大连理工大学博士计算力学专业目录

工程力学这个专业给人的感觉就是你必须一直读下去：读完本科读硕士，读完硕士读博士，读了博士还有博士后。大家的认识基本就是：工程力学是纯理论性的东西，你学的目的就是教别人。在我没有进入这个专业之前，我也很迷茫，担心将来的就业情况。其实有这种感觉的人也不只是我一个，记得硕士生复试的时候，老师问完学生问题，然后学生自由提问的时候，大家最关心的问题就是：“工程力学的就业前景和待遇怎么样？”。尽管老师当时就指出，工程力学不仅仅是纯力学，还和工程问题相结合，将来的工作也还可以，但是大家都不太相信。现在我也快毕业了，我就结合我们班的就业情况，说一说工程力学的就业情况吧。当然，由于我们学校本身是一所教育部下属的工科院校。目前已经就业的情况，工程力学专业的毕业生的去向有：1 学校和科研单位选择研究所的人占了很大一部分比例。大多数是航空集团下属的研究所。这种单位的工资水平不是很高，但是也是比较安稳的。工作地点主要在沈阳、西安、北京、上海。去学校当老师的相对少一些，主要是由于目前硕士生的扩招，学校对老师的学历要求也随之提高。2 继续读博这也是很多工程力学硕士生的选择。而且很大一部分选择了继续在南航读博，除了南航的工程力学实力比较雄厚原因之外，导师因素和本身对硕士课题比较了解也是一个原因。由于硕士期间对课题有一定的理解，有利于博士期间展开研究。这一部分人将来博士毕业基本上是去学校当老师。3 国防单位很大原因是南航在本科的时候招收了国防生，这些国防生读完了硕士就去部队工作了。4 外企一些人进了外企，比如三星、爱默生、福特等等。这些单位做的工作包括有限元计算，优化，软件开发等等。这种单位待遇相对好一些，当然劳动强度也高。5 其他除了以上这些去向，还有人选择考公务员，或者到和本科专业相关的单位，比如就有本科专业是土木工程的同学毕业后去建筑设计研究院。因此，工程力学的就业面是比较广的。但是，如果要找个好工作还是比较难的，这里所谓的“好”综合了单位、待遇、工作地点等因素。我的体会就是，如果你除了有比较扎实的力学知识，还有别方面的知识，这样在就业的时候就比较有优势。很好就业，研究生都好就业！祝你找份好工作收起

工程力抄学的范畴很大工程力学袭属于应用科学的范畴，以理论、实验和计算机仿真为主要手段，研究工程技术中的普遍规律和共性问题，并直接为工程技术服务，涉及航空、航天、建筑、机械、汽车、造船、环境和生物医药等诸多领域。本专业培养具备工程力学的理论知识、现代计算技术和实验能力，能在工程力学的领域中继续深造的高级科学技术人才，或从事工程实践的高级工程技术人才。毕业生可选择报考本专业及相关学科专业的硕士研究生。收起

杨振宁是1922年10月1日生于安徽合肥（后来他的出生日期在1975年的出国护照上误写成了1922年9月22日）。他出生不满周岁，父亲杨武之考取公费留美生而出国了。4岁时，母亲开始教他认方块字，1年多的时间教了他3千个字。杨振宁在50岁时回忆说：'现在我所有认得的字加起来，估计不超过那个数目的2倍。' 1928年杨振宁6岁的时候，父亲从美国回来，一见面就问他念过书没有？他说念过了。念过什么书？念过《龙文鞭影》。叫他背，他就都背出来了。杨振宁回忆道：'父亲接着问我书上讲的是什么意思，我完全不能解释。不过，我记得他还是奖了我一支钢笔，那是我从来没有见过的东西。' 杨振宁读小学时，数学和语文成绩都很好。中学还没有毕业，就考入了西南联大，那是在1938年，他才16岁。1942年，20岁的杨振宁大学毕业，旋即进入清华大学的研究院。两年后，他以优异成绩获得了硕士学位，并考上了公费留美生，于1945年赴美进芝加哥大学，1948年获博士学位。 1949年，杨振宁进入普林斯顿高等研究院做博士后，开始同李政道合作进行粒子物理的研究工作，其间遇到许多令人迷惑的现象和不能解决的问题。他们大胆怀疑，小心求证，最终推翻了宇称守恒律，使迷惑消失，问题解决。杨振宁在1957年诺贝尔演讲中这样说道：'那时候，物理学家发现他们所处的情况就好像一个人在一间黑屋子里摸索出路一样。他知道在某个方向上，必定有一个能使他脱离困境的门。然而究竟在哪个方向呢？'原来，那个方向就是宇称守恒定律不适用于弱相互作用。' 杨振宁对物理学的贡献范围很广，包括粒子物理学、统计力学和凝聚态物理学等。除了同李政道一起发现宇称不守恒之外，杨振宁还率先与米尔斯（R.L.Mills）提出了'杨-米尔斯规范场'，与巴克斯特（R.Baxter）创立了'杨-巴克斯方程'。美国物理学家、诺贝尔奖获得者赛格瑞（E.Segre）推崇杨振宁是'全世界几十年来可以算为全才的三个理论物理学家之一'。 杨振宁谨记父亲杨武之的遗训：'有生应记国恩隆'。他在1971年夏，是美国科学家中率先访华的。他说：'作为一名中国血统的美国科学家，我有责任帮助这两个与我休戚相关的国家建立起一座了解和友谊的桥梁。我也感觉到，在中国科技发展的道途中，我应该贡献一些力量。' 杨振宁是这样说，也是这样做的。6年来，他频繁穿梭往来于中美之间，做了许多卓有成效的学术联系工作。他写过这样两句诗：'云水风雷变幻急，物竞天存争朝夕。'人们赞扬在理论物理前沿度过了半个世纪的诺贝尔奖得奖人杨振宁是一位坚忍不拔、具数学天才的科学家。他致力于揭示自然的对称性，而这些对称性常常是隐藏在杂乱的实验物理结果的后面。 杨振宁长时期在看来是神秘的物理学和数学的十字路口工作。在这个领域内，一组漂亮的方程式可以是灵感的源泉，甚至可以在还没有实验证据以前就洞察物理世界是怎样运转的。这是一个外行很难懂的世界，其中有充满了希腊字母的方程式的黑板，有寻求用数学去解决问题的“品味”和“风格”，有寻求用正确语言来描述物理世界的出自内心的灵感。 物理学家戴森去年在石溪为杨振宁退休所举行的学术讨论会上说：“杨振宁对数学的美妙的品味照耀着他所有的工作。它使他的不是那么重要的工作成为精致的艺术品，使他的深奥的推测成为杰作。”这使得他“对于自然神秘的结构比别人看得更深远一些”。 杨振宁已有华发，可是看起来比他的实际年龄年轻得多。他仍穿梭于纽约和远东之间。他和香港以及北京的大学有密切的联系，并且是设在南朝鲜汉城的一个理论物理中心的主席。 在关于他的生活和时代的一次广泛的谈话中，杨振宁谈到他的物理学生涯，谈到他没有能从事某些领域的研究而感到的遗憾。杨振宁也谈到他在中国童年和他长时间为沟通美国和自己的祖国在科学和文化方面的差异所作的努力。杨振宁谈到他担心中美关系的裂痕会扩大，以及由于新近对台湾出生的物理学家李文和间谍活动嫌疑的调查，将为亚洲和亚裔美国科学家带来的困难。·1971年中美关系开始解冻，杨振宁自1945年到美国来当研究生以后第一次回到中国大陆。他会见了已故的周恩来和中国的其他领导人，帮助开展了两国之间的科学合作。他担心这些合作将面临危险。 那时候，当他从国外旅行回来后，联邦调查局和中央情报局的人员常常去找他。中央情报局的官员第一次去找杨振宁时杨要让他的秘书记录他们的谈话，以免误解。杨振宁继续保持和中国的密切联系，他说：“联邦调查局和中央情报局近来没有再来找我的麻烦。” 杨振宁最关心的是科学而不是政治。他谈到自己的一些经历：一个从中国偏僻地区一个落后的城市来的年轻学生，怎么会有幸参与20世纪一个最主要的思想革命。这场革命是试图用一个统一的方法来了解自然的无穷多样性，从混沌的星球爆炸到电子环绕原子核的颤动。 1956年杨振宁第一次出名。那一年他和李政道共同发表了一篇文章，推翻了物理学的中心信息之一——宇称守恒参考资料：http://ke..com/view/2127.html?wtp=tt收起

