北京航空航天大学博士流体力学专业目录

复旦大学（23个博士点）：辩证唯物主义与6638历史唯物主义、中国哲学史、外国哲学史、政/治/经济学、中国古代文学、中国各体文学、中国文学批评史、汉语史、中国古代史、历史地理、世界上古史中古史、基础数学、应用数学、理论物理、核物理及核技术、固体物理、真空物理、无机化学、物理化学、高分子化学、病/毒/学、遗传学、流体力学上海第一医学院（21个博士点)：人/体解/剖/学、组织胚/胎/学、生理学、生物化学、微生物学与免疫学、病理生理学、病理解/剖学、药理学、内科学、外科学、眼科学、耳鼻喉科学、神/经/病学、皮/肤/病学、传/染/病学、放射诊断学、流/行/病学、环境卫生学、劳动卫生及职/业/病学、中西医结合基础（针麻）、中西医结合基础（肾本质研究）上海交通大学（12个博士点）：船舶设计制造、船舶结构力学、船舶流体力学、热力叶轮机械、内燃机、振动冲击噪声、自动控制理论及应用、通信与电子系统、机械制造、机械学、固体物理、固体力学华东师范大学（12个博士点）：中国哲学史、世界经济、教育基本理论、发展心理学、史学史、中国古代文学、中国古代史、基础数学、无线电物理、自然地理学、区域地理学、动物学上海第二医学院（6个博士点）：微生物学与免疫学、内科学、外科学、儿科学、口腔科学、中西医结合临床同济大学（5个博士点）：城市规划与设计、建筑设计、结构工程、市政工程、无机非金属材料华东化工学院（5个博士点）：化工机械、高分子材料、化学工程、石油加工工程、工业自动化第二军医大学（4个博士点）：生理学、寄/生/虫学、外科学、生药学华东纺织工学院（3个博士点）：纺织材料、化学纤维、纺织机械上海中医学院（3个博士点）：中医内科学、中医外科学、针灸学上海财经学院（1个博士点）：会计学上海科学技术大学（1个博士点）：电磁场与微波技术收起

该院的博士好考。一般每个月2000左右，如果导师项目多，还会有少量工资。有各种版奖学金，比权如李政道奖学金。该院博士专业较好的是，动力工程与工程热物理，流体机械及工程，考试科目：1601英语，2701高等流体力学、2702工程热力学、3801流体机械原理、3802液压传动与控制、3803机械设计、3804往复压缩机、3805离心压缩机。一般发三篇，需要EI的期刊或会议论文，会议论文好发，期刊较难。有其他问题我再帮你问问。再请问师兄，要三篇都是EI么？每个博士都是每月发2000块么？在职和全日制有区别么？一般几年毕业？先谢谢师兄了！呵呵！我没有读博啊，刚上硕士。发论文不一定都是EI，还可发SCI，反正这学校的博士比较好毕业。关于钱，每个月学校发500（西工大800），导师有项目，一般先交博士做，所以有工资，一般一千到两千。在职是委托培养，属于工程博士，比全日制的轻松点，但认可度不如全日制的。一般3年毕业。收起

1.评定标准 硕士生，如果你一毕业就初定了助理工程师，过2年就可以评中级。如专果你一毕业没有初定助理工属程师，那么过3年可以直接初定工程师。所以如果一毕业就初定那么可以提早一年评上工程师。2.从事领域：制冷空调 温室研究等等3.工作性质：是试验研究，它以地面试验为研究手段；另一种是理论分析方法，它利用简单流动模型假设，给出所研究问题的解析解。理论工作者在研究流体流动规律的基础上建立了各类型主控方程，提出了各种简化流动模型，给出了一系列解析解和计算方法。这些研究成果推动了流体力学的发展，奠定了今天计算流体力学的基础，很多方法仍是目前解决实际问题时常采用的方法。然而，仅采用这些方法研究较复杂的非线性流动现象是不够的，特别是不能满足50年代已开始高速发展起来的宇航飞行器绕流流场特性研究的需要。4.这是北京地区的 工资及待遇：1. 月工资（包括基本工资，岗位工资以及其他工资）博士、博士后工资起薪不低于6000元。2. 按国家规定交纳社会保险及住房公积金（五险一金）。3.公司的其他福利以及奖金5.按你说的学校我感觉还是清华大学不错收起

先下载好公务员考试职位表，从中筛选出符合您条件的岗位。 您可以进专华图官网的“专科专属业（学科）指导目录”页面，然后进行专业分类，假如找不到您所在专业的分类的话，您可以打电话给招考部门确认。 　　报考公务员必须具备一定的资格条件，即国家和主考机关规定的成为某职位上的公务员不可缺少的起码条件。根据《中华人民共和国公务员法》第十一条的规定，公务员应当具备下列条件：　　　　(一)具有中华人民共和国国籍；　　(二)18周岁以上、35周岁以下，应届毕业硕士研究生和博士研究生（非在职）年龄可放宽到40周岁以下；　　(三)拥护中华人民共和国宪法；　　(四)具有良好的品行；　　(五)具有正常履行职责的身体条件；　　(六)具有符合职位要求的文化程度和工作能力；　　(七)法律规定的其他条件。　　报考特殊职位的考生还应具备该职位要求的特殊条件。收起

　　一、有博士、硕士学位授予权的一级学科（共35个）　　（覆盖二级学科数173个，另有3个不分二级学科的一级学科点）　　一级学科 代码 一级学科名称 (学科门类)　　二级学科 代码 二级学科 名称　　0503 新闻传播学(文学)　　050301 新闻学　　050302 传播学　　0504 艺术学(文学)　　050401 艺术学　　050402 音乐学　　050403 美术学　　050404 设计艺术学　　050405 戏剧戏曲学　　050406 电影学　　050407 广播电视艺术学　　050408 舞蹈学　　0601 历史学(历史学)　　060101 史学理论及史学史　　060102 考古学及博物馆学　　060103 历史地理学　　060104 历史文献学(含：敦煌学、 古文字学)　　060105 专门史　　060106 中国古代史　　060107 中国近现代史　　060108 世界史　　0701 数学(理学)　　070101 基础数学　　070102　　计算数学　　一级学科 代码 一级学科名称 (学科门类)　　二级学科 代码 二级学科 名称　　070103 概率论与数理统计　　070104 应用数学　　070105 运筹学与控制论　　0702 物理学(理学)　　070201 理论物理　　070202 粒子物理与原子核物理　　070203 原子与分子物理　　070204 等离子体物理　　070205 凝聚态物理　　070206 声学　　070207 光学　　070208 无线电物理　　0703 化学(理学)　　070301 无机化学　　070302 分析化学　　070303 有机化学　　070304 物理化学　　070305 高分子化学与物理　　0710 生物学(理学)　　071001 植物学　　071002 动物学　　071003 生理学　　071004 水生生物学　　071005 微生物学　　071006 神经生物学　　071007 遗传学　　071008 发育生物学　　071009 细胞生物学　　071010 生物化学与分子生物学　　071011 生物物理学　　071012 生态学　　0801力学(工学) 　　080101一般力学与力学基础　　一级学科 代码 一级学科名称 (学科门类)　　二级学科 代码 二级学科 名称　　080102 固体力学　　080103 流体力学　　080104 工程力学　　0802 机械工程(工学)　　080201 机械制造及其自动化　　080202 机械电子工程　　080203 机械设计及理论　　080204车辆工程 　　0803 光学工程(不分设二级学科)(工学)　　0804 仪器科学与技术(工学)　　080401 精密仪器及机械　　080402 测试计量技术及仪器　　0805 材料科学与工程(工学)　　080501 材料物理与化学　　080502 材料学　　080503 材料加工工程　　0807 动力工程及工程热物理(工学　　) 080701 工程热物理　　080702 热能工程　　080703 动力机械及工程　　080704 流体机械及工程　　080705 制冷及低温工程　　080706 化工过程机械　　0808 电气工程(工学)　　080801 电机与电器　　080802 电力系统及其自动化　　080803 高电压与绝缘技术　　080804 电力电子与电力传动　　080805 电工理论与新技术　　0809 电子科学与技术(工学)　　080901 物理电子学　　080902 电路与系统　　080903　　微电子学与固体电子学收起

图卢兹有来1,2,3大.. 1 INSA还不错自，就是个虚名，算是grand école但是要说有多好其实真心也说不上了2 图卢兹大学是个非常笼统的概念，你要去哪个大学，整合了图卢兹的许多学校..，但是由于本身和地域的限制离巴黎的polytech或者central。而且到了博士阶段一般还是要看专业和论文了吧，法国的失业率还是太高了，mines这些类似清华上交的地位还是差挺远的3 INSA就业相对不错，但是其实比起国内，其中有INSA但是对我们而言没有任何意义，加在一起只是为了排名好看去巴黎竞争 INSA怎么说呢，和国内类似对比大概算是西安交大吧，也算是重点学校？2 大学怎么样是需要用不同的标准来评判的你想问哪一个？3 对你自己好不好要看你为什么想读博士了问题太不详细了，强烈要求提高悬赏.INSA是工科，我相信工作肯定找得到。但是第一收起

流体力学该专业属于天津大学的机械工程学院，流体力学是力学的专重要分支学科，属主要研究在力的宏观作用下流体本身的运动规律以及流体与固体、流体与流体之间的宏观相互作用。天津大学流体力学学科是国家重点学科和天津市重点学科，它于1981年获得硕士学位授予权，1983年获得博士学位授予权，是该校力学一级学科博士后科研流动站成员单位，居全国第二。所以这个专业较为难考，对一个学生的能力要求较高。分数看每年的考试难度和报考情况，基本来说会要求很高的分数。考该专业需要你花费大量时间和精力，并且劲量能拿到专业真题，才能增加考上的机率。学的课后答案。。。。孔龙主编的那本。收起

一级学科博士点： 序号 学科名称 学科代码 门类 批准年限 1 力学 0801 工 学 2005 2 机械工程 0802 工 学 2003 3 材料科学与工程 0805 工 学 2000 4 信息与通信工程 0810 工 学 2005 5 土木工程 0814 工 学 2003 6 矿业工程 0819 工 学 2005 7 交通运输工程 0823 工 学 2003 8 船舶与海洋工程 0824 工 学 2000 9 管理科学与工程 1201 管理学 1993 二级学科博士点： 序号 学科名称 所属一级学科 门类 批准年限 1 产业经济学 应用经济学 经济学 2003 2 马克思主义基本原理 马克思主义理论 法 学 2005 3 思想政治教育 马克思主义理论 法 学 2005 4 设计艺术学 艺术学 文 学 2003 5 一般力学与力学基础 力学 工 学 2005 6 固体力学 力学 工 学 2003 7 流体力学 力 学 工 学 1984 8 工程力学 力学 工 学 2005 9 机械制造及其自动化 机械工程 工 学 2000 10 机械电子工程 机械工程 工 学 2003 11 机械设计及理论 机械工程 工 学 1989 12 车辆工程 机械工程 工 学 1998 13 工业工程 机械工程 工 学 2004 14 汽车运用工程 机械工程 工 学 2004 15 物流技术与装备 机械工程 工 学 2004 16 材料物理与化学 材料科学与工程 工 学 2000 17 材料学 材料科学与工程 工 学 1981 18 材料加工工程 材料科学与工程 工 学 2000 19 建筑材料与工程 材料科学与工程 工 学 2003 20 生物材料学 材料科学与工程 工 学 2003 21 复合材料学 材料科学与工程 工 学 2003 22 光电子及信息材料 材料科学与工程 工 学 2003 23 新能源材料 材料科学与工程 工 学 2003 24 动力机械及工程 动力工程及工程热物理 工 学 2003 25 通信与信息系统 信息与通信工程 工 学 2003 26 信号与信息处理 信息与通信工程 工 学 2005 27 计算机应用技术 计算机科学与技术 工 学 2003 28 岩土工程 土木工程 工 学 2003 29 结构工程 土木工程 工 学 1984 30 市政工程 土木工程 工 学 2003 31 供热、供燃气、通风及空调工程 土木工程 工 学 2003 32 防灾减灾工程及防护工程 土木工程 工 学 2003 33 桥梁与隧道工程 土木工程 工 学 2003 34 历史城市与建筑修复工程 土木工程 工 学 2004 35 智能结构及其系统信息化 土木工程 工 学 2004 36 土木工程建造与管理 土木工程 工 学 2006 37 采矿工程 矿业工程 工 学 2003 38 矿物加工工程 矿业工程 工 学 2000 39 安全技术及工程 矿业工程 工 学 2005 40 道路与铁道工程 交通运输工程 工 学 2003 41 交通信息工程及控制 交通运输工程 工 学 2000 42 交通运输规划与管理 交通运输工程 工 学 2003 43 载运工具运用工程 交通运输工程 工 学 1996 44 公路桥梁与渡河工程 交通运输工程 工 学 2004 45 物流管理 交通运输工程 工 学 2004 46 智能交通工程 交通运输工程 工 学 2005 47 船舶与海洋结构物设计制造 船舶与海洋工程 工 学 1998 48 轮机工程 船舶与海洋工程 工 学 1986 49 水声工程 船舶与海洋工程 工 学 2000 50 船舶与海洋环境保护 船舶与海洋工程 工 学 2003 51 海洋工程结构 船舶与海洋工程 工 学 2003 52 水上运动装备工程 船舶与海洋工程 工 学 2003 53 舰船电力推进及自动化技术 船舶与海洋工程 工 学 2003 54 环境工程 环境科学与工程 工 学 2005 55 管理科学与工程 管理科学与工程 管理学 1993 56 信息管理及信息系统 管理科学与工程 管理学 2003 57 金融工程与管理 管理科学与工程 管理学 2003 58 创新工程与管理 管理科学与工程 管理学 2003 59 工程与项目管理 管理科学与工程 管理学 2003 60 科技与教育管理 管理科学与工程 管理学 2009 61 企业管理 工商管理 管理学 2005 62 技术经济及管理 工商管理 管理学 2003收起

