磁性があるのかないのかどっちなんだい！～RuO2の場合～

イメージ
 【イントロ】 博士「はぁ～交代じゃ、交代じゃ」 学生「どうしたんですか？キャバクラですか？」 博士「違う違う違う違う今日は違う！交代は交代でも、交代磁性のことを調べておったんじゃ」 学生「交代磁性？」 博士「なんじゃ知らんのか？交代磁性とは、強磁性と反強磁性に次ぐ第三の磁性として最近発見された、新しい磁気状態のことなんじゃ。」 学生「知ってますよ、 Šmejkal（流暢な発音）が提案 してるやつでしょ？強磁性体のようにバンド構造にスピン分裂が生じるけれど、反強磁性体のようにNetの磁性はゼロとなっている、副格子間の反強磁性状態と解釈できる磁性体のことですよね。」 博士「そうじゃ、Šmejkal（流暢な発音）達の提案が大きなきっかけとなった研究分野じゃな。なんじゃ、知っとるじゃないか」 学生「当然です。中学入試程度です。交代磁性って、 MnTe や CrSb 、それに RuO2 で確立された概念じゃないんですか？」 よく見ると(b)がない（ 引用元 ） 博士「 どこ中出身 じゃ。。。うむ、それらの物質でARPESが行われ、交代磁性の特徴の1つであるバンド構造の巨大なスピン分裂が観測されて Nature や PRB に報告されるなど研究が加熱しておる。」 学生「ならいいんじゃないですか？流行物質どんとこい。ビッグウェーブに乗って論文を量産するタイミングですよ。h-index稼ぎましょう」 博士「しかし、そのうちの１つ、RuO2が実は交代磁性体ではなく、非磁性体なのではないかという報告がなされ議論を呼んでおるのじゃ。」 学生「どういうことですか？？？RuO2は 異常ホール効果 が見えたり、 REX（共鳴弾性X線散乱） や 中性子散乱実験 で反強磁性秩序がすでに観測されたんじゃないんですか？？？陰謀ですか？？？？」 博士「それでは今回は、独ヴュルツブルク大学のPhilipp Keßler博士らによる論文、 Philipp Keßler, et al. , Absence of magnetic order in RuO2: insights from μSR spectroscopy and neutron diffraction , arXiv:2405.10820 を読んでいくかのお」 学生「Absence論文、盛り上がるやつですね」 【どんな実験したの？】
続きを読む

狂気！室温超伝導体は脳内にあった！！！

イメージ
 【イントロ】 博士「これはすごい・・・これはすごいぞ！！！」 学生「どうしたんですか？自分の愚かさのことですか？」 博士「そうではない！ワシは出会ったんじゃ！科学史上最高の論文に！」 学生「どんな論文ですか一体」 博士「なんと 室温超伝導体 が見つかったという話じゃ！」 学生「え！室温超伝導体といえば、室温で電気抵抗がゼロになる物質で、世界を支えるエレクトロニクスに不可避なエネルギーの散逸、発熱の問題を一気に解決し、 世界のエネルギー問題を救うキーテクノロジーになる物質 じゃないですか！」 博士「その通りじゃ！」 学生「気になってきました、早く教えて下さい、その論文！」 博士「うむ…驚くなよ、なんと、 生物の脳の中では超伝導状態が実現しておる のじゃ！！！」 学生「・・・」 博士「ふふふ、あまりの衝撃に言葉もないようじゃな。」 学生「あの」 博士「では、今回は、 P. Mikheenko, Possible Superconductivity in the Brain , Journal of Superconductivity and Novel Magnetism, 2018, No 5, p. 1121-1134 （ Arxiv版 ） を読んでいくぞい！」 学生「帰っていいですか？」 【論文誌がすごい！】 博士「まずは、この論文のなにが凄いかといえば、査読を通って論文誌に掲載されておるのじゃ」 学生「ほんとですよ、どうなってんですか」 博士「そして、掲載された Journal of Superconductivity and Novel Magnetismの2022年度のImpact Factor は1.8なんじゃ。これがどういうことかわかるか？」 学生「そ、それは日本の物理学会が発行するJournal of the Physical Society of Japan、いわゆる JPSJのImpact Factor 、1.7を超えています・・・！」 博士「そうじゃな、つまり論文誌としての影響力としてはJPSJよりも大きな雑誌に掲載された論文ということじゃ」 学生「JPSJもっとがんばってくださいよ」 博士「しかもこの論文は8回も引用されておる」 学生「 みなしPRL じゃないですか・・・」 博士「これだけで如何にこの論文が本物であるか納得してもらえ
続きを読む

まだ最小二乗法で消耗してるの？ ～Passing Bablok法について～

イメージ
【イントロ】 与えられたデータの傾向を見る、つまり回帰分析の一つとして、直線でフィッティングする方法が挙げられます。 ココで問題となるのが、「どうやって直線の傾き(と切片)を求めるか」という点です。 代表的な方法が最小二乗法です。目的の直線を $y=ax$ と仮定します。データ点$y$と求めたい直線との差の二乗を誤差として、すべての点に対する誤差の和を最小化する傾き$a$を求める方法です。 具体的には誤差の和を $E=\sum_{i=1}^{n}(y_i－ax_i)^2$ とすると、$a$について最小値が欲しいので、 $\frac{\partial E}{\partial a}=0$ となる$a$を求めれば良いです。整理すると、 $a=\frac{\sum_{i=1}^{n}(x_i－x_{average})(y_i－y_{average})}{\sum_{i=1}^{n}(x-x_{average})^2}$ となります。 　最小二乗法は直観的にもちょうどよい直線を見つけてくれそうで、最強の方法に見えます。しかし、 いくつかの課題 があります。まず一つが、外れ値に弱いという点です。えっちですね。つまり、ノイズ等の影響でデータ点の集合から大きくハズレた点が存在すると、その点に引きずられて傾き$a$が大きく変化してしまうという点です。 　また、別の問題として、最小二乗法は暗にデータが正規分布に従った誤差を持つことを仮定している点が挙げられます。今回最小化すべき誤差をデータ点と直線の差の二乗和として与えましたが、これはデータ点の周りに分散一定の誤差が正規分布している場合に導かれる最尤推定解と対応しています。詳細は PRML を参照。 さて、それではこうした最小二乗法の呪縛から解き放たれた、 回帰モデルは存在するでしょうか？そうしたモデルとしては 主成分分析 等があります 本記事では、そうした手法の中でもノンパラメトリック回帰モデルの一つである”Passing-Bablok法”について、 原論文 に従った解説とPythonでの実装に取り組みました。 【方法】 Passing-Bablok法はその名の通り、PassingとBablok(PB)により提案された、一次の比例関係を比較するノンパラメトリック回
続きを読む