工程力学这个专业给人的感觉就是你必须一直读下去：读完本科读硕士，6432读完硕士读博士，读了博士还有博士后。大家的认识基本就是：工程力学是纯理论性的东西，你学的目的就是教别人。在我没有进入这个专业之前，我也很迷茫，担心将来的就业情况。其实有这种感觉的人也不只是我一个，记得硕士生复试的时候，老师问完学生问题，然后学生自由提问的时候，大家最关心的问题就是：“工程力学的就业前景和待遇怎么样？”。尽管老师当时就指出，工程力学不仅仅是纯力学，还和工程问题相结合，将来的工作也还可以，但是大家都不太相信。 现在我也快毕业了，我就结合我们班的就业情况，说一说工程力学的就业情况吧。当然，由于我们学校本身是一所教育部下属的工科院校。目前已经就业的情况，工程力学专业的毕业生的去向有： 1 学校和科研单位 选择研究所的人占了很大一部分比例。大多数是航空集团下属的研究所。这种单位的工资水平不是很高，但是也是比较安稳的。工作地点主要在沈阳、西安、北京、上海。去学校当老师的相对少一些，主要是由于目前硕士生的扩招，学校对老师的学历要求也随之提高。 2 继续读博 这也是很多工程力学硕士生的选择。而且很大一部分选择了继续在南航读博，除了南航的工程力学实力比较雄厚原因之外，导师因素和本身对硕士课题比较了解也是一个原因。由于硕士期间对课题有一定的理解，有利于博士期间展开研究。这一部分人将来博士毕业基本上是去学校当老师。 3 国防单位 很大原因是南航在本科的时候招收了国防生，这些国防生读完了硕士就去部队工作了。 4 外企 一些人进了外企，比如三星、爱默生、福特等等。这些单位做的工作包括有限元计算，优化，软件开发等等。这种单位待遇相对好一些，当然劳动强度也高。 5 其他 除了以上这些去向，还有人选择考公务员，或者到和本科专业相关的单位，比如就有本科专业是土木工程的同学毕业后去建筑设计研究院。 因此，工程力学的就业面是比较广的。但是，如果要找个好工作还是比较难的，这里所谓的“好”综合了单位、待遇、工作地点等因素。我的体会就是，如果你除了有比较扎实的力学知识，还有别方面的知识，这样在就业的时候就比较有优势。收起

＝。＝北航力学倒是还不错，不过读博还是考虑出国读吧，个人感觉....因人而异收起

美国的固体力学专业送交者：solim 美国的固体力学(Solid mechanics)是个小专业，没有3262363064正式排名。通常所谓排名很多以规模取胜，十分误导。 要说固体力学的academic reputation，稍微懂行的都知道哈佛是老大吧。 单看看现在美国固体力学呼风唤雨的人物，几乎清一色是哈佛派的。 美国力学界把Hutchinson和Rice叫做God of solid mechanics。几乎美国 各个名校都有他们的学生、博士后在任教。现任名校固体力学faculty的 中国人也大多毕业于哈佛：高（Stanford），锁（Harvard），黄（UIUC)， 卢(Cambridge)，陈(Columbia)。 Brown是过去的老大现在也很强，从Prager到现在的Freund，Clifton, Needleman等也都很有影响。布朗和哈佛渊源很深，同属哈佛派。布朗又延伸出了Caltech那批人。 历史上Columbia和Lehigh也很牛。UPenn和Cornell也有一定实力。 Stanford, Berkeley现在恰恰没有什么搞solid mechanics的。不然高华建也不会出走了。 MIT目前那几个搞solid mechanics的也没成什么大气候。拿的钱不多。 西北是唯一试图另立山头试图挑战哈佛派的，不过最近两年两派比较友好。 西北的实力还是比较强的，尤其计算方面。 UIUC，UMich, Gatech, UT-Austin规模大一些。也牛得很。可以参考 foresure留学工学院收起

毕业636f707962616964757a686964616f31333365646234后可在机械、土木工程类企业从事工程计算和强度分析工作，也可在科技、教育部门从事科研、教学工作。工程力学专业的就业前景工程力学这个专业给人的感觉就是你必须一直读下去：读完本科读硕士，读完硕士读博士，读了博士还有博士后。大家的认识基本就是：工程力学是纯理论性的东西，你学的目的就是教别人。在我没有进入这个专业之前，我也很迷茫，担心将来的就业情况。其实有这种感觉的人也不只是我一个，记得硕士生复试的时候，老师问完学生问题，然后学生自由提问的时候，大家最关心的问题就是：“工程力学的就业前景和待遇怎么样？”。尽管老师当时就指出，工程力学不仅仅是纯力学，还和工程问题相结合，将来的工作也还可以，但是大家都不太相信。  现在我也快毕业了，我就结合我们班的就业情况，说一说工程力学的就业情况吧。当然，由于我们学校本身是一所教育部下属的工科院校。目前已经就业的情况，工程力学专业的毕业生的去向有：1 学校和科研单位 选择研究所的人占了很大一部分比例。大多数是航空集团下属的研究所。这种单位的工资水平不是很高，但是也是比较安稳的。工作地点主要在沈阳、西安、北京、上海。去学校当老师的相对少一些，主要是由于目前硕士生的扩招，学校对老师的学历要求也随之提高。  2 继续读博 这也是很多工程力学硕士生的选择。而且很大一部分选择了继续在南航读博，除了南航的工程力学实力比较雄厚原因之外，导师因素和本身对硕士课题比较了解也是一个原因。由于硕士期间对课题有一定的理解，有利于博士期间展开研究。这一部分人将来博士毕业基本上是去学校当老师。  3 国防单位 很大原因是南航在本科的时候招收了国防生，这些国防生读完了硕士就去部队工作了。  4 外企 一些人进了外企，比如三星、爱默生、福特等等。这些单位做的工作包括有限元计算，优化，软件开发等等。这种单位待遇相对好一些，当然劳动强度也高。  5 其他 除了以上这些去向，还有人选择考公务员，或者到和本科专业相关的单位，比如就有本科专业是土木工程的同学毕业后去建筑设计研究院。 因此，工程力学的就业面是比较广的。但是，如果要找个好工作还是比较难的，这里所谓的“好”综合了单位、待遇、工作地点等因素。我的体会就是，如果你除了有比较扎实的力学知识，还有别方面的知识，这样在就业的时候就比较有优势。比如你还熟练某种计算机语言、掌握了某个大型软件、或者你会一门其它语言，甚至你有一些艺术细胞（我面试时考官就这样问的，因为他们希望开发的产品除了功能强大，界面也要比较出色）。    工程力学的应用主要是和机械强度有关的领域。比如土木建筑，比如飞机设计中机身的强度问题，再比如飞机发动机的叶片的材料强度。工程力学的应用广的很，很多领域都有应用。和材料打交道的很多。 不过不同的学校会有不同的侧重。建筑科技大学可能会侧重于在建筑领域中的应用，而诸如北航、南航和西北工大这样的学校会较多地侧重于其在航空航天领域的应用。       工程力学是基础课程,其实你到了研究生有可以有很多方向了!工程力学的本科不是学的工程力学而是学的几大类力学!理论力学,材料力学等10几门力学! 工程力学专业很少学土木方面的知识,更别说是预算，或者工程监理,那是工程管理做的事情! 工程力学不是土木分支,而是公共基础,我们系弹性力学老师有教金融工程的研究生,也就是说力学可以搞金融方向,用的是弹性力学的理论方法和建模哦!其次有限元分析是力学方向的一大特色,ANASYS这个软件非力学专业的学生很难学,因为里面都是解力的问题,本科出来就可以去重工,航天航空的公司,做有限元!还有材料力学可以做材料方面的开发,可以去很多做零件,板材,纳米材料的公司!因为你会学到材料利力学,塑性力学,疲劳与断裂等知识就是这个方向的!还有流体力学,也方向非常多飞机制造场,酒泉发射中心,汽车空调洗衣机厂都流体的知识,流体在煤燃烧方面也有运用!流体力学还有生物力学的方向,可以研究血液循环,心脏起搏方面的内容!流体力学还可以去气象局工作和海洋工程,震动力学可以让你去地震局工作! 专心学好每门力学,以后找个方向发展很好的。收起