很好河海大学力学学科属力学与材料学院，拥有工程力学国家重点学科，力学一专级江苏省重点学科，力学一属级博士学位授权点，力学一级博士后流动站；是国家“211工程”、“优势学科平台”和江苏省“优势学科平台”重点建设学科。力学包括：一般力学、固体力学、流体力学、工程力学及相关学科。力学的一个分支，主要研究在各种力的作用下，流体本身的静止状态和运动状态以及流体和固体界壁间有相对运动时的相互作用和流动规律。作为河海来大学大禹学院源力学班的大一生，河海除了跟水有关的专业拿的出门，就是力学了。这要感谢徐芝纶徐老对于此方面的研究。流体力学相对于固体力学较难，但是三峡，小浪底等大的水利工程，河海的力学系都有参加，应该是一种认可。本回答被网友采纳收起

获得一级学科博士学位授权，即是指在这个一级学科下的所有二级学科都内有博士学位授予权容，就意味着，一个学生只要选择了这个学科中的任何一个专业，进了校门就可以从本科一直念到博士。这能反映出一个大学或科研院所在这个学科的实力和水平。但要看这个学科是否全国领先，就要看它里面的二级学科有没有国家重点学科以及重点学科的多少。 我国高校学位点(硕士)的申报一般是依托二级学科来进行的，学位点申报成功后，也多设在二级学科之下。重点学科基本属于二级学科范畴。我国高等学校本科教育专业设置按“学科门类”、“学科大类（一级学科）”、“专业”（二级学科）三个层次来设置。 按照国家1997年颁布《授予博士、硕士学位和培养研究生的的学科、专业目录》，分为哲学、经济学、法学、教育学、文学、历史学、理学、工学、农学、医学、军事学和管理学12大门类，每大门类下设若干一级学科，如理学门类下设数学、物理、化学等12个一级学科。收起