工程力学这个专业给人的感觉就是你必须一直读下去：读完本科读硕士，读完硕士读博士，读了博士还有博士后。大家的认识基本就是：工程力学是纯理论性的东西，你学的目的就是教别人。在我没有进入这个专业之前，我也很迷茫，担心将来的就业情况。其实有这种感觉的人也不只是我一个，记得硕士生复试的时候，老师问完学生问题，然后学生自由提问的时候，大家最关心的问题就是：“工程力学的就业前景和待遇怎么样？”。尽管老师当时就指出，工程力学不仅仅是纯力学，还和工程问题相结合，将来的工作也还可以，但是大家都不太相信。现在我也快毕业了，我就结合我们班的就业情况，说一说工程力学的就业情况吧。当然，由于我们学校本身是一所国防科工委下属的航空院校，就业方面当然是国防单位和航空方面的比较多。目前已经就业的情况，工程力学专业的毕业生的去向有：1 学校和科研单位选择研究所的人占了很大一部分比例。大多数是航空集团下属的研究所。这种单位的工资水平不是很高，但是也是比较安稳的。工作地点主要在沈阳、西安、北京、上海。去学校当老师的相对少一些，主要是由于目前硕士生的扩招，学校对老师的学历要求也随之提高。2 继续读博这也是很多工程力学硕士生的选择。而且很大一部分选择了继续在南航读博，除了南航的工程力学实力比较雄厚原因之外，导师因素和本身对硕士课题比较了解也是一个原因。由于硕士期间对课题有一定的理解，有利于博士期间展开研究。这一部分人将来博士毕业基本上是去学校当老师。3 国防单位很大原因是南航在本科的时候招收了国防生，这些国防生读完了硕士就去部队工作了。4 外企一些人进了外企，比如三星、爱默生、福特等等。这些单位做的工作包括有限元计算，优化，软件开发等等。这种单位待遇相对好一些，当然劳动强度也高。5 其他除了以上这些去向，还有人选择考公务员，或者到和本科专业相关的单位，比如就有本科专业是土木工程的同学毕业后去建筑设计研究院。因此，工程力学的就业面是比较广的。但是，如果要找个好工作还是比较难的，这里所谓的“好”综合了单位、待遇、工作地点等因素。我的体会就是，如果你除了有比较扎实的力学知识，还有别方面的知识，这样在就业的时候就比较有优势。比如你还熟练某种计算机语言、掌握了某个大型软件、或者你会一门其它语言，甚至你有一些艺术细胞（我面试时考官就这样问的，因为他们希望开发的产品除了功能强大，界面也要比较出色）。收起

工程力学这个专业给人的感觉就是你必须一直读下去3332643165：读完本科读硕士，读完硕士读博士，读了博士还有博士后。大家的认识基本就是：工程力学是纯理论性的东西，你学的目的就是教别人。在我没有进入这个专业之前，我也很迷茫，担心将来的就业情况。其实有这种感觉的人也不只是我一个，记得硕士生复试的时候，老师问完学生问题，然后学生自由提问的时候，大家最关心的问题就是：“工程力学的就业前景和待遇怎么样？”。尽管老师当时就指出，工程力学不仅仅是纯力学，还和工程问题相结合，将来的工作也还可以，但是大家都不太相信。现在我也快毕业了，我就结合我们班的就业情况，说一说工程力学的就业情况吧。当然，由于我们学校本身是一所教育部下属的工科院校。目前已经就业的情况，工程力学专业的毕业生的去向有：1 学校和科研单位选择研究所的人占了很大一部分比例。大多数是航空集团下属的研究所。这种单位的工资水平不是很高，但是也是比较安稳的。工作地点主要在沈阳、西安、北京、上海。去学校当老师的相对少一些，主要是由于目前硕士生的扩招，学校对老师的学历要求也随之提高。2 继续读博这也是很多工程力学硕士生的选择。而且很大一部分选择了继续在南航读博，除了南航的工程力学实力比较雄厚原因之外，导师因素和本身对硕士课题比较了解也是一个原因。由于硕士期间对课题有一定的理解，有利于博士期间展开研究。这一部分人将来博士毕业基本上是去学校当老师。3 国防单位很大原因是南航在本科的时候招收了国防生，这些国防生读完了硕士就去部队工作了。4 外企一些人进了外企，比如三星、爱默生、福特等等。这些单位做的工作包括有限元计算，优化，软件开发等等。这种单位待遇相对好一些，当然劳动强度也高。5 其他除了以上这些去向，还有人选择考公务员，或者到和本科专业相关的单位，比如就有本科专业是土木工程的同学毕业后去建筑设计研究院。因此，工程力学的就业面是比较广的。但是，如果要找个好工作还是比较难的，这里所谓的“好”综合了单位、待遇、工作地点等因素。收起