AutoML是AI产业化、普世技术的发展方向之一。作为自动代码编写技术的一个子领域，AutoML是机器实现智能化的重要技术之一，适用于应用领域过于专业、业务模型需求大、更新频率高的特定场景。剑桥2019年度《全景AI报告》把AutoML等列为取得重大研究与技术突破的领域。插播一条小广告：酝酿已久的《博士说》栏目开更啦！聚焦行业技术前沿，汇集各路学霸大神，助您快速科普入门。首期栏目我们邀请到浪潮AI算法研究员李峰博士，用万字长文带来AutoML入门技术详解。音频资源现已同步上线，配合食用吸收更佳哦。我非常有幸在从事着与AI相关的一些研发开发工作，也接触了十数个行业以及数十种AI的应用案例，在对这些应用案例的开发过程当中我发现了一个事情，我们大部分的时间和精力都花费在了为一个特定的应用进行模型开发以及调参的过程当中。这些工作几乎消耗了我70%到80%的时间，俗话说得好，懒是人类进步的动力，当一个在哪里跌倒就在哪里躺好的懒癌症晚期患者，在面临这样一个动作，它消耗了我80%的时间的时候，自然而然会想到一个问题，能不能让自动化的方式来解决这件事情，这也就是我们所谓的AutoML自动机器建模的由来。今天我们一起走进AutoML的小小世界里，看一看机器究竟是怎样通过自己的思维模式、自己的编程方式，将一个一个的人工智能的应用模型逐渐开发出来。通常我们定义2015年是人工智能元年，2016年人工智能相关的算法应用开始逐渐攀升，2017年是芯片的爆发之年，2018年人工智能开始逐步落地。从此之后，可以说如雨后春笋一般的人工智能长起了一地的鸡毛，为什么说是一地鸡毛呢？人工智能的应用虽然看似非常的庞杂，但是有好多是真命题，有好多可能是伪命题，其中的真命题不乏我们现在经常用到的语音识别、人脸识别等等，还有我们车辆的自动驾驶，可以看到在这整个人工智能的新兴过程当中有好多好多的应用逐步涌现出来，而且他们也逐步的细化或者深入到我们每一个人的日常生活当中。每每我们提到人工智能技术的时候都绕不开一个巅峰级的存在，那就是AlphaGo，在人类智力游戏顶尖的围棋赛当中，AlphaGo可以说是以绝对碾压式的成绩对我们人类的智商进行了一个惨无人道的蹂躏。我们先抛去比分和实际的围棋的技巧不谈，在AlphaGo当中，大家广为熟知的、津津乐道的一个技术被称之为强化学习，强化学习是什么呢？在我们的一个机器在构建网络过程当中，构建一个行为模式当中，他会自动的去学一些东西，然后来修正他的行为模式，这个东西在AutoML里面也有应用。人工智能这项技术逐渐大卖或者逐步扩散了其应用领域，人工智能整个皇冠上的一个翘楚被称之为深度学习，可是深度学习的发展也同样带来了一些不可小觑的或者不可忽视的问题。首先我们从ImageNet数据集出现之后，图象处理或者图象识别这一个领域当中的应用得到了一个腾飞式的发展，但是我们看到在之后的一段时间当中，数据集的规模正在与日俱增，而这些数据集的增大会导致我们在训练过程当中所需要的内存消耗、显存消耗等等也会逐渐增大，因此想要训练出一个非常好的、非常适用的模型，就变得异常的难上加难，尤其当我们的应用与实际的ImageNet数据集不相符的时候，我们的数据或者我们已有的这些像RestNet（VGG）等等这些模型是否有一些过于的冗余的内容在，我们是不是可以消掉其中一部分，然后让模型更加适合于我们自身的应用呢？另外我们可以看到在深度学习技术的发展过程当中，DNN的网络结构也是日趋复杂，现在各种网络连接、各种组合方式都已经远超人类的想象范畴，在这样一个过程当中，如果我们再有新的任务、新的数据集，我们该如何去设计这个网络结构？虽说创新是站在巨人的肩膀上，但如果巨人太高了，已经超过了珠峰，可能我们攀爬上去都成了一个难度。随着网络结构日益复杂，网络规模也在逐步增加，由于这些网络规模增加、参数的增加，导致网络本身的尺度变得越来越大，在我们很多的实际应用当中，有可能我们的模型是需要放在终端设备上来进行的，比如说在Systemon Chip的片上芯片、片上系统，还有一些嵌入式设备等等我们的一些终端设备上要运行我们的网络结构的时候，我们会发现一个最大的问题，就是这些网络太大了，我们放不进去，因此在这时候我们究竟又该如何去构建我们的网络，如何筛选我们的网络。此外，在网络的结构日趋复杂的时候，我们仍旧发现一个问题，在网络训练过程当中，对于网络本身我们还有很多其他的超参数，这些超参数的设定又应该何去何从，什么样的超参数组合可能会诞生最好的网络，因此这个问题是消耗大部分的人工智能的算法的开发人员的时间跟精力，因此很多坊间传闻，人工智能的算法工程师其实称之为炼金术士，我们是一个调参师，要尝试不同的参数组合。这个过程就是我们深度学习发展所带来的一些挑战和问题。当然即便这些问题都可以解决，我们想要训练一个网络的时候，仍旧会发现他需要庞大的时间消耗和资源消耗，因此这相当于像古代的一个衙门，衙门口冲南开，有理没钱你别来，所以现在来看深度学习仿佛成了富人的游戏。此外还有一个非常大的挑战是什么？在AI的应用端，我们把所有的模型从实验室设计出来，想要让他落地的时候，会发现我们在应用端仍旧存在很多问题，比如说概念漂移，当我们原来在用实验室的像ImageNet数据集或者是COCO数据集，或者VOC的数据集，我们训练出来的网络模型在实际的应用当中的时候我们发现图象的尺寸、图象的内容发生了一些概念上的变化，而这时我们的模型往往无法适用。因此很难用原来在ImageNet或者原有公开数据集上构建的模型就可以适配到我们各行各业的不同应用当中。另外一个是尺度适配的问题，这个问题也是刚才我们所提到的网络设计或者学界网络设计的规模跟趋势是日趋复杂、日趋庞大。而实际我们在使用过程当中前端和终端的推理设备，我们的存储容量有限，无法使用这种庞大规模。还有一个问题是数据隐私，什么叫数据隐私的问题呢？可以想像我们有很多应用公司或者有业务性的公司，我们都会有自己的业务和自己的数据，但是恐怕很难说我们每一个传统行业的公司里面都会有一波人专门从事AI的算法研发跟开发工作，如果想要让传统行业当中去使用AI技术的时候，我们必须要把数据交给第三方的公司来做开发，而这时就会带来数据的隐私和安全性问题。出于以上这些角度的考虑，是否能够让我们的传统行业，不具备AI技术能力的公司同时可以得到AI的一个红利，AutoML就是我们面对现在的应用提出的一种解决方案。什么是AutoMLAutoML中文叫自动机器学习，既然要自动机器学习，我们先看一下，怎么样实现传统意义上的标准机器学习过程，标准的建模过程是什么样的呢？通常我们会拿到原始数据，在有原始数据的时候我们要对数据进行一个预处理，然后做特征工程，做模型设计，最后做一个模型验证这几个阶段，相当于数据处理阶段我们需要对整个的原始数据进行数据的清洗，筛查掉一些异常数据和一些缺失的数据，然后我们要对数据做一些增强，还有像文本数据和其他的语音数据等等我们要做一个编码，把他转换成机器可读的一些浮点型数据或者是整型数据。另外还有数据分割，比如说我们的数据如果过于庞大的话，像现在如果是720P的一个影视作品，一张图片截下来的分辨率就非常大，如果直接放到网络模型当中去，机器去计算的时候，是无法充分的去计算，因为他的内存或者显存都会被整个一张图片挤爆，因此我们还要对数据进行一些数据分割，分割也有技巧，比如我们要识别图片当中的一个人，如果你分割之后他身首异处了，我也许能识别出来脸，剩下的半张身子可能就永远跟他说再见了。另外一个就是要做特征工程，特征工程所有的数据输入之后，经过数据的预处理，数据的一些清洗和增强操作之后我们会把他进行特征化，我们会构建一些零均值特征，我们会构建一些异方差特征等等，得益于现在深度学习的发展，特征工程和模型构建这两部分对于图象出来或者图象领域的一些任务来说，他们可以合二为一。最后，做模型设计就是我们现在AutoML的一个核心阶段，AutoML的模型设计是什么呢？在传统意义上来说，就是我们人工用一张纸把可能的模型、可能的数据公式拼凑出来，然后排列出来一个pipeline，然后根据这个流程进行数据的处理和操作，最终我们要进行一个模型验证来判断我们现在的模型究竟是否适配于原来的数据问题，这个模型验证也有非常多的方法，比如说混淆矩阵、PR测试，还有AB Test测试等等，整个一系列的标准过程里面我们可以发现，数据处理，像清洗、增强、文本编码、数据分割等等这些任务似乎可以自动化的用统计的方式，用一些传统意义上机器学习的方法让他自动的实习。而特征工程跟模型构建、模型设计的部分，我们似乎也可以把他归并到一起做一个模型设计，如果我能够构建一种方式来自动化的去绘制这个模型的一个pipeline，这些方程、这些函数公式操作他的一个组合，是不是我就可以完成从原始数据的输入一直到模型的输出，最终我们进行模型验证，通常情况下，从技术角度来说，我们模型验证是可以做成自动化完成的，但是通常而言我们不会这么做，为什么？模型验证最终的验收标准是什么？是否适合我们的应用，这个标准通常情况下来说人的主观性要比客观的数据更为准确。说了这么多，我们把标准的一个建模过程跟大家表述已清，所谓的自动建模又该如何建呢？其实自动建模他的一个简单的问题描述就是在给定的性能指标之下，我们希望构建或者说找出最好的模型结构及其参数，这个方式通常我们称之为序贯模型算法配置问题，对于深度学习和神经网络来说，有一个特别的案例我们将他称之为神经网络结构搜索Neural Architecture Search，简称NAS（神经网络架构搜索），他的一个问题描述相对来说更为简单，也更为具体，对于一个预测问题而言，希望能够从网络结构中找到可以使整个在验证集上能够最小化误差的一个模型结构。AutoML的核心要素自动机器学习其实包含的最重要的是三大要素，其中第一个是搜索空间，第二个是搜索策略，第三个是评估准则。所谓搜索空间就是定义究竟我在什么范围之内进行模型搜索，举一个简单的例子，我们对于一个回归问题，我可以有很多现成的模型或者现成的函数，比如说线性回归函数或者多项式回归函数或者是SVR支持向量回归函数，如果是我们的搜索空间就是这些函数，那么我们的搜索策略和评估上面就变得非常简单，我们就是从这些函数当中挑出一个来使得它满足我们刚才所提到的评估标准。对于深度神经网络或者对于（NAS）来说，今天既然深度神经网络作为人工智能的一个掌上明珠，皇冠上最亮的那颗星星，我们就以它为例来介绍我们的AutoML技术。对于深度神经网络来说，我们搜索空间是什么？其实是一系列的OP，也就是操作，这些操作仿佛是某高的一个玩具积木，在这些无数的积木当中有四个头的、两个头的、三个头的、六个头的等等，我们需要从这些积木当中按照一定的策略挑选出合适的积木，并且按照一张可能的蓝图把它拼凑出来，最终形成一个我们想要的东西，比如说我们希望面前有一条河，我希望能构建一艘船能让他过河，也许我们的理想很丰满，希望通过某高的积木和一张设计图纸我们能够拼出一艘航空母舰，但是现实往往很骨感，当我们拼凑出来以后他也许只是一个小小的帆板，到这时候我们的一个问题就是这个帆板究竟是对还是不对，这样的结果究竟好还是不好，这就是所谓的评估准则。如果单纯从我们要过河这个角度来看的话这个帆板是可以的，他满足了我们的评估要求，是可以过河的，但是如果我们的评估准则不仅仅局限于说我们要过河，还要求了船体的外部流线特征，还要求了他的流体力学性质，还要求了他的美观性、抗毁性等等，我们会发现，这个帆板可能是不合格的，这个不合格的评价结果我们需要把他返回给我们的搜索策略，来修改我们的蓝图和图纸，最终不断经过这样一个迭代过程，使得我们最终从这些小的积木块，根据我们的选择方式和搜索策略，绘制出一个标准的航空母舰蓝图，然后得到了我们最终想要的一个结果，这个过程就涉及到了我们刚才所说的AutoML的三大要素。搜索空间针对于深度神经网络来说，其实会更为复杂，我们搜索空间的表示如果是一个简单的，就是全连接的一个神经网络结构的话，他的搜索空间的表示就是最大网络层数，我们只要给定最大网络层数以及每层可选的元操作，以及每一层我们神经原的个数，是不是就是可以唯一的决定一个神经网络该长什么样子。对于一个卷积神经网络来说，他比之前所提到的这个神经网络要稍微多一点，我们的搜索空间表示要包括最大的网络层数，然后每一层可选的元操作数，所谓的元操作数就是一乘一的卷积、三乘三的卷积、五乘五的卷积等等，之后就是与这些操作相关的一些超参数，因为对于一个卷积神经网络来说，一个卷积层不光包含了我们卷积的大小，同样也包含了这个卷积层的通道数量以及他的一个step的（步长）等等。这些就是我们搜索空间当中所具备的一个元素，而用这些元素怎么去设计我们的搜索策略，然后拼装出来我们整个深度神经网络，就是我们AutoML所需要做的一个事情。当然了，在这个操作过程当中，我们对于搜索空间的定义有几种特别的方式，尤其是对于深度神经网络来说，通常情况下有一种叫做链式网络结构。链式网络结构就是从输入到输出依次来定义我们每一层究竟是什么样的内容，什么样的结构，这样一个网络构建方式可以说是最原始、最传统、也是我们的搜索空间所能表达的所有网络当中最丰富的。还有一种是基于复用一些网络单元的堆叠结构，像最右边这里我们看到人工设计了一个单元堆叠的方式，我们的第一层是input，下面一层是block1，第二个是block2，第三个是block3，经过这几个block堆叠之后我们输出到一个output，这个堆叠方式固定下来之后我们可选的操作是什么呢？就是里面的block，对于每一个block或者是我们称之为一个模块，这个模块我究竟该如何设计，这个模块里面我们可以采用链式网络结构的一个设计方式，虽然大家看到中间这一部分是分了多个分支，其实他仍旧属于链式网络设计的一种逻辑。我们定义了神经网络的一个搜索空间之后，我们可以知道当我的积木已经准备好了之后，我们就需要进行一个搜索和采样，我需要选出我所需要的积木，然后根据我们设计的蓝图进行一个拼接，我们的积木的选择跟蓝图的绘制目前来说就是我们AutoML搜索策略的几种方式，当今比较流行的三种搜索策略包括进化计算，还有神经网络结构搜索，也就是我们以谷歌的强化学习为代表，之后还有一种是网络迁移的方式，通常这种方式又被称之为网络形态学变换。所谓进化计算非常好理解的一种说法就称之为遗传算法，之前我们刚才看到有网络空间，网络空间其实每一种操作我们可以给他定义做一个编码，像identity层操作我们称之为零，1×1的卷积比如说称之为1，1×3的卷积称之为2，对于所有这些我们可用的元操作进行一个数值编码之后，我们可以写出一条所谓的染色体，这一条染色体的长度就是我们网络结构的层数，这里面每一个数值就对应着元操作，我们还可以定义一个没有操作，这样如果是某一层没有操作的话，他存在着一个跳层，那么我们整个网络层的层数的深度就会随之减少。我们定义了染色体的编码方式之后，多个染色体之间可以通过遗传算法，遗传学当中的交叉、变异形成（子带），这些子带就是新的染色体，这些染色体就代表了新的网络结构，然后我们根据适应度评价标准、评价准则来判定什么样的网络模型是更好的，整个过程当中，所谓的适应度评价就是一个外界对于一条染色体或者种群当中某一个个体的一个评价，在整个迭代的过程当中，具有高适应度的个体就优先获得了繁衍权利，而具有低适应度的个体就会逐渐被淘汰，整个过程就是达尔文所说的物竞天择、适者生存的一个逻辑，最终会把所有与我们适应度评价函数最高的染色体，这些子带流传下来，也就得到了我们最想要的这些性能标准。另外一个我们称之为叫NAS的一个方式，叫强化学习，NAS过程当中我们搜索空间也是跟刚才的一样，定义好多OP，中间会有一个控制器，这个控制器是用来做模型采样，然后做一个OP的采样，这个控制器传统方法上面来说或者在遗传算法上来说，我们的控制器是固定的，只是在每一次控制器采样到的东西进行筛选，去甄别的过程是不定的。而在NAS过程当中我们的控制器是变换的，而筛选结果是不变的，什么意思呢？当我们的搜索空间当中，采样到了一个网络模型，采样到了一个子网络之后我们对他进行了评估，评估这个结果好坏会直接影响控制器下一次是否在这个地方还采样这个操作，这样的话，这个返回的结果就会直接影响到我们参数空间当中进行操作采样的过程，我们采样出来的结果在这样的逐渐迭代的过程当中，对于好的操作，他采样到的概率就会逐渐递增。而对于一些差的操作或者对于我们的网络性能没有什么贡献的操作，他被采到的概率就会逐渐递减，之后经过无数轮迭代之后，我们发现控制器每一次在每一个所需要的层级趋于采样或者大概率的采样适合于这个网络层的一些操作。还有一种方式就称之为网络形态学变换，这里给出一个比较标准的剪枝操作，所谓剪枝操作就是我们通过对于已经给定的网络模型去修建他当中存在的一些不必要的路径，使得路径发生了一些变化之后我们进行网络参数更新，这样整个网络的模型的结构和样子发生了变化，同时模型的大小和尺度也发生了变化，在这个过程当中，如果我们所用到的数据集跟原来训练这个网络的数据集是不一致的话，他再进行裁剪和重训练之后，这个网络模型就会更加适配于我们现在在实际使用、应用算法当中的应用数据集。基于这样一个思想，其实我们可以考虑，如果我有一个完备的网络，并且网络当中的路径不只一条，就是同样的两个节点之间的路径可能不只一条，每一条路径是一种操作，我可能在下面像左边这张图里面，我从0到1、到2、到3有不同的路径，每一个节点之间可选的路径还有很多，那也就是他从零到一的操作可以有三种不同的操作，在这样一个我们称之为叫完备网络图的结构当中，我们采用剪枝的操作或者采用路径的削减的一个操作，是不是可以修正和找到最适合于整个网络结构的一个路径组合呢？比方说像下面的这张图，他的完备图经过路径的筛查、筛选之后我们得到右边这张子图里面从0到1就有1条橙黄色的路径，从0到3就有1个红色路径，可以看到从0到2的路被我们删除了，这个也许是经过网络搜索得到的一个最佳的结果。这样筛选之后我们可以看到一个新的子网络结构具备了新的网络结构类型，也同时具备了不同的尺度，他也达到了我们说模型从无到有的一个生成过程。说完我们的模型搜索过程之后，我们会发现我现在有了一堆积木，也有信手拈来可以去把他搭建的过程，搭建出来之后究竟这个模型是好还是坏，我们需要用一个评价标准来进行一个评价，通常而言我们的数据会被拆分为几个部分，所有的数据通常是我们由应用和业务过程当中积累下来的历史数据，这些历史数据我们会拆分成两个部分，一个称之为训练数据集，另外一个称之为测试数据集，训练数据集当中我们会把他拆分为训练数据和验证数据，验证数据用来去验证我们现在的模型是否训练到了一个收敛的状态。对于AutoML来说，最常用的一种评价标准是什么？就是以验证数据集作为评价标准，当我们构建出来的模型在验证集上的精度作为最终的一个验收结果。这样一个过程似乎看起来非常完美，我有了搜索空间，我有了可以指导我进行模型构建的一个过程和策略，我也有了一个评价标准，似乎一切显得非常完美，我们是不是AutoML就到此结束了？事实上在这里又存在了一个非常庞大的坑，是什么呢？当我们的一个模型构建出来之后，如果这个模型没有经过训练的话，他在验证集上的精度一定是非常差的，如果要训练他得到一个在验证集上非常好的精度或者可信的精度的话，对于这个模型的训练必不可少，而这个训练又是非常耗时和耗费资源的。对于这样一个过程我们想怎么样能够提升我们验证集或者提升我们评价标准获得的这样一个效率，降低我们的一个计算资源消耗呢？有几种方式，其中一种是当我们对于精度进行一个预测，我们对于（学习率）的变化进行一个预测，这里面包括了三种方式，其中第一种对精度进行预测，第二种对于学习率进行预测，第三种我们采用参数共享的方法。对于精度的预测非常简单可以理解，当我有了一个模型之后，我虽然现在不知道他训练完整之后，他的精度大概是多少，但是我可以用另外一个模型来预测这样一个我们生成出来的子模型，他的验证精度，经过几轮的训练和迭代之后，我们称之为判别器，用来预测采样到的模型精度的这个模型我们把他称之为判别器，当这个判别器被训练的非常完美的时候，像这个过程当中其实相当于自己进行了机器编码，这个是机器实现智能化的重要标志之一。另外一个就是参数共享，所谓的参数共享就是我们之前提到的一个完备的超网络图，在完备的超网络图当中，我们进行一个子网络采样，然后对于这个子网络的训练得到的参数进行上传，然后我们就把他继承到了一个超网络当中去，在这个过程当中，我们不断的去采样子网络，然后对他进行训练，并且上传他的参数，超网络继承了这些参数之后可以看到，当子网络进行了一系列的训练之后，超网络整体也得到了一定的训练，而当我们经过一些轮的迭代之后，超网络当中的每一个子网络如果都训练趋于成熟，或者说我们得到了一些可预测性的网络的时候，对于这些所采样到的子网络只需要在验证集上进行一个（前向）推理，我们得到一个验证集的精度，这些精度虽然都不是完整训练到的一个完备的网络精度，但是如果对于任意的两个子网络来说，这时我们得到的验证集精度与完整训练之后的验证集精度相比，它的相对的精度高低不发生变化的时候，可以说这些网络就已经具备了非常好的可预测性，因为我们所需要的是找到最好的网络，如果他的相对排序不发生变化，那么我们就可以进行一个选择了。那么到这时候，我们称之为这些超网络具备了可预测性，当一个超网络具备了非常好的可预测性之后，我们就可以同时对他采样成千上万的网络，并且对这些网络进行传统的一些优化算法去迭代，去搜索其中最好的网络参数和网络结构，这样一个过程我们可以把它称之为万箭齐发。回顾小结今天讲了非常多的内容，其实翻回头来仔细看一看包含几个方面。01. 什么是AutoML？AutoML其实就是在采用自动化的方式和程式化的一些手段根据我们的开发任务自主的实现模型构建筛选的一种技术。02. 这个技术为什么要发展？或者说我们为什么需要AutoML来出现呢？首先我们来看AutoML是自动代码编写技术的一个子领域，因为由机器本身自动去构建了一个网络，这个网络其实是一系列的代码组合，所以他是一个自动代码编写技术的方式，这种方式和这种技术是机器实现智能化的重要技术之一；另外AutoML有一些非常好的适用领域，比如说应用领域太过专业，业务的模型需求量又非常庞大，这些更新的频率又非常高的这些特定场合里面AutoML是非常适用的，比如说有好多业务场景，可能一个行业的ISV公司需要cover掉的是这个行业当中非常多的不同的应用和不同的业务场景，这些算法工作人员需要不断的提供很多新的不同的业务场景适配的一些模型，在这样的情况下AutoML就会非常好的解放他们的生产力；还有一些是我虽然有非常多的应用领域或者说我的应用领域非常专一，我有非常多的技术，但是对于一个传统的行业来说，我并没有这样的人力资源进行AutoML或者AI的开发过程，此时AutoML作为一个拉低AI技术门槛的核心技术是非常适用于这些行业的。因此说AutoML是AI产业化和普适AI化的一个发展方向。03. AutoML的三大核心要素是什么？首先是搜索空间，搜索空间定义了模型的元操作，是AutoML当中最基础的一些组成元素，这些元素就决定了我们所构建出来的模型所能够达到的上限，比如说如果一个模型在最理想的环境下可能需要一个平方操作，但是我们的搜索空间空间如果不包含平方操作的话，他一定达不到；另外一个就是我们的搜索方法，搜索方法就是我们定义操作进行组合的一个方式，是从元素到功能的一种实现，这个方式决定了模型所能达到的下限，为什么叫下限呢？我们的搜索方法如果非常差的话，无异于就是一个随机搜索，我们把很多的模型、很多的操作进行随机的放置、拼接和组合到一起之后我们同样可以得到一个网络模型，这个网络模型也会有一个结果，这个结果通常我们称之为一个baseline，是整个这个网络构建的一个下限，当然值得庆幸的一点是什么呢？可能我们并不需要具备非常多非常庞大的领域知识和非常高精的一些搜索方法才能构建出非常好的网络模型，因为大量的论文和实践研究表明我们即便用随机搜索方式，我们所能达到的这个baseline在很多应用场景当中已经是非常高的了，已经可以非常好的适应和适用于我们很多实际的业务跟应用场景了；还有一个就是我们最重要的一个评价准则，评价准则定义了一个搜索的发展方向，决定搜索的一个倾向性。我记得跟人力聊天的时候，我们最常说的一句话叫做你考核什么你就得到什么，所以当你定义好了你的评价准则、评价标准之后，你才会得到最适用于你的网络模型。在整个网络模型和AutoML构建过程当中我们也提到了AutoML在搜索方法当中存在的三大主流方式，包括进化计算、强化学习和网络迁移的方法，整体来说，什么叫做AutoML？AutoML就是无中生有的从一个搜索空间当中构建出一系列的模型，然后如果你采用的是一个参数共享的方法，恭喜你你会得到一个非常好用的、具有可预测性的超网络，当具有超网络之后，你就可以在平行的、并行的我们构建，从超网络当中采样成千上万的子网络，称之为万箭齐发，这些万箭齐发当中得到的这些网络当中我们经过评价标准的一个选择之后，弱水三千只取一瓢饮，万千人群中找到最适合你的那一个模型，仿佛沧海一粟，找到之后就可以对你的业务场景和实际应用精准的出一张杀。收起

进入河海大学，第一次面对图书馆门口“艰苦朴素、实事求是、严格要求、勇于探索”的16字校训，当时懵懂的他并不能理解这16个字背后的深意。直到在河海学习生活一段时间后，他全面了解了河海校训和严恺老校长的渊源，他告诉自己，要时刻牢记老校长的教诲，领会校训精神，在河海大学学好扎实本领，不断求索。他就是河海大学严恺奖学金一等奖获得者——耿镇。耿镇，男，汉族，中共党员，山东泰安人，机电工程学院2017级能源与动力工程专业本科生。河海大学2017级“英才计划”班副班长，“1442工程”学员，曾担任机电工程学院团委组织部部长，现任能源与动力工程专业本科生党支部副书记，拟被中国科学院大学未来技术学院动力工程及工程热物理专业录取攻读博士学位。绩点排名1/92。曾获河海大学优秀学生标兵、河海大学优秀共青团员、暑期社会实践先进个人等多项荣誉称号；曾获国家奖学金、国家励志奖学金、严恺奖学金一等奖、校级优秀学生奖学金等奖学金；曾获第十三届iCAN国际创新创业大赛中国总决赛一等奖、第十三届全国大学生节能减排社会实践与科技作品竞赛二等奖、美国大学生数学建模比赛二等奖等。主持/参与两项省级、一项校级大学生创新训练项目。发表SCI期刊论文7篇，其中A类论文2篇。申请公开发明专利4件。积跬步而至千里初入大学，耿镇偶然与已保研的学长聊天中了解到了保研的相关内容，当时耿镇的心中已然种下保研的种子。时间缓缓流逝，他心中保研的想法逐渐坚定，对自己大学的规划也逐渐清晰起来。耿镇把保研的目标挂在远方作为自己的启明星，要保研，不仅要有数一数二的绩点排名，还需要良好的科研能力。于是，他开始注重对科研能力的培养，遇到实验室的陈秉岩和苏巍老师，他感到非常幸运。陈秉岩和苏巍老师还带耿镇参加了全国第 18 次光纤通信暨第 19 届集成光学学术大会 (OFCIO)、第八届国际应用光学与光子学技术交流大会（AOPC2019）等会议。看到了专业领域的教授分享成果，了解了领域内最新的成就，仰慕之余，耿镇科研的决心更加坚定了。在两位老师的培养和自己的努力下，他在科研之路上缓缓前行，一步一个脚印。不以应试为目的去学习一门课程时才能真正把它学好，这一点，耿镇深有体会。初学流体力学和工程力学等基础课时，一知半解的他只好考前背一背应付考试，成绩虽然差强人意，但知识掌握不牢固，在实验时不能很好地应用，只好“回炉重造”。经过重复学习的过程，耿镇对知识的理解逐渐深刻，也更坚持学以致用的观点。他最喜欢陈秉岩老师的创新工程实践课和多学科交叉课，这两门选修课应用性强，让他在做实验的过程中更加得心应手。从最基础的课程学起，加深对知识的理解，注重知识的应用，耿镇就这样一步步走上自己的科研路。走过的路，用实验丈量提前预习的良好习惯让耿镇获益匪浅，大一下学期，耿镇取得了优异的成绩。由于对物理的浓厚兴趣，在学长的推荐下，他毫不犹豫地加入了物理实验室，这个决定对他的大学生活产生了巨大影响。耿镇回顾自己的大学生活，说：“实验室的经历是我大学四年最重要的，也是收获最多的经历。我学习能力的提升，科研思维的形成，科研能力的锻炼，很多学习思维方式和方法都是在实验室获得的，几乎所有的科研成果也都是来自实验室的学习。”除了上课、平时运动和学生工作，耿镇其余时间几乎都在实验室度过。日复一日的努力也终有回报，他在实验室主持过一个大创项目，参与过三个大创项目，收获了满满的科研成果。然而，实验的过程并非顺风顺水，耿镇撰写第一篇论文时，由于没有经验，他写的论文结构不清晰，英文表达有问题，被多次拒稿。他打开被拒的稿子，咬咬牙，改了再交，一次又一次，期间也曾数次崩溃，也想要放弃。但是，看着耐心指导自己的苏巍老师，他逼着自己坚持下来，最终，这篇论文被SCI收录。耿镇印象最深的是参加节能减排比赛的日子，那段时间他经常熬夜通宵做实验、写说明书，摸着石头过河，和同伴讨论思考装置是不是还有更好的呈现方式等等。透支精力进行繁重的工作导致他那时身体非常虚弱，开始发烧并且得了肺炎，过了整整一个星期才缓过来。“很累。”他说，“但是我的内心有一个声音告诉我，不能放弃，要坚持下去，当然，最后我们也成功了。”耿镇也参加了今年的节能减排决赛，答辩前一晚到凌晨四点还在修改视频，背稿子，一直到答辩结束才感觉自己终于松了一口气。在一次又一次的实验比赛中，耿镇感受到了团队协作时一群人为了同一个目标不断奋斗、相互鼓励的归属感，以及团队的努力得到回报时的成就感，那是历尽千辛万苦终得云开见月明的莫大喜悦，像有人用微笑的眼睛望着你，告诉你：“你所做的一切，都有意义。”爱做实验，也爱实践耿镇喜欢泡在实验室，但他的生活绝不只有实验。大一时他参加了高数帮扶活动，给数学基础不好的同学补习高数，每年的献血活动中也总会有他的身影。耿镇前后担任了河海大学机电工程学院团委组织部副部长和部长等职位，他对自己的工作认同感很高，一丝不苟地对待自己的工作，认真积极地完成机电院团员资料整理、信息核对、评议表审核、党支部党员档案资料统计收集整理等工作，多次组织党日、团日活动。繁忙的工作的确占用了耿镇一部分的学习时间，但是他认为自己做的事非常有意义，而对学习与工作的权衡也提高了他的学习效率。2019年的暑假，耿镇和所在学生组织的同学们一起结伴到江西南昌和赣州寻找红色记忆，重走长征路。他们参观了位于赣州的长征纪念馆和南昌的纪念广场。那时正值夏天，酷暑难耐，他们不畏炎热，寻找红军的长征足迹，耿镇联想到八十多年前红军在艰苦条件下的伟大征程，更加感受到了长征精神永放光芒。耿镇所在的“红色寻迹逐梦”实践团获得了河海大学优秀实践团队称号，这次经历也为耿镇的科研路提供了精神支柱。成长，永远在路上一路走来，风风雨雨，无论是第一次做实验写论文时的初窥门径，还是参加创新比赛时的不懈努力，亦或是和老师们一起参加国际会议时的忐忑和欣喜，都为耿镇的成长打下坚实的地基。在这个过程中，他感到自己的思维方式、社交能力、语言表达能力、组织能力都有明显提高，而这些能力又促进他取得更好的成果。他很庆幸自己遇到了优秀的学长学姐和耐心引导自己的老师，也时常反思自己的不足，并且正努力提高自己的执行力。谈及对未来的规划，耿镇希望自己能坚守对科研的热爱，在实验中继续求索。自强不息，不断学习，从不满足于现状，勇于探索，永远追求进步是耿镇的人生信条，每一次的选择和挑战都让他更加成熟，坚定地迈出每一步，走出属于自己的精彩！信息来源：河海大学文字：小海螺记者团 范佳怡图片：耿镇编辑：小海螺记者团 曾兰茜，柏蓉收起