结构与分子生物学领域结构与分子生物学以蛋白质三维结构为基础，结合分3337373665子细胞生物学和生物化学，研究与重要生命活动相关的蛋白质及其复合物、组装体的结构，以及它们与功能的关系，探索蛋白质折叠的规律，发展生物信息学新理论新方法，为解决关系人类健康与疾病的关键问题提供新的理论依据。以“生物大分子国家重点实验室”为核心，吸纳国内外蛋白质化学、分子遗传学、生物信息学、X射线晶体学、核磁共振波谱学、电子晶体学、生物质谱及其它谱学和分子细胞生物学等多方面优秀科学家，组建了结构与分子生物学研究中心。 重点研究方向：重要生命活动相关蛋白质的三维结构与功能研究重要蛋白质三维结构与功能研究；重要膜蛋白功能与结构以及膜脂－膜蛋白相互作用的研究；活细胞内蛋白质相互作用研究。蛋白质折叠规律的研究蛋白质及新生肽链折叠；蛋白质聚集规律及其结构相关疑难病症发生的分子机理。计算生物学新理论、新方法研究蛋白质结构预测新方法研究；比较基因组学的研究；非编码区的信息结构分析。蛋白质与多肽药物研究蛋白质与多肽药物的发现；蛋白质与多肽药物的质量控制；蛋白质与多肽药物的给药系统。纳米生物学纳米生物材料的性质、有序组装技术及表征；纳米生物分子器件。分子神经生物学视觉信息处理、学习记忆、神经系统的发育等复杂脑功能的分子机制，以及神经退行性疾病的分子生物学基础。脑与认知科学领域中国科学院生物物理研究所脑与认知科学以感知觉的神经基础为主要研究方向，在行为、细胞及分子层次上，研究感知觉信息的基本表达、感知觉信息加工的神经基础以及感知觉信息加工的分子基础，为认识脑、保护脑、创造脑奠定科学基础。研究所以“中国科学院视觉信息加工重点实验室”和“中国科学院认知科学重点实验室”为基础，吸纳国内外本领域优秀科学家组建了脑与认知科学研究中心。 重点研究方向：感知觉信息的基本表达感知觉信息基本表达的认知科学实验研究；智力模块性的脑认知成像研究；高时空分辨率的脑认知成像方法的研究。感知觉信息加工的神经基础大脑皮层感觉区的功能组织；视听觉中注意的神经机制；感知觉信息加工的模型和模拟。感知觉信息加工的分子基础联想学习中脑对感知觉信息加工的分子机制；感知觉系统发育基因的调控。学习和记忆的细胞分子机制系统生物学领域中国科学院生物物理研究所系统生物学是继基因组学、蛋白质组学之后生物学的一门新兴学科，代表21世纪生物学的未来。系统生物学是要采用系统科学的方法，将生物过程不是作为孤立的很多部分而是作为整个系统来定量研究。它借助和发展多学科交叉的新技术方法，研究功能生命系统中所有组成成分的系统行为、相互联系以及动力学特性，进而揭示生命系统设计与控制基本规律。为了顺应学科发展的需要和发挥生物物理研究所多学科交叉的优势，我们及时确立了发展系统生物学，组建系统生物学研究中心的战略定位。 重点研究方向：系统生物学的方法学研究主要研发适合于系统生物学研究需求的大容量、高通量研究方法和技术，如高通量的细胞和细胞器分选、蛋白质相互作用关系和动力学特性研究等。模式生物系统研究主要选择合适的模式生物，如果蝇、小鼠等，研究其中诸如内分泌、免疫和神经等模式生物系统的全部系统构成成分和动力学特性，描述系统的输入和输出信息流程，揭示其系统的设计和调控规律。生物信息学研究发展和完善适合于描述和模拟复杂生物系统的软件系统，研究复杂生物系统的算法和数学模型，收集、整合、维护海量级增长的实验数据，复杂生物系统的动态仿真等。功能结构基因组学研究以感染与免疫为切入点，系统地测定一批重要蛋白质、蛋白质复合物、蛋白质复杂体系的三维结构，深入研究其功能。膜蛋白质组学研究生物膜动态变化相关膜蛋白质组学研究；疾病相关膜蛋白质组学研究。感染与免疫科学领域感染与免疫科学以人类肝炎、艾滋病、SARS等传染性疾病等重大感染性疾病为研究对象，建立感染动物模型体系，在生理生化、组织细胞、遗传基因等不同水平上，对病原微生物的结构特性和与宿主之间的相互作用、机体免疫细胞和效应分子的活化和表达、免疫应答过程的信号传导、免疫反应的分子调控等方面进行理论和应用方面的研究。研究所吸引多位海外与国内分子免疫学科学家为学术领导力量组建了感染与免疫中心，积极发挥多学科交叉综合的优势，作为研究所新的学术研究方向。重点研究方向：与病毒感染相关的T细胞发育、激活和效应的分子和细胞免疫机制研究感染引起的免疫记忆的细胞和分子免疫机理病毒感染的天然免疫与宿主限制的分子机制共刺激分子在T细胞激活和免疫耐受中的调控作用树突状细胞的发育和功能、Pre-DC2/IPCs在抗感染免疫中的作用TNF超家族成员淋巴毒素和受体LTβR分子之间的相互作用病毒和宿主之间相互作用的分子机理与病毒感染的治疗与诊断细胞分化和凋亡的信号转导收起

在我念大学的时候，如果有人告诉我，某人四大力学可以全考到满分。我一定以为他没睡醒，做梦呢。四大力学，哪个不是挂了无数人，全满分，这不是开玩笑吗？然而有人做到了，庄小威，初中开始就上的是中科大少年班预备班，一个不小心就把《理论力学》，《电动力学》，《量子力学》和《热力学、统计物理》四大力学全考了个满分。前无古人，后面有没有来者目前还不知道，但即使有来者，估计也是和她一样的超级学神。中科大毕业就到了加州伯克利分校，杨振宁建议她学实验物理，于是她就学了，随随便便就拿到了博士学位。博士毕业后，想去斯坦福找个工作，估计是助教之类的工作吧，被拒了。这样的天才会被拒？是的，你没看错，确实是被拒了。学霸一怒，通常都是一种结果，不是考证就是读学位，显然这位女学霸也没跳出这个规律。她投身到斯坦福朱棣文教授下去做博后，这很有点较劲的意思，你拒了我，我就让你看看我有多出色！不但读博士后，还转到了生物领域，但接下来的三年，她啥也没研究出来，但在这三年中，她的一些奇思妙想经常让她的教授被打击到 ，可见这三年也不是白熬的。博士后毕业，她拿到了哈佛，耶鲁，麻省理工，普林斯顿等7所大学的邀请。她选择了哈佛，在这里，研究工作获得了突破，从而获得了麦克阿瑟天才奖，成为当年获奖者里最年轻的一位。和今年的诺贝尔化学奖一样，庄小威的工作也是将显微镜的最大观察限度放大到了分子级别。她是世界上第一个记录病毒感染细胞全过程的人。没得到诺奖的原因只不过是她不是这领域的开创者，并非她的研究没有效果。34岁，受聘为哈佛的正教授，40岁，当选为美国国家科学院院士，43岁当选为中国科学院外籍院士。整个开挂一样的人生。这女孩为什么会这么成功？家庭，庄小威的父母全是中科大的教授，良好的家庭氛围和父母重视教育的习惯对她的影响极大。天赋，在她念幼儿园的时候，父亲有次和其他孩子讲题，说到一杯水放在桌子上有几个力？男孩回答，两个，杯子和水的重力和桌子对它的支持力，女孩子在边上插嘴，还有一个空气对杯子的作用力。小小年纪就对物理有了相当不错的理解。至于平时做作业，她从来都是一心两用，一边听评书或者音乐，一边做作业，不但两边都不耽误，还效率奇高。努力，在哈佛，她每天上午10点工作到晚上12点，天天如此，全年无休。用她自己的话来说，就是除了吃饭睡觉，就是学习和工作。可见，任何成功都不是偶然。良好的家庭教育背景，绝佳的天赋，在加上非人的努力，才有她今天的成功。表面上是开挂一样的人生，背后一样是无数的汗水浇灌出来的果实。收起