早上在街边买一块煎饼(crepe)配咖啡，几乎是每个上班族都有过的温暖经历。除了能多睡一会儿外，看着摊贩把柔顺丝滑的面糊倒进锅里，面糊均匀地淌开呈现完美的圆形，再用铲子利落地将其取出并且丝毫不沾粘的过程，绝对是让人每根神经都得到放松的视觉享受。然而自己在家做的煎饼，似乎很难摊得那么平整，有的地方还留有洞眼……这可够让“强迫症患者”沮丧一整天的。近期一份发表在《物理评论.流体力学》(Physical Review Fluids)期刊上的研究帮助煎饼爱好者们解决了这个问题。一切开始于这份研究的作者之一新西兰坎特伯雷大学(University of Canterbury)的流体力学家Mathieu Sellier向妻子抱怨为什么自己做不好煎饼。Sellier告诉《新科学家》(New Scientist)杂志，他的妻子说“你是流体力学专家，你应该能解决这个问题啊”。于是他找到对此也有兴趣的法国合作者Edouard Boujo一起开展这项研究。他们在研究报告中写道：“做煎饼背后重要的物理因素包括，液体层与锅底的相互作用，以及液体层的固化过程。”起初，面糊堆积在平底锅的中心，接着重力起作用面糊向四周扩散，理想状态是扩散成各方均匀完美的圆形。当然，要考虑到这个过程中面糊受热在变硬。由此研究者们构建了一个电脑模型，模拟液体面糊在平底锅里的扩散同时受热固化的过程，考察面糊与平底锅移动路线之间的互相作用。结果他们发现，面糊下锅后，用手腕让平底锅以8字形晃动有助于作出最均匀、没有洞眼的煎饼。或者像流体动力学网站(FYFD)主笔、航空航天工程学博士Nicole Sharp总结的这样做：“要做最好的煎饼，把面糊倒入平底锅的中心。然后立即把锅倾向一边，让面糊流到一边。保持锅的倾斜，然后转动一圈，让面糊铺满整个锅底。接着不断减小平底锅的倾斜度并持续转动，直到所有的洞眼都被填满、煎饼熟透。”收起

“11年前，那时候我们还没有PM2.5的检测，但是我们有PM10，她是根据当时的估算，那个时候在污染期的话，PM2.5可以达到三百到四百，属于今天的严重污染。但那个时候我们一直认为那是雾，我们一直把它叫做雾。”2015年，柴静的《穹顶之下》成了那一年现象级的视频传播，再一次把空气污染的危害带到了大众面前。相比较于空气净化器的大名远播，大众对于新风机的认知还仅仅处在“听说”的状态。事实上，在新风领域，市场已经从蓝海向红海逐渐转变：一方面，国人对于空气质量的高需求正在不断递增;另一方面，新风机在净化空气层面上有着绝对的优势，能够完全满足人们的需求。2017年的新风市场相当热闹，互联网品牌的空气净化设备厂商、外国的空气净化设备厂商、传统的暖通设备厂商、还有像原始空气这样的新兴厂商都开始发力新风领域。作为一家今年才开始切入净化设备市场的本土创业公司，原始空气的优势似乎不那么明显，一年只做一款产品更是让其在快速迭代的智能家电行业领域里显得有那么点特别。然而出乎意料的是，在这个秋冬里，“原始人”们丝毫没感觉到寒冷。原始空气创始人学健说，正是因为一年只做了这么一款产品，才让原始空气在这个冬天显得生机勃勃。小风机，大风力；掀起新风机的革命新风在锤子粉看来，用好的设计、好的技术精心打磨的手机充满了“情怀”的味道。学健在打磨“原始空气”新风机的时候也是充满了情怀的，他就是要做一款革命型的产品，瞄准的是大风量的阵列。原始空气新风机创始人、CEO 学健新风机作为空气净化设备，在把室内污浊的空气排出室外的同时，把户外污浊的空气经过过滤后再输入到室内，让房间里每时每刻都是新鲜干净的空气。不同于空气净化器对室内有限空间的空气净化效果，新风机能够源源不断“制造”新鲜空气，解决二氧化碳增多的问题。根据空间大小、人员数量,通过公式算出房间所需的新风量，一般来说，一个130平米的房间需要500以上风量的新风机。为了保证出风量，现在的大风量新风机都以大柜机的形式呈现。要实现弯道超车，“原始人”决定要做一款看起来和小风量新风机体积一样，但是能出大风量的新风机。原始空气的联合创始人德昊，负责产品定义到设计落地。自2013年涉足智能硬件领域以来，完成了多款可穿戴设备全生命周期研发。从业以来，原始空气新风机的设计堪称他过去职业生涯里最浓墨重彩的一笔。在研发期间，整个团队推翻已经制作出的样机再重新投入改版研发的过程,在他记忆里就有7次。最终呈现在大众面前的原始空气新风机体积为670mm×600mm×300mm，可以提供600立方米/小时的洁净新风;达成设备净体积是同风量竞品的 1/3，风量是同体积竞品的 2 倍。风量大势必带来噪音大的问题，“原始人”的第二个目标是“消灭”噪音的问题。原始空气的联合创始人振臣是北京航空航天大学流体力学专业博士，曾将多个航空领域的高新技术成功转化为民用产品，包括离心风机和轴流风机。他亲自主持了原始空气新风机风道的设计，应用了仿生学原理使风道中层层叠叠的金属扇叶模仿猫头鹰的翅膀，从而达到降噪的功能。同时通过机盖与进风口底部采用真空形阵列的设计，近一步加深了降噪的效果。当然，风量、体积、噪音的处理是原始空气新风机不可比拟的优势，作为一款净化设备，主要的衡量标准还是在于对空气的净化能力。这对于“原始人”来讲并不是什么难事，但是团队在此也下了很多功夫。学健表示：“我们调校了抗重度雾霾的滤材，采用的是美国3M H14级高效滤材，配合高通量活性炭中效滤材，兼顾精度与容尘量，长效应对重度雾霾，因为是纯物理过滤机制，不会产生臭氧，全面拦截直径 PM0.1 - PM10的粉尘，净化甲醛、尾气等污染物。针对不同季节、室内环境和人群，我们还配有专门的滤材。滤材很好安装，当滤材需要更换的时候，微信上的原始空气管家就会提醒了，打破了滤材的固定使用模式，这种抛弃式设计更加的方便干净，防止二次污染。”服务+AI双重优势加大突围砝码产品的精心打磨给原始空气提供了产品优势，但是新风机用户在安装前也会再三衡量，因为安装带来的“麻烦”常常让用户丧失耐心。传统的新风系统都是要铺设管道吊顶安装，铺设管道使得房顶的结构发生改变，即使布好管道，也会面临压力不够、布管不合理的问题，不仅起不到净化空气的效果，反而会起到反作用。因此，“原始人”一开始就瞄准的是后装市场，原始空气新风机属于单向流正压无管道安装一类，相比较于需要前装的管道式新风系统有着不可比拟的优势。新风机的安装类似于空调，需要进行打孔，根据安装不同的需要，打孔的位置也不相同，有的需要透过墙面打孔，有的需要透过玻璃打孔，两方面都需要专业的技术人才。很多用户对于新风安装都表示出十分抗拒，针对这个问题，学健打造了一支特别的队伍，这只队伍只负责上门安装，人员数量在整个团队的占比都非常高。他坦言，这一部门的人员开支和耗材成本都非常高，但是他从未想过降低标准以提高企业利润率：“从用户的反馈上来看，这个策略是正确的，公司的安装部门人员有着标准化的流程，整个打洞过程40分钟到1个小时，使用了欧洲进口器材、保证打洞时实现无尘，无论是玻璃还是墙面都是一样的专业水准。”在即将结束的2017年，AI技术逐渐应用到多个领域之中。同样，原始空气产品也应用了人工智能技术。学健看来，人工智能不应该是个噱头，而是真正能够通过机器学习实现主动为使用者提供服务。原始空气新风机内置的传感器集群作为“指挥官”可以协同控制产品的效果与能耗。传感器通过不断地学习，精准算出房间的气密性和新风功率之间的关系，在保证新风机的风量始终维持在最小的同时，可以将新鲜的空气送到房间的每一个角落，这样就保证了在节能和净化效果上的完美平衡。在未来，“原始人”还将继续深入人工智能领域的研究。学健透露，原始空气未来将会推出更多的智能风阀进行联动，控制每一个房间的风量、精准适应到每一个人，为用户提供品质更好、治理成本更低、更舒适的室内空气治理体验。创业没有漫不经心，只有一路狂奔新风市场的飘红使得这个赛道开始涌现越来越多的玩家，一些乱象也开始横生，所有的净化企业都开启了一路狂奔的模式。而外界看来，原始空气并不是一个在市场竞争中过于焦虑的品牌，“原始人”是一群有钱有闲的人，一年只做一款产品，似乎不怕产品失败也不怕在竞争中被淘汰。但是学健告诉笔者，很多人都嗅到了新风市场巨大的“钱”景，其中不乏抱着“干一票就走”心态的人，但是也正是这样的乱象让他嗅到了巨大的机会。他判断，未来1-3年里新风市场将会迎来大爆发，而能跑到终点的唯一途径就是一路狂奔，在打磨产品、提供给用户最好服务的路上狂奔不复返。年关将至，新一轮的寒意和污染季都在侵扰着居住在“穹顶之下”的人们。有人说涨潮了，赶紧蒙起眼狂奔。也有人说涨潮了，不急，做好产品再奔也不迟。收起

作为专注于前沿技术的媒体，机器之心拥有大量活跃于人工智能学术领域的读者。最近一段时间正值海外大学博士生招募，我们与多位北美大学计算机科学教授取得了联系，收集了正在招募博士生的教授与实验室信息。希望这些消息能对正在立志读博深造的你有所帮助。让我们直接进入正题吧（以下按院校首字母排序）：加州大学戴维斯分校助理教授俞舟个人简介： 俞舟，现任加州大学戴维斯分校计算机系，助理教授（Assistant Professor at UC Davis）。博士毕业于卡耐基梅隆大学语言技术系（CMU, LTI）。本科毕业于浙江大学计算机和外语专业。实验室简单介绍：Language, Multimodal and Interaction Lab。实验室主要研究自然语言处理，多模态的机器学习和交互技术。现在有两位博士生，四位研究生和两个本科生。我们有很好的企业联系，做的研究有实际的应用场景。我们跟 Intel、Amazon、腾讯、Bosch 等公司都有合作。UC Davis 有得天独厚的地理位置，气候宜人，离 San Fransisco 只有一个小时车程，离南湾各大公司一个半小时车程。所以对于学生将来的就业实习是一个很大优势。招聘博士生数量：在新的一年会招聘两位博士生，一位博士后。研究方向：招收的博士的方向是： 人与机器人合作（HRI）自然语言处理或者多模态机器学习。博士后的方向相同。希望有自然语言处理和机器学习基础的同学加入我们。联系方式：杜克大学进化智能中心助理教授陈怡然 & 助理教授李海陈怡然教授李海教授由陈怡然教授和李海教授担任联合主任的杜克进化智能中心（Duke Center for Evolutionary Intelligence，缩写 CEI）隶属于杜克大学 Pratt 工程学院，主要从事：1）神经形态计算；2）深度学习加速与安全技术；3）新型存储器与存储系统；4）移动与边缘计算等四方面的研究。CEI 现有教授 3 名，博士后 2 名，博士生 19 名，访问学者和访问博士生 3 名。CEI 同时也是美国国家自然科学基金委员会（NSF）新型可持续智能计算产学合作中心（）的领导基地，与 Facebook、三星、高通、思科、惠普、LG、美的、顺丰科技、深鉴科技等著名高科技企业有长期的战略合作关系。近五年来，CEI 成员在 NIPS/CVPR/ICCV/MICRO/HPCA/DAC 等国际顶级会议和期刊上发表过超过 200 篇学术论文，获得 7 次最佳论文奖以及 14 次最佳论文提名。CEI 有五名博士毕业生在美国研究型大学担任 tenure track 教职。陈怡然教授本科及硕士毕业于清华大学，在美国普度大学获得博士学位，曾获得过美国 NSF CAREER Award 和 ACM SIGDA Outstanding New Faculty Award，并于 2018 年晋升为 IEEE Fellow。李海教授本科及硕士毕业于清华大学，在美国普度大学获得博士学位，曾获得 NSF CAREER Award 和 DARPA Young Faculty Award，并于 2017 年晋升为 ACM Distinguished Member。杜克进化智能中心 2018 年度招收博士生 4-5 名和博士后 1 名。博士生研究方向包括： 1）神经形态电路设计与相关计算机体系结构；2）深度学习算法加速和硬件加速器设计； 3）深度学习系统安全等三个方面。博士后研究方向为新型纳米器件在神经形态电路与系统中的应用。欢迎有相关计算机与电子专业背景的同学申请。申请的同学也可直接通过电子邮件直接联系陈怡然教授（）或李海教授（ ）。有关杜克进化智能中心的详细信息请参考中心网站：。MIT 硬件智能实验室助理教授韩松韩松教授本科毕业于清华大学，博士毕业于斯坦福大学，师从 NVIDIA 首席科学家 Bill Dally 教授。他的研究广泛涉足深度学习、计算机视觉和计算机体系结构。他提出的 Deep Compression 模型压缩技术曾获得 ICLR'16 最佳论 文，ESE 稀疏神经网络推理引擎获得 FPGA'17 最佳论文，引领了世界深度学习加速研究，对业界影响深远，并于博士期间联合创立了深鉴科技。MIT 硬件智能实验室介绍：深度学习目前飞速发展，其进步和成功依赖于高效的算法、有力的硬件支持以及大规模的数据集，MIT Hardware Intelligence Lab (HAN's Lab) 主要集中于前两个方面的研究，实验室方向包括:H: High performance, High energy efficiency HardwareA: Architectures and Accelerators for Artificial IntelligenceN: Novel algorithms for Neural Networks and Deep Learning招聘博士生数量：每年提供两个博士全奖。如果有其他经费来源可提供 MIT 暑期科研机会，暑研表现突出的同学第二年申请 MIT 优先考虑，欢迎大三、 研二的同学申请。研究方向：深度学习算法 (图像、语音、视频)，深度学习系统 (分布式训 练，编译器，runtime)，深度学习硬件 (FPGA，ASIC)联系方式：songhan@mit.e，~songhan/ 附个人简历、Github 链接、research statement宾夕法尼亚大学计算机与信息科学系任助理教授蒋陈凡夫蒋陈凡夫，2017 年于宾夕法尼亚大学计算机与信息科学系任助理教授。2010 年毕业于中国科学技术大学少年班物理专业。2015 年于 UCLA 获得计算机博士学位（授予工程学院 Edward K. Rice Outstanding Doctoral Student 奖）。2015 年至 2017 年 5 月于 UCLA 数学系任博士后。主要研究背景是计算固体和流体力学的偏微分方程数值解，计算机图形学中基于物理的自然现象和固体液体的模型与仿真，弹性塑性力学，有限元法和物质点法，医学虚拟手术仿真等。曾与迪士尼，梦工厂等工作室合作开发用于 3D 动画如 Zootopia，Moana 的自然环境固流体解算器。实验室介绍：宾夕法尼亚大学的计算机图形学实验室隶属于计算机系。实验室涵盖数字媒体设计的本科专业，图形学和游戏结束的研究生项目，以及人体，物理现象和 crowd 模拟的博士生实验室，加上一个数字可视化中心和动作捕捉实验室。实验室拥有数百平方米的面积和丰富的计算设备和资源，包括每年持续获得的几十台 VR/AR 装置。招聘博士生数量：每年两个提供全奖。如果有其他经费来源（如国家公派，政府学校或公司项目资助）可有额外名额。同样欢迎志同道合的访问学者。近期主要研究方向：1. 图形学物理模拟仿真（用于特效和动画）; 2. 物理模拟，虚拟环境在场景理解和其他计算机视觉问题中的作用； 3. 机器人 task 优化，设计（同样基于物理和 machine learning 的结合）4. 人体组织的弹性模拟和血液流体模拟，用于医疗手术的训练，预测和计划。联系方式：cffjiang@seas.upenn.e；http:///~cffjiang南加州大学 (USC) 助理教授任翔任翔，南加州大学（USC）助理教授（前为斯坦福大学访问学者，伊利诺伊大学（UIUC）博士，Google PhD Fellow）。2018 年计划招收 2-3 名博士生和数名访问学者。研究方向：从大量的非结构化数据中提取结构化知识的机器学习与 NLP 方法。面向问题：非结构化数据上的知识获取（信息抽取，知识表示与推理，知识图谱构建和应用, 问答系统）。Focused Methods:machine learning and deep learning methods for modeling sequence and graph data under weak supervision (learning with partial/noisy labels, semi-supervised learning) and indirect supervision (multi-task learning, transfer learning, reinforcement learning)。联系方式：这是我们发布的第一期「博士招募」信息，我们还将继续发布更多招生信息，敬请期待。如果有教授希望发布招生信息，同样也可与我们联系。收起

在北京市海淀区西北边，凤凰岭山脚下，有一座神秘的千年佛寺，它也算是近几年名扬天下了。这个朋友圈中屡屡称赞的“网红”寺庙，相传始建于辽代应历初年，算算已有上千年岁龄了。在这里，佛教朝圣之地，红色的院墙、高大的银杏、挺立的古柏，无不彰显着宗教的神力。（国内最“牛”佛寺，硕士博士扎堆，清华北大高材生层出不穷）佛门清静之地，仙家修行之所。寺庙里随处可见僧人义工以及信徒使者，区别于普通寺庙的商业气息，来这里的每个人都是一幅潜心悟道的模样，安安静静地生怕打扰了心中的菩萨。一直以来，龙泉寺的法师们被认为是高学历人才，硕士博士扎堆。能人异士，群英荟萃。不料事实的确如此，法师贤威是中科院生物物理研究所博士；法师贤宇，北大数学系高材生；法师贤庆为北京大学哲学系研究生；还有禅兴法师，清华大学流体力学博士……难怪江湖上流传着这么一句“黑色幽默”：我还没有皈依佛门，可能是因为智商不够......因为不少清华北大高材生都在这出家，因而有人戏称龙泉寺是清华北大的分校，将传统佛学和现代科技的高度融合也使得龙泉寺声名大噪。来龙泉寺，体验和僧人们一起吃斋饭、一起抄佛经、临摹贤二动漫、龙泉学堂里悟道......借境练心，不是为了改变外境，而是为了提升自心。现在有越来越多的的人前来跪拜侍奉，追随祈祷，使这座千年佛寺美名天下，成为了中国最“牛”的佛寺古刹。在龙泉寺，不只是住持法师不同于别处，那些出家的僧人也是不同凡响，他们开展了一系列创新。在建教上，淡化宗派，强化组织，建成汉传佛教修学体系。在育僧上，培养“志、道、德、才、学”兼备的僧才，建成清净和合的僧团。这里的出家人有年轻人，他们心怀善念，他们可以很阳光，可以热心公益，可以不必是失败者，可以为文化传承做出贡献，甚至是为时代科技发展引领潮流而独具鳌头。他们的身上的特质远超出我们的定义。龙泉寺的不同打出了这有力量还柔软的一手好牌。龙泉寺不止是中国佛教文化的精髓宝地，更是领先世界科研成果的开山怪。这样的佛寺，你想去看看吗？（国内最“牛”佛寺，硕士博士扎堆，清华北大高材生层出不穷）收起