编程一台计算机通常是一个相当艰难的过程，涉及几个小时的编码，更不用说繁琐的调试、测试和记录工作，以确保其正常工作。对于哈佛 - 麻省理工学院超冷原子研究中心和加州理工学院的物理学家们来说，实际情况上要困难得多。在哈佛大学物理系实验室工作的哈佛大学教授米哈伊尔·卢金和马库斯·格雷纳以及麻省理工学院教授弗拉丹·弗鲁伊联合领导的研究小组开发了一种特殊类型的量子计算机 - 量子模拟器，用激光冷却铷原子，并按特定顺序排列，然后让量子力学做必要的计算。该系统可以用来揭示一系列复杂的量子过程，包括量子力学和材料属性之间的联系，它可以研究物质的新阶段，解决复杂的现实世界优化问题。该系统在“自然”杂志上被发表。研究人员说，该系统的大尺寸和高度量子相干性的结合使其成为重要的成就。超过50个相干量子比特，这是有史以来最大的量子体系之一，具有独立的组装和测量。在同一个自然问题上，马里兰大学联合量子研究所的一个研究小组，描述了一个同样大小的带电离子系统，也用激光进行控制。总之，这些互补性的进步构成了向大型量子机器迈进的重要一步。卢金说：“所有事情都发生在一个小型的真空室里，在这里我们有一个非常稀薄的原子蒸气，这个蒸气被冷却到绝对零度。“当我们把大约100个激光束聚焦在这个云层上时，它们每个都像一个陷阱。这些光束聚焦非常紧密，可以抓住一个原子或零点，他们绝不能抓住两个。那就是开始的乐趣。使用显微镜，研究人员可以实时拍摄所捕获的原子图像，然后以任意图案进行排列，以供输入。卢金实验室的博士后阿罕默德.奥姆兰说：“我们以一种非常可控的方式来组装它们。”他是该设备的核心之一。从一个随机性组装模式开始，我们就需要决定哪个设定需要去哪里，并安排到所需的集群。随着研究人员开始将能量输入系统，原子开始相互作用。这些相互作用给系统带来了量子性质。奥姆兰说：“我们让原子相互作用，这就是计算的真正原因。实质上，当我们用激光激发系统时，它自由组织。我们并不是说这个原子必须是1或者一个0，我们可以轻而易举地把原子扔光，但是我们做的是让原子为我们执行计算，然后我们测量结果”。卢金及其同事表示，这些结果可以揭示复杂的量子力学现象，这些现象几乎不可能用传统的计算机模拟。“如果你有一个抽象的模型，其中有一定数量的粒子以某种方式相互作用，那么问题是为什么我们不坐在电脑上模拟这种模式呢？”博士问道。学生亚历山大.基斯林，是另一位合作者。“原因是因为这些相互作用本质是量子力学的。如果您尝试在计算机上模拟这些系统，那么您将被限制，并且参数数量有限”。他补充说：“如果你把系统做得越来越大，你很快就会耗尽内存和计算能力。“解决这个问题的方法是用粒子遵循与你正在模拟的系统相同的规则来构建问题。这就是为什么我们称之为量子模拟器”。尽管可以使用经典的计算机来模拟小量子系统，但由卢金和他的同事开发的模拟器使用51个量子位，使得使用常规计算技术复制几乎是不可能的。他说：“重要的是，我们可以通过使用我们的机器模拟小型系统开始”。所以我们能够证明这些结果是正确的。直到我们到达更大的系统。“当我们开始时，所有的原子都处于标准状态。当我们读到最后的时候，我们会得到一串标准的点”。卢金实验室的另一位博士后汉尼斯.伯尼说。“但是为了从开始到结束，我们必须经历复杂的量子力学状态。如果你有一个很大的错误率，量子力学状态将崩溃”。伯尼说，这就是相干量子态，它允许系统作为模拟器工作，同时也使得该机器成为深入了解复杂量子现象，并最终进行有效计算的有价值的工具。该系统已经允许研究人员获得独特的见解，不同类型的量子相位之间的转换，称为量子相变。通常，当你谈论物质的各个阶段时，你会说物质处于平衡状态。但是一些非常有趣的物质状态，可能会发生在远离平衡的地方，而量子领域中有很多可能性。这是一个全新的领域。研究人员已经看到了这些国家的证据。在对新系统进行的首批实验之一中，团队发现了一个连贯的非平衡状态，这个状态在相当长的时间内保持稳定。量子计算机将被用来实现和研究未来几年物质的非平衡状态。另一个有趣的方向涉及解决复杂的优化问题。事实证明，通过编程原子位置和它们之间的相互作用，可以编码一些非常复杂的问题。在这样的系统中，一些提出的量子算法可能会超越传统的机器。目前还不清楚，因为我们不能明确地测试它们。但是我们正处于进入这个机制的边缘，我们可以在包含或超过100个受控量子位的全量子机器上测试它们。科学地说，这真的很令人兴奋。本文属于由科技原创，转载请联系后台。文|由小来图片来源于网络收起

擀面吃面历史悠久，但擀面时为何要从周围擀起、为何要卷着擀、擀面翘边是什么原因，煮面时又为什么要加凉水？大家都这么做，但估计很少有人知道为什么……近日，西工大留法博士张亚辉就写了篇论文《手擀面加工过程中的非线性力学及热力学原理》，一本正经地回答了这些问题！西北工业大学留法博士写论文，解释"擀面科学原理”和面为啥要“饧（xíng）面”（和好面后首先形成一个粗结构面团，还不能擀面，需经过约10分钟左右的时效成形）？文章分析称，经过时效处理，水分得以均匀扩散，其塑性性能大幅度提升。时效成形过程示意图 来源：公众号“亚辉”为何要卷着擀面？文章图文分析，沿砧板法线方向对在某一擀面时刻的卷积面片作以分割，法线左侧已擀区厚度较薄，法线右侧未擀区厚度较厚；与平面擀面法类似，未擀区在法线方向接触区域内受压迫变薄，根据体积不变条件，材料向前延展，从而达到擀薄目的。由于卷积擀面法具有多层次擀面、多周期循环的优点，其擀面效率大为提高。平面擀面法 来源：公众号“亚辉”卷积擀面法 来源：公众号“亚辉”为啥煮面时沸腾后要加冷水？煮面的实质是面条和环境介质发生热交换，从而使面条由生变熟。液体的传热效率远远大于气体，剧烈沸腾状态下，面条与水气混合介质的传热效率反而会降低。因此少量添加冷水减缓沸腾程度有利于将面条尽快煮熟。煮面过程中热交换介质示意图 来源：公众号“亚辉”论文作者：写这篇论文只是为了幽默一把论文的作者张亚辉本科和研究生就读于西北工业大学，专业为飞行器设计，三年前赴法国巴黎萨克雷大学攻读博士。“其实我本意是为了幽默一把，这些科学原理本科生都懂的。”张亚辉说，这篇文章严格意义上来说不算论文，只能算是一篇科普文章。张亚辉说，科研圈很多人都在做类似的研究，有人分析怎么穿秋裤更利于保暖、有人研究女孩子跑步时马尾的摆动频率的力学原理，这种从日常题材入手，用专业的研究方法进行定量研究，价值在于科学研究方法。学霸们每天都在想些啥？对于很多人来说，学霸的世界一直都是未知领域。沉浸在科研中的学霸们都在想些啥？以下这些“神论文”可能会让你笑着跪下……《八角茴香对卤鸡肉挥发性风味的影响极其作用机制》这篇阐述八角茴香与卤鸡肉之间关系的论文长达8万字，是陕西师范大学的女博士孙灵霞的博士学位论文。孙灵霞表示，这篇论文是在研究传统的酱卤肉制品。网友：“不愧是陕西吃饭大学，一道卤鸡都能研究的这么专业……”《网络会话中“呵呵”的功能研究》这篇硕士学位论文的指导导师认为，该篇论文从现代语言学上来说非常有意义，论实了“呵呵”用语在网络上表达的不同含义。论石头剪刀布的制胜攻略浙江大学、浙江工商大学、中国科学院组成的跨学科团队称，通过实验发现了“石头、剪刀、布”的制胜策略。研究发现，在一定情况下，赢了会更多选择保留刚刚获胜的策略，输则更多按照“石头剪刀布”的名称顺序变动，而平的则按照“石头布剪刀”这样的反方向顺序变动。这项此前被讥为“吃饱了撑的”研究，入选了“麻省理工学院科技评论2014年度最优”。怎样才能抢微信红包，才能“手气最佳”？说起有趣的学霸，不能不提清华大学化工系的“网红”博士——“毕导”毕啸天。他给自己发了五千万个红包，发现最佳手气的概率在5个人抢的时候是依次递减的。又给自己发了两亿个红包，得出的结论：抢红包的人比较多的时候，越往后往往抢到手气最佳的概率越大。怎么样科学地保暖为思考这个问题，毕导建立了传热学的模型。经过计算发现，当你把秋衣穿在外面，把风衣穿在里面的时候，你的散热功率比“秋衣在内风衣在外”的穿法小了整整2W。所以，科学的穿法是：秋衣外穿……薯片掉在地上还能不能吃？毕导画了一张Matlab的图，模拟了一个薯片掉在地上的样子。一个弧面掉在一个平面上面，是一个相切接触，即两个面其实是相交于一条线。一个薯片掉在地上脏了吗？脏了。脏了多少呢？脏了一根线。一根线的面积是多少呢？等于零。所以没脏。反过来掉也没有关系，就算你直立地插在地上，它的相接就会变成从两个点到一个点。一条线、两个点、一个点，它面积都是零。这叫相切可吃定理。也就是说对于薯片这样子的东西，不管怎么样，都是可以吃的。收起