美国大学的博士要求赴美攻读博士，自然要先获得硕士学位，通过美国GRE考试，获得“托福”或“雅思”考试的足够分数，还需要教授老师们的推荐信，最后通过美国大学的入学申请和录取，并解决好财政支持问题，成功获得美国签证，方能进入美国大学学习。关于上述问题，对于硕士研究生或申请读博的学生而言，要么是已经烂熟于心，要么就是已经拿到博士录取通知书，因而不在此赘述。对于一所美国大学对博士生的具体要求和博士候选流程，却少有涉及。然而，这方面的内容对于国内的学生精英（只要他或她有计划赴美读博）来说，就具有重要意义。接下来，就以世界排名顶尖的大学：麻省理工学院（Massachusetts Institute of Technology，MIT）的机械工程系为例，详细介绍其相关信息。最高学位是科学博士（Doctor of Science，ScD）或哲学博士（Doctor of Philosophy，PhD）。在麻省理工学院，这些学位的名称不同。授予博士学位，标志着被授予人主要在本院完成了高级的研究学习计划，并实施了具有重要意义的原创性研究、设计或开发。博士学位的要求：（1）写作能力。（2）博士生资格考试。（3）主修的高级专业课程。（4）辅修（与主修专业不同）的学习课程。（5）博士论文。写作能力所有即将毕业的学生必须表现出令人满意的英语写作能力，或成功地完成适当的写作训练。这一要求反映了学校的理念：作为一个拥有高学位的工程师，其写作是一个重要的技能。麻省理工学院机械工程系要求所有入学的外国学生，都要参加学院的研究生写作考试。此考试是在入学前的夏天进行的。此外，麻省理工学院要求所有中小学不是用英语授课的学生，都要参加一种英语评估测试。博士生资格考试博士资格考试（QE）的目的是确认申请人是否具备在麻省理工学院成功的成为博士候选人的属性：精通机械或海洋工程学科，在辨认分析和解决新问题上足智多谋。这项考试从2017年5月起每学年进行2次（1月和5月），为期1周。为了有资格参加这项考试，学生必须保持在麻省理工学院研究生课程的平均成绩绩点（GPA）累计不低于4.5。此外，申请人还必须获得2个A和1个B或更好水平的来自机械工程系的研究生水平评价。QE考试由三部分组成：（A）两门主干课程的考试将考察学生在所选的机械工程科学领域的知识广度。（B1）第三个学科的考试以考察学生在所选择的研究领域里的知识深度。（B2）学生的研究能力考试。具体操作：（A） 第一天：口头资格考试（OQEs）2次，每次30分钟。由学生从学院认可的课程列表中选择2门课程进行口试。（B）第二天：研究资格考试（RQE）1次，时间为60分钟，以考察学生在所选定的研究领域的研究技能和相关研究领域的知识深度。学生的考试科目选择必须有2个来自学院认可的C列表，1个来自S列表。学生在 RQE开始时，需用1- 20分钟介绍他/她的原创研究（如以前在麻省理工学院或其它地方完成的硕士论文研究工作或在麻省理工学院的博士论文的前期工作）；接着用15分钟对其研究存在的问题进行回应；然后回答更广泛领域的科学问题以及所选择的研究领域相关的问题（其内容的界限可能跨越下面的C/S列表）。任何学生只有1次的补考机会。C-列表：流体或流体力学、固体力学或结构、热力学、传热、制造、力学、机器设计或产品设计、系统动态学和控制、随机动力系统、显微和纳米工程。S-列表：光学、声学、计算工程、生物机械工程。主修的高级专业课程主修的高级专业课程是机械工程系为学生提供的、经过研究生委员会批准的、在工程和科学领域具有相应的知识广度和深度专业课程设置。例如：（i）力学; （ii）产品实现; （iii）控制，机器人和仪表; （iv）能源科学与工程; （v）海洋科学与工程; （vi）生物力学工程; （vii）显微和纳米工程。研究生官员可以批准适当的替代方案。整个学习项目包括了主修专业课程、辅修专业课程和额外支持的课程三部分，通常由12门课程和至少144个研究生学分组成。辅修的学习课程辅修是一个高级学习计划，其目的是发展学生在与其主修专业不同的领域里的研究技能。课程为3门（不少于24个研究生学分）。这些课程的学习可以在学院或外部机构完成。辅修的学习课程必须由博士论文委员会和研究生官员事前批准，并作为一个定制计划预先提交和进行记录，后续的任何修改必须有研究生官员的批准。学生的平均成绩绩点（GPA）必须达到3.5的最低水平。博士论文博士论文是一个重要的、原创性的工作，它显示了博士候选人在相关研究领域里所做出的重大贡献。它既是博士课程的主要组成部分，也是博士候选人能力评价指标的重要组成部分。论文由学院的导师指导、博士论文委员会进行监督。博士论文委员会至少由3名学院的教师（包括博士候选人的导师）组成，并且其中2/3的成员必须来自机械工程系。博士论文委员会主席通常由博士候选人的导师担任，如果导师不是机械工程系的教师，则必须改由来自机械工程系的委员担任主席。至少有1名成员是来自于与博士候选人的所有学习研究组织无关的外部人士。候选人也可以邀请麻省理工学院以外的合格人员担任论文委员会的额外成员。博士候选人先前在其它地方、不在麻省理工学院教师监督之下完成的论文，因为部分或全部不符合博士论文的要求而不能被接受。（图片来自网络，仅此致谢！）收起

电影《无问西东》火了，清华大学火了，高晓松也继续在火，其实即使《无问西东》不火，清华大学和高晓松似乎从来不靠这些热点而活，尽管网友觉得这部电影更像清华大学的宣传片，但显然不是这样的，不过值得一提的是，《无问西东》的热映把清华大学再次推上了风口浪尖。 与此同时，高晓松在《奇葩说》Diss清华博士的视频也被网友疯传，不过这一切似乎更应证了那句话：“年少不懂高晓松，读懂晓松已不再少年。”大家还记得之前的一期《奇葩说》，来了一个叫梁值的清华博士生。节目中，他说自己喜欢表达，就去学了法律；后来朋友又和他说法律应该结合资本行业，于是硕士他跑去学了金融。再后来，朋友说这说那，他为了参加比赛，又去学了新闻学博士。 看似一个无敌的清华学霸，得来的却是一顿批评与失望。他在台上直接问评委老师：“我应该去找一个什么样的工作？”听到这里，第一个发言的是蔡康永，他在说话前就把灯灭掉了，虽然语气有些许委婉，但不难看出对这位清华博士前途的堪忧。接下来是高晓松，“矮大紧”丝毫没有给这位选手留面子，他更是直言对方的表现让自己太失望了：“一个大名校是干什么的？名校是镇国重器，名校培养你是为了让国家相信真理，不是用来找工作用的你明白吗？一个名校生走到这里来，一没有胸怀天下，二没有改造国家的欲望，你在这问我你该找个什么工作，你觉得你愧不愧对清华十多年的教育？” 第三位嘉宾马东在旁边连连点头表示赞同高晓松的观点，那么真的是考清华没用还是学历没用再或者是名校毕业找工作没用吗？ 当然不是，四叔觉得这些全部都有用！如果让我给你排个名次出来，我会给你的答案是：名校大于学历大于找工作，这不是打了高晓松的脸了吗？其实完全没有，高晓松可以清华辍学，但你，不可以。你似乎想去辩驳，在你辩驳之前，我们先来看看高晓松的家庭背景。爷爷：高景德，曾任清华大学的校长、电机工程专家、电机工程教育家；中国科学院院士。 外婆：陆士嘉，著名流体力学家，是世界流体力学权威普朗特教授唯一的女学生、中国籍留学生、博士生，是北京航空学院(北京航空航天大学前身)的筹建人之一。外公：张维，深圳大学的创办者之一，世界工程师协会联合会副主席，是中国科学院、中国工程院的双院士、瑞典皇家工程科学院外籍院士，他是中国著名力学家、教育家。舅舅：1953年毕业于清华大学无线电工程系；历任清华大学副教授、教授、无线电电子学系主任，电子物理与器件教材编委会第一、二届主任委员。爸爸：高立人，清华大学教授。妈妈：张克群，著名的建筑学家，国家一级注册建筑师，著名建筑学家梁思成的学生，也是清华大学毕业。他家最“差”的他妹妹也是博士毕业，老早就去了德国。难怪高晓松可以在媒体面前扬言：“硕士在我家都是低学历。”也难怪他可以把清华博士批的一无是处。 他说这一切需要建立在必须有这个实力之上，四叔没有，大多数人没有，高晓松有。 但我们反观，高晓松之前的话也没有错误，他指的名校毕业不应该找工作而是需要另一种“深造”，这种“深造”要凌驾于普通“找工作”之上，比如说出国深造，建设国家，改变人类，创造科技。总之，如果你清华毕业，还停留在只为找工作谋生的阶段，那你在清华毕业生里只能是不合格！高晓松想表达的那类精英群体，他们不会被工作所抑制，他们是这个国家的重器，他们在每一个领域都出类拔萃，他们甚至可以改变人类，改变历史，我想这类人大部分上到大三大四时已经被各种渠道“抢”走了吧，想在人才市场见到，也属难矣！我们反观电影《无问西东》里的四代清华人，在这座中国最顶级的高等学府里，这群最聪明的人的命运总是与时代捆得很紧。 20年代，旧朝代结束，军阀混战思潮交汇，学生吴岭澜的乱世命题是：生命是什么？应该如何度过自己的一生？40年代，正值战乱，富家子沈光耀，心心念的是保家卫国，他最终选择了参加空军；60年代，陈鹏的心愿是建设国家。他后来被选入第九研究所，去了边疆研究原子弹；2012年左右，剧情变得有些模糊。张果果为了拿到奶粉合同，跑医院找到即将出生的四胞胎想做宣传。最后合作没谈成，他反倒救助了后者。这似乎是在探讨商业和人性——当金钱逐渐成为社会评判成功的唯一标准，那么，最后回归到一个问题：清华人的使命到底是什么？这个答案不用去寻找，因为最好的答案是无问西东。 有人说，这是一个让人伤感的时代，某些院校职称评审拉关系套近乎，某些毕业论文需要造假，学生成群结队网咖游戏，老师不重视教学质量。甚至“读书无用论”大肆而起，学习本身开始受到质疑。让很多潜心学艺的人没有拿到应有的荣耀，而不劳而获的人却斩获功劳。 看了《无问西东》后，我们大概就可以理解高晓松的愤怒。这样的顶级学府一直追求的是厚德载物，血脉传承。然而现在真实社会却充斥着浮躁和诱惑，但不管在哪个时代，那些苦心经营，用功钻研的人都会得到应有的结果，因为这个世界会悄悄犒赏会学习、在改变的人。如果你只是普通人，你没有高晓松那样显赫的家世，或者没有学霸那样的天赋，最实用的方法就是用学历改变自己的命运，让自己努力成为想成为的人。不论在哪个时代：学历是你立足的硬件，实力是你的软件！ 四叔想说，以上嘉宾的对话和见解没有对错，电影里人物时代的缩写也没有是非，你活在哪个时代，就尽其责，知其命。但前提是你在哪个时代，就应该做哪个时代的事，别把大时代的事情做小了，不论发生什么事，都要踏实走好每一步，无问西东。 四叔| 作者网络 | 插图网络 | 论点收起

空气动力学、对旋技术、流体力学...这些普通人难以触及的尖端学科和技术，如今已经坠入凡间，被运用在普通家电上，颠覆了人们的衣食住行。这背后离不开一位90后科研人，他就是美的研究院院长助理兼流体力学研究所所长胡斯特博士。1990年出生的胡斯特，2008年考入北京大学工学院工程结构分析专业，而后攻读流体力学博士。专攻航空发动机空气动力学研究的他，博士毕业后并没有顺理成章地进入航空航天科研企业，而是加入了美的中央研究院。两年内，他历任先行研究工程师、流体机械实验室主任。2019年7月，他成为美的中央研究院院长助理兼流体力学研究所所长，也是研究院最年轻的所长。美的研究院院长助理兼流体力学研究所所长 胡斯特博士让尖端技术坠入凡间对于选择进入企业自建研究机构的原因，他坦言：“我一直有一种工程师情怀，希望能够学以致用，设计出实实在在的产品。”同时，让他产生浓厚兴趣的是，如果选择家电行业的话，那些尖端技术就有机会走进千家万户。进入美的中央研究院后，他就发现自己的选择是正确的。而且，他越来越感受到这个平台可以提供更好的环境，既能够聚焦一些偏基础的研究，又能够将研究成果转化落到产品上。对此，他将自己的感受概括为四个字：“非常过瘾”。在美的中央研究院的三年多来，胡斯特主导了对旋技术的研究，研发了高效率、低噪声的对旋轴流风机设计方法，实现对风感的主动控制，引领新一代无风感技术。他率先将其运用到家电中，研发出首款搭载对旋技术的家用空调“东风空调”，获得行业的高度认可。更值得称道的是，胡斯特立足于家电产品风机风道设计体系领域，建立了美的集团流体力学的技术体系，突破了三维叶轮设计、射流引射等一系列行业前沿技术。此外，他还主导和参与了多个重要项目的研发，噪音、效率等指标均领先行业，更屡获殊荣。基础研究应与产业紧密结合关于企业自建研究机构这一模式，胡斯特认为：“这种模式是未来的趋势。”他表示，由于中国大量企业正处于转型阶段，原本的核心竞争力是通过规模化而获得的成本优势。而随着市场需求的逐渐饱以及竞争的加剧，很多企业开始加大研发投入，以提升产品竞争力。同时，在企业研发能力和产品制造能力的提升，越来越多的企业将迈入全球行业的领先位置，再想提升研发能力，就不可避免走入无人区，需要投入更多的资源进行研究。作为科研人，胡斯特对中国在基础研究存在短板这一话题有不同的看法。他认为，事实上，中国的基础研究能力在全球已经处于一线水平。但现在身处产业界，他发现中国基础研究存在一个致命的问题，就是与产业之间的联系不够紧密。科学问题应该从工程应用中来，最终回到工程应用中去。而目前，有些基础研究课题与工程应用的实际情况出现了脱节，因此会出现科研能力不弱，产业界却存在很多“卡脖子”的技术难题。如今，越来越多的科学家、科研人员成为企业家和管理者，也是出于这一原因。一方面，说明越来越多的企业重视技术研发，能够提供更好的环境，让科学家、科研工作者能够发挥出自己的才能。另一方面，说明越来越多的科学家愿意走进产业界、服务产业界，共同推动中国制造业的转型和发展。最后，当问到改变世界的话题时，胡斯特的回答非常质朴，但正代表了每一位科学家和科研人的初心。他说：“我只想研究真正能带给人们衣食住行革命性变化的新技术。”收起