南方科技大学近日清华大学副校长薛其坤履新南方科技大学校长，这条消息受到了很多主流媒体的报道，之所以受到广为关注，主要是因为这两所学校都不是一般的学校，尤其是南方科技大学作为一所创新型大学，建校不到十年，但科研实力雄厚，经常在一些大学排名中，位居高内高校前列。南方科技大学和普通高校在校长任职上有很大不同，大多数高校的校长平均任职5年以上，多则10年以上，而南方科技大学校长平均五年一届，到目前为止已历经3任校长，这3任校长全都是两院院士，比清华北大还牛！01.来自清华大学的“7-11”院士薛其坤在《开讲啦》节目中演讲的薛其坤院士此次履新的薛其坤校长是我国材料物理学专家，长期从事超薄膜材料的制备、表征及其物理性能研究，曾担任国家纳米科学中心首席科学家，2005年11月，当选为中国科学院院士。薛其坤是山东临沂人，1980年通过高考进入山东大学光学系激光专业学习，研究生就读于中国科学院物理研究所，研究生毕业后先后在日本东北大学金属材料研究所和美国北卡罗莱纳州立大学物理系担任过教官和助理教授，此后回国发展，并获得国家杰出青年基金资助。薛其坤在中科院担任要职8年，2006年4月，进入清华大学物理系历任系副主任、理学院院长、校长助理等职务，2013年5月出任清华大学副校长至今。薛其坤在相关领域有着极高的成就，先后 获得陈嘉庚数理科学奖、万人计划首批杰出人才、未来科学大奖“物质科学奖”、2020年度菲列兹·伦敦奖等行业知名奖项。在清华大学工作期间，薛其坤有个比院士和副校长更知名的头衔，那就是“7.11”，其实就是他的工作时间，每天早上7点扎进实验室，一直干到晚上11点。据本人介绍，这个作息时间源自其日本留学时的“魔鬼训练”，一直坚持了20年，并把这个习惯带到了清华大学。02.曾任北大研究生院院长的陈十一院士前任南方科技大学校长陈十一院士前任校长陈十一是浙江天台人，本科和研究生分别就读于浙江大学和北京大学力学系，研究生毕业后就进入美国洛斯·阿拉莫斯国家实验室做博士后研究工作，这也是是该实验室接受的第一个中国内地博士后。2001年陈十一回国，进入北京大学工作，历任科学与工程计算中心主任、研究生院院长、北京大学副校长等职务。陈十一是我国流体力学领域的顶级专家，主要从事湍流理论与计算流体力学方面的工作，并在湍流领域做出了世界级贡献，2013年底当选为中国科学院院士，2018年初，当选发展中国家科学院院士。陈十一院士从2015年初就任南方科技大学校长至今已有5年，因此此次职务变动属于任期届满卸任。03.曾主掌中科大十年的朱清时院士南方科技大学首任校长朱清时院士朱清时是我国知名的化学家和自然科学家，曾分别在美国加州大学、美国布鲁克海文实验室、加拿大国家研究院、法国巴黎大学等做访问学者、客座科学家、客座教授，并作为英国皇家学会客座研究员在剑桥、牛津和诺丁汉大学工作。1991年，朱清时当选为中国科学院院士。1994年7月，开始在中国科技大学从事教学科研工作， 并主持创建了中国科学院选键化学重点实验室。1998年6月开始担任中国科技大学校长直到2008 年9月卸任，在就任中国科大校长这十年时间，朱清时致力于规划和组织学校面向21世纪建设一流大学，卓有成效地推进学校教学、科研、管理和后勤服务等各项事业的改革与发展。卸任中国科技大学校长后，朱清时院士被聘任为四川大学教授，2009年9月，被深圳市政府聘为南方科技大学首任校长。在南方科技大学任职期间，朱清时创新地推出“先行先试，自主招生，自授学位，自颁文凭”的办学模式，引起社会强烈关注，成为中国教育改革的风云人物。04.报考难度极高的南方科技大学南方科技大学南方科技大学的招生模式和很多普通高校不太一样，大多数双一流高校都是在本科一批招生的，而南方科技大学采用的是“6+3+1”模式（即高考分数占60%，学校测试占30%，高中学业成绩占10%），所有专业（除了广东省以外）都是在提前批招生的。想要报考南方科技大学，仅仅高考分数高是不够的，因为高考成绩完全可以被剩余的40%给平均 掉，因此所谓的高考中的“黑马”是不太适合报考这所学校的。南方科技大学虽然不是双一流，但是颇受考生的关注。据学校招生信息显示，学校2020年本科招生计划是1100人，但有1.4万余人参加学校综合评价招生能力测试，在招生录取时，南科大发布特别声明，湖北、广西、辽宁等省份投档人数为实际录取人数的4倍以上，因此超过招生计划的大部分“低分”考生被退档。不过因为是提前批招生，所以不影响后续批次的录取。总的来说，南方科技大学的学生高考分数不一定有双一流名校的高，但报考难度是相当大的。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