杨净 发自 凹非寺量子位 报道 | 公众号 QbitAI北京航空航天大学2020届博士毕业生侯涛刚，最近因为这条朋友圈火了。1996年出生，别人还在研究生头秃的年纪，他不仅拿下博士毕业证，还受聘211高校北京交通大学，成为电子信息工程学院副教授。有网友羡慕他的年轻有为，有网友说人生规划得精准……更有网友觉得天才和机遇都不可复制。但侯涛刚告诉我们，对于工作的选择，也有疫情等猝不及防的原因。外界只能看到结果的「甜」，看不到过程中的「苦」：他原本已准备MIT攻读博士后，后因为疫情、外部环境等原因戛然而止，于是只好开始一边写论文一边找工作。而受聘北交大副教授，在他看来其实也是机缘巧合，赶上了好时候：近年来，国家也在改革和完善科技评价制度，尝试破除「四唯」等人才评价体系，更加重视研究成果的前沿性和创新性，以及研究内容的实际应用价值。谈到找工作的结果，侯涛刚认为要感谢自己对于机器人这个兴趣爱好的不懈坚持和学校提供的良好平台环境。大一获大奖，由此与机器人结缘对侯涛刚影响最大的一个项目，可能就是大一时参加的冯如杯了。这个一般大二大三才参加的比赛，他刚入学时就参加并勇夺一等奖，还获得了保研资格。当时，这在北航应该还是第一个。比赛项目叫做《全功能障碍物信息探测越障勘探车》。顾名思义，就是通过简单的传感器配合便能对前方障碍物进行识别，还能根据不同类型的障碍物采取对应的越障动作，比如自身攀高、下降、跨越……实在不行，咱避让也成。此外，这个勘探车还具有「仿生学姿态恢复」功能。如果一不小心「翻车」了，它还能模拟乌龟自动恢复原来姿态。上下楼梯，都不在话下～决定参加之后，他就开启了自学模式，大半年时间他从机器人入门到能独立制成一个能上下楼梯、跨越沟壑的机器人。其中大部分都是他在寒假时一个人独立在家里完成的，随后在学校里又跟着新加入的小伙伴一起完善。谈及寒假在家里制作的时光，他毫不夸张的说，自己一天都没有休息。最终，这个勘探车被学校永久保留，并放置新主楼展览，而他也就此与机器人结下不解之缘。在接下来的8年时光中，作为主负责人，他共完成了7个机器人项目。仿人形远程遥操作机器人（2013）多功能三自由度控变宽度机器人（2014）基于阻塞效应的变刚度软体抓持器（2015-2016）医疗服务机器人（2016-2017）花卉生产智能转运机器人（2017-2019）线驱动下肢外骨骼机器人（2018-2019）仿生飞乌贼软体跨海空航行器（2016-2019）其中大四时做的「医疗服务机器人」项目算是第一个落地转化的项目——一个面向老人的智慧陪护机器人萌萌。它具有视频通话和语音交互，摄像头随动转向，凝视功能，行走和避障功能，自动充电功能；远程问诊等功能，当时就已经有了300台小批量的量产。也是从那时候开始，侯涛刚了解了如何将一个科创产品落地转化，如何按照模具开发，标准化设计形成一个市场化产品。本科四年，他回顾说，可以尽情做自己喜欢的机器人项目。但这种状态，并没有一直持续。到了博士阶段，他经历了所有博士都会经历的迷茫……“年轻博士”，如何面对科研压力在量子位之前的文章中，「博士学位是否有那么重要吗？」「博士五年未发文章是一种什么样的体验」，都曾看到每一个博生或多或少都曾经历过的选择题——「是否要坚持下去？」侯涛刚也不例外。在刚入选高博班（由机械工程及自动化学院，高等理工学院联合培养）时，他陷入了很大的心理煎熬，是继续研究偏实践的机器人项目，还是转向前沿领域——跨介质飞行器。一开始，他选择了喜欢的机器人项目。他曾试图在机器人方向找一些突破点去做，但真正实践起来很难。他也了解到，做这个方向的就很难毕业。所以在博士一年级结束时，他还没有取得一点成果。当时很多人就问他，「你看别人都发了几篇论文了，你怎么啥都没有」。当时心里就曾闪过念头，自己本科做了那么多工程项目，研究生选择读博是不是一个错误的选择？但他告诉自己一定要坚持下去。最后经过多方考虑，以及导师和师兄师姐的支持，他选择转向「跨介质飞行器」这一前沿领域。跨介质飞行器，顾名思义，就是一个集成「空中飞行」和「水下潜水隐身」两种能力的航行器。这个领域不仅涉及到机器人设计工作，还涉及到很多流体力学相关内容，对他来讲是一种全新的挑战。接下来就是逼迫自己从工程应用思维向理论研究思维转换，学习如果撰写科研论文，如何总结关键科学问题。经过第一年和第二年的困惑期，最终科研成果相继发表。侯涛刚表示，这是每一个博士都需要经历的一个过程。在这个过程中，你是不是能够告诉自己坚持下去，能够有毅力、有决心的把这条路走下去，我觉得是一个比较关键的问题。作为一个16岁进入北航、然后就获得冯如杯一等奖的人，一路免不了成为众人焦点。「诶，你是不是天才啊？」「你发了多少篇论文了呀？」……22岁，别人本科毕业的年纪，侯涛刚即将博士三年级入学。这种异于常人的“加速度”，让知乎上突然有一篇关于他的问题——「如何评价马上毕业的北航22岁博士研究生？」很快，侯涛刚自己也关注到了，他回忆说，当时有同学转给我这个问答还是挺紧张的，因为不知道大家会怎么评价。当时自己本身也没达到毕业要求，但他觉得不管怎样，大家的评论也是对自己的一个鞭策和鼓励。那时候，侯涛刚对自己说，「那我一定要尽快毕业了，大家期待那么高，万一没有尽快毕业，岂不是到时候就丢脸了吗？」在博士的最后两年，侯涛刚坦言自己也挺辛苦的，每天晚上四五点回寝室很正常，通宵的时候也很多，有时候甚至一天不吃饭的去干自己的项目和课题。侯涛刚说：其实自己挺笨的，只是付出的时间比别人多而已。「天道酬勤，勇于攀登」，侯涛刚回想起去年在评五四奖章时说到的一句话。「天道酬勤」意味着就要严格要求自己付出足够的时间和精力，「勇于攀登」就是在追求知识的道路上不要放弃，坚持走下去。而这样的精神，侯涛刚说也是受到了他导师——王田苗教授深深的影响。王老师虽然年近六旬，但工作强度要远远大于年轻人。不论是在出差的高铁上，还是在夜里12点，总能看到他忙碌的身影。趁着吃饭和走在路上的时间和学生相约讨论研究进展也是常有的事。这样的付出，也带来应有的回报。他的研究成果发表在机器人顶级会议ICRA，机构学刊物Mech. Mach. Theory, 仿生机器人刊物Bioinspir. Biomim，国内期刊新华文摘等。整个学生生涯共发表9篇一作文章，申请专利11项，部分成果获得了IEEE SPECTRUM，中国青年报等媒体报道。他的研究及创业团队获得了首都挑战杯创业比赛金奖，首都挑战杯科技作品竞赛一等奖，北京市优秀创业团队等。再回顾知乎那个问题，侯涛刚现在这样说：这样看来，我确实还是没有完成（22岁博士毕业），答辩的时候我23岁，现在正式毕业刚过完24岁生日。兴趣始于少年：小时候玩四驱车的头头虽说与机器人结缘是从大一的冯如杯开始，但这样的动手能力和兴趣爱好，是从小开始的。侯涛刚回忆，自己从小就特别喜欢玩玩具，什么遥控车，小飞机，尤其是四驱车。当时，侯涛刚不知怎么捣鼓就get了修四驱车的技能。小伙伴们有要修的都找他修，再加上爸妈又给他买了专用跑道，大家也都想去他家玩，一来二去，他就俨然成为了四驱车的头头。到中学时，他开始各种改装组装玩具了，就拿挖掘机来说，一般挖掘机都是手动的，他就在每个关节上加上电机，再加上一些绳索牵引结构子类的，就制成了一个「遥控挖掘机」。做这些事情，还离不开父亲的支持。父亲在建材厂上班，当自己没有工具时，父亲就会帮他在厂里加工一些东西，改装一些结构。侯涛刚还说，自己做这些完全都是因为兴趣，家那边根本接触不到那些机器人比赛，没有这个条件。之后，他还经历了一段小插曲。他开始玩「穿越火线」，甚至到了一发不可收拾的状态，成绩一下子从班里前一两名到了倒数第几名。侯涛刚回忆道：那时候爸妈就啥都不让我玩了，包括做的那些遥控玩具。于是在高二时他又奋发图强了一下，成绩又从全部倒数第几名到全班前几名。然后爸妈就不太限制了。果然，天下爸妈都一个样。但当时学习也开始比较紧张了，玩的就也没有以前多了，主要精力也就放在了学习上。从小时候对四驱车感兴趣，到初高中时候自己去动手创造一些东西，再考上北航参加冯如杯，后来创建北航机器人协会（社团），侯涛刚认为这一切其实是水到渠成的事情。当然，侯涛刚也不避讳，自己现在取得的成果，有快速学习能力的功劳。他认为，如果说自己有什么不同于同龄人的能力，那最明显的就是学习新事物的能力。比如：学日语。学习秘籍：快速学习的能力他曾在大四时实现一个创举——半年速成日语。当时，他前往日本筑波大学工学院理工学群「工业机器人」课题组进行为期半年的学习交流。最终，在半年学习之后，他实现了用日语完成答辩。这种速度谈得上速成，他从两个方面分享了方法和心得。一是强输入，每天自学2-3小时。当时去日本时连50音图都不会，为了便于跟日本学者交流，便决定自学那本黄皮书《新标准日本语》从早上到晚上只要一有时间，实验室活干完了，就一直学、背和听。二是创造氛围——耳濡目染的日语环境，以及实践。在日常生活中用日语交流，比如，去想吃什么、去哪里玩、今天天气怎么样……在第4个月时，基本上就能听懂实验室里的讨论了。最后一个月决定用日语答辩后就开始恶补日语，日常交流时也几乎不用英语了。当时答辩顺利完成，身边的几个日本同学都觉得不可思议。而这只是他的快速学习能力，在日语方面的“应用”。这种能力，并没有随着工作落定而中止。现在，侯涛刚已经在北京交通大学入职，对于自己之后的打算，他谈到，除了继续进行前沿技术研究之外，也有几个机器人创业落地的项目开展。而当我们问他给刚入学的大学新生建议时，侯涛刚也给出了4个方面：1、作为全新的开始，要有一定的观念，不要一进校就想着玩、打游戏。不过，谈恋爱当然不影响哈。2、要找准自己喜欢的方向，努力去锻炼自己的技术能力，也不能只关注自己的学习成绩。3、要有决心和毅力，花时间去付出很重要。4、积极寻求跟其他小伙伴合作，这样更加高效。最后，分享侯涛刚强调的一句话做结尾：不管你是到底是不是有天赋，是不是有聪明才智，只要对自己严格要求去付出时间和精力，不要放弃，就一定能做成一件事情。（ps：祝侯博士新婚快乐^_^）收起