作为老陕，擀面吃面历史悠久，但擀面时为何要从周围擀起、为何要卷着擀、擀面翘边是什么原因，煮面时又为什么要加凉水？近日，西工大一位留法博士写了一篇论文，回答了这些问题。昨日，一篇留法博士写的名为《手擀面加工过程中的非线性力学及热力学原理》在朋友圈火了，文章点击量突破十万加。一位西工大的教师在文章后留言：在西安之外吃面，大部分时候是后悔的。其根本的原因是西安人一般只吃现做的手工面。如果不是酷爱吃面又在西安有多年吃面的经历，估计根本不可能写出这篇文章。西工大的学生除了研究造飞机、造导弹、造鱼雷，还有此热情研究手擀面问题，国之幸也！这篇论文，讲的是老陕熟悉的手擀面，将和面、擀面、煮面的全过程展示出来，从科学的角度回答了为什么要饧（xíng）面、为何要卷着擀、擀面翘边是什么原因，煮面时又为什么要加少量凉水。>>和面和面为啥要饧面？会使水分均匀扩散，面团塑性提升文章中称，和好面后首先形成一个粗结构面团，还不能擀面，需经过约10分钟左右的时效成形（即“饧面”），面团塑性提升，面团很快就达到细光态，之所以会这样，是因为和面过程中，水和面粉混合，面粉中蛋白质吸水形成面筋，在揉面过程中面筋相互粘连最终形成粗结构面团。由于初始揉面过程中，水分并不是均匀分布的。经过时效处理后，水分得以均匀扩散，其塑性性能大幅度提升，从而使揉面变得十分容易，很快达到细光态。>>擀面原理：体积不变厚度减小平面扩展从面团到面片包含着什么道理呢？文章中称，平面擀面法其塑性流动法则遵循体积不变假设，厚度的减小必然意味着平面的扩展。面片在擀面杖的压迫作用下，沿擀面方向延展，最终达到擀薄的目的。为何要卷着擀面？文章图文分析，沿砧板法线方向对在某一擀面时刻的卷积面片作以分割，法线左侧已擀区厚度较薄，法线右侧未擀区厚度较厚；与平面擀面法类似，未擀区在法线方向接触区域内受压迫变薄，根据体积不变条件，材料向前延展，从而达到擀薄目的。由于卷积擀面法具有多层次擀面、多周期循环的优点，其擀面效率大为提高。为啥面片边缘会翘起？弹性恢复导致面片边缘回弹为什么擀面的过程中，面饼和面片的边缘会翘起？文章回答称，以平面擀面法为例，在擀面过程中，面片上表面在擀面杖作用下延展，延展后的上表面有弹性恢复的趋势，故在上表面会产生一个拉应力。在面片边缘区域，由于局部塑形流动，上表面的材料会补偿到下表面，从而导致下表面弹性收缩趋势远小于上表面。另外，上表面是自由面，下表面与砧板接触，面片与砧板间的摩擦力会进一步阻碍下表面的弹性恢复。由于上表面的弹性恢复，擀面后面片会产生回弹现象，即表现为边缘的翘曲。显然，面片越厚，上述效果越显著。为啥面片中心最易擀薄？每次都处在主变形方向上为何擀面时面片中心最容易擀薄？文章称，这是擀面过程中材料塑性流动的另一个必然结果。面片沿擀面杖擀进方向的塑性流动最大，即擀面杖擀进方向是面片的主变形方向。根据体积不变条件，延展越大，厚度减小越大。以平面擀面法为例，不论擀面方向如何变化，面片中心区域一直处在主变形方向上。显然，在同等的擀面条件下，面片中心厚度减小最大。为了改善这一现象，初始擀面过程中，往往遵循先边缘、后中心的原则，以便在中心地带形成高地，形似富士山，我们将其命名为“富士山擀面法”。在具体实践中，富士山擀面法已得到广泛应用。>>煮面为啥煮面时沸腾后要加冷水？有利于将面条煮熟很多人煮面时沸腾后会加冷水，除了为了防止溢锅外，还有什么原因呢？文章介绍，煮面的实质是面条和环境介质发生热交换，从而使面条由生变熟，所以面条吸收热量的快慢则成为煮面的关键。热交换除了与温度有关外，还与不同介质间的传热效率有关。处在剧烈沸腾态时，大量气泡产生。沸水与气泡温度一致，然而，液体的传热效率远远大于气体（液体的热量密度远高于气体），剧烈沸腾状态下面条与水气混合介质的传热效率反而会降低。所以，此时少量添加冷水减缓沸腾程度有利于将面条尽快煮熟。但也不应该添加冷水过多，否则显著降低水温又会降低传热效率。正确的煮面方法应该为：旺火快煮，剧烈沸腾时应添加少量冷水，加水量以恰好减缓沸腾又不降低水温为宜。张亚辉: 写这篇论文只是为了幽默一把昨日，华商报记者电话连线了论文的作者张亚辉，他本科和研究生就读于西北工业大学，专业为飞行器设计，三年前赴法国巴黎萨克雷大学攻读博士。张亚辉说，在法留学吃西餐吃多了就会腻，于是他就自己学着做饭，晚饭和周末都自己做饭吃。张亚辉家在宝鸡，和所有老陕一样从小吃面长大，虽然在家里很少擀面，但看着妈妈擀面也学了几手。大约半年前，他开始自己擀面，刚开始和面擀面把握不好，后来经过多次练习，掌握了擀面的要领，“不敢说全法最正宗，全巴黎最正宗肯定是没问题的。”“其实我本意是为了幽默一把，这些科学原理本科生都懂的。”张亚辉说，这篇文章严格意义上来说不算论文，只能算是一篇科普文章。4月13日，张亚辉将这篇论文发到了自己的微信公众号上，截至昨日，这篇文章的点击量已经突破十万加。而且很多人指出了文章的一些瑕疵。张亚辉说，有的问题并非他的专业领域，他不一定能回答上来，但是能获得这样的关注度他很高兴。张亚辉说，科研圈很多人都在做类似的研究，有人分析怎么穿秋裤更利于保暖、有人研究女孩子跑步时马尾的摆动频率的力学原理，这种从日常题材入手，用专业的研究方法进行定量研究，价值在于科学研究方法。附论文全文：手擀面加工过程中的非线性力学及热力学问题Unité de Mécanique, ENSTA-Paristech, UniversitéParis-Saclay, 828 BD des Marechaux, 91120 Palaiseau摘要本文对手擀面加工过程中涉及的非线性力学及热力学问题进行了分析，主要涉及：I.揉面过程的时效成形原理；II.擀面过程中的非线性变形机理；III.煮面过程中的火候控制问题。结合分析结果，本文对如何做出一碗可口筋道的手擀面给出了可行性建议。1.引言面条作为人类社会最主要的主食之一，自问世以来广为流传，深受人们喜爱。其形态各异，或细如龙须，或宽如裤带；其吃法百搭，或略施榨菜，或鱼头高汤。一碗面条下肚，生活便有了意义。我国劳动人民在长期的吃面实践中，创造性地摸索出了纷繁复杂的面条加工方法。以刀削面为代表的切削成形法，面条口感筋道凌厉，然其技术要求过高，非常人居家所能及。以扯面拉面拉条子为代表的超塑性成形法风靡全国，然其前处理过于复杂，多用于面馆经营批量生产。以挂面为代表的时效成形法，面条风干耐储藏，然其工序耗时过长，只适用于商品化生产。与其他成形方法相比，手擀面以其耗时短、技术门槛低、面条样式灵活多变的显著优点，应用最为广泛，尤其以作者所在的关中一带，更是形成了家家户户把面擀的盛景奇观。然而擀面看似简单，背后却蕴藏了极为复杂的力学原理。作为一种典型的粘塑性材料，面团在擀成面条的过程中呈现出复杂的非线性力学行为，时至今日，相关研究仍然极为欠缺。为了弥补此项空白，本文对手擀面加工过程中的非线性力学及热力学问题进行了系统的实验及理论研究。各章安排如下：第二章介绍了实验部分，包括材料属性及实验流程；第三章给出了理论分析，对“醒面”、擀面、煮面过程中涉及的非线性力学及热力学知识进行了详尽分析。第四章对全文工作进行了总结，并对未来工作做了展望。2.实验本文所用面粉为T45小麦粉，购于Auchan Villebon超市。和面用水为冷自来水，未加盐，未加碱。水面混合比为目测，只可意会，不可量化。经初步和面揉面，制成粗结构面团。静置约10分钟后（即“醒面”），将面团揉至细光态（表面无可见杂质），然后擀面、切面、煮面、吃面。实验照片由尼康D5200单反相机和荣耀6智能手机拍摄。另加工猪里脊肉及芹菜若干作为配菜，因对本文研究内容无实质影响，故不赘述。3.理论分析3.1 醒面过程中的时效成形原理图1给出了经过初步和面、揉面得到的粗结构面团。粗结构面团远未达到擀面要求，且其精加工十分困难，具体表现在：I.揉面很费力；II. 迟迟无法达到细光态。经过约10分钟左右的时效成形（即“醒面”，以下统称时效），面团塑性大幅度提升，揉面过程变得省时省力，面团很快即达到细光态，如图2。图1 粗结构面团图2 细光态面团图3给出了面团在时效成形过程中的微结构演化过程。和面过程中，水和面粉混合，面粉中蛋白质吸水形成面筋，在揉面过程中面筋相互粘连最终形成粗结构面团。然而，由于初始揉面过程中，水分并不是均匀分布的，所以实际形成的粗结构面团是一种各向异性材料，可近似为水分含量大的基体区夹杂着水分含量小的干燥硬质区（微距实验观测见图4）。干燥硬质区作为增强相会显著降低面团的塑性。在初步揉面过程中，不同的局部硬质区的阻碍作用导致面团塑性流动性变差；加之蛋白质大分子在外力作用下相互纠缠，亦会在面团内部会产生残余应力，进一步导致面团的力学性能变差。图3 时效成形过程示意图图4 粗结构面团的微距实验观测经过时效处理后，水分得以均匀扩散，干燥硬质区消失；由于不再有硬质区的阻碍作用，加之蛋白质大分子的松弛重构，面团可视为各向同性材料，其塑性性能大幅度提升，从而使揉面变得十分容易，很快达到细光态。3.2 擀面过程中的非线性变形问题擀面有两种形式：平面擀面法和卷积擀面法。下面予以分别讨论。3.2.1 平面擀面法图5 平面擀面法图5给出了平面擀面法的剖面图，其塑性流动法则遵循体积不变假设。所谓体积不变，即材料在变形过程中不论形状如何变化，其总体积认为保持不变，所以厚度的减小必然意味着平面的扩展。如图5所示，面片在擀面杖的压迫作用下，沿擀面方向延展，最终达到擀薄的目的。3.2.2 卷积擀面法图6 卷积擀面法卷积擀面法的原理与平面擀面法类似，但具体变形过程较为复杂。为简化分析，我们沿砧板法线方向对在某一擀面时刻的卷积面片作以分割（如图6红色虚线），显然，法线左侧为已擀区，厚度较薄，法线右侧为未擀区，厚度较厚；与平面擀面法类似，未擀区在图示法线方向接触区域内受压迫变薄，根据体积不变条件，材料向前延展，从而达到擀薄目的。由于卷积擀面法具有多层次擀面、多周期循环的优点，其擀面效率大为提高。3.2.3 擀面过程中的回弹问题以平面擀面法为例，图7给出了擀面过程中回弹翘曲的产生机理。在擀面过程中，面片上表面在擀面杖作用下延展，延展后的上表面有弹性恢复的趋势，故在上表面会产生一个拉应力。在面片边缘区域，由于局部塑形流动，上表面的材料会补偿到下表面，从而导致下表面弹性收缩趋势远小于上表面。另外，上表面是自由面，下表面与砧板接触，面片与砧板间的摩擦力会进一步阻碍下表面的弹性恢复。由于上表面的弹性恢复，擀面后面片会产生回弹现象，即表现为边缘的翘曲，实验观测结果在图8中给出。显然，面片越厚，上述效果越显著。在实际擀面过程中，初始阶段的平面擀面法回弹量大，中后期的卷积擀面法回弹量小，直至最后回弹完全消失。图7 回弹示意图图8 回弹实验观测结果3.2.4 中心变薄问题在擀面过程中，面片中心最容易擀薄，这是擀面过程中材料塑性流动的另一个必然结果。根据3.2.1节及3.2.2节的分析，面片沿擀面杖擀进方向的塑性流动最大，即擀面杖擀进方向是面片的主变形方向。根据体积不变条件，延展越大，厚度减小越大。如图9所示，以平面擀面法为例，不论擀面方向如何变化，面片中心区域一直处在主变形方向上。显然，在同等的擀面条件下，面片中心厚度减小最大。为了改善这一现象，初始擀面过程中，往往遵循先边缘、后中心的原则，以便在中心地带形成高地，形似富士山，我们将其命名为“富士山擀面法”。在具体实践中，富士山擀面法已得到广泛应用。图9 主变形方向及其在循环擀面过程中的变换图10给出了遵循“富士山擀面法”得到最终的面条形态，由图可以看出，面条厚度十分均匀。图10 最终面条形态4. 煮面过程中的火候控制问题由于面条在水中浸泡过久会严重影响口感，所以煮面必须遵循旺火快煮的原则。在出现剧烈沸腾后，为了避免溢锅，往往会添加少量冷水终止沸腾状态。然而，在很多完全不会出现溢锅的情况下（例如锅大面少），沸腾后需不需要添加冷水呢？本章对这一问题给出了解释。煮面的实质是面条和环境介质发生热交换，从而使面条由生变熟，所以面条吸收热量的快慢则成为煮面的关键。热交换除了与温度有关外，还与不同介质间的传热效率有关。如图11所示，处在剧烈沸腾态时，大量气泡产生。图12给出了面条与介质的热交换示意图，沸水与气泡温度一致，然而，液体的传热效率远远大于气体（液体的热量密度远高于气体），剧烈沸腾状态下面条与水气混合介质的传热效率反而会降低。所以，此时少量添加冷水减缓沸腾程度有利于将面条尽快煮熟。但也不应该添加冷水过多，否则显著降低水温又会降低传热效率。图11 煮面过程中的剧烈沸腾态图 12 煮面过程中热交换介质示意图综上，正确的煮面方法应该为：旺火快煮，剧烈沸腾时应添加少量冷水，加水量以恰好减缓沸腾又不降低水温为宜。当然在具体煮面实践中，无需如此精确，尽快煮熟即可。图13给出了遵循本方法得到的煮面结果，经过试吃评估效果，怎一个赞字了得。图13 手擀面最终效果5. 结论本文研究了手擀面加工过程中非线性力学及热力学问题，主要结论可归纳为以下几点：I.时效可显著提高粗结构面团的力学性能；II.擀面过程的塑性流动遵循体积不变条件；面片上表面的弹性恢复是导致面片边缘回弹翘曲的主要原因；由于面片中心每次都处在主变形方向上，故最易擀薄；III.煮面过程中出现剧烈沸腾后适量添加冷水有助于加快煮面速度。作为一种含糖量极高的碳水化合物，面条虽好，多吃易胖。如何在保持体型的过程中科学吃面，依然是亟待解决的重要问题。这将在下一步工作中予以考虑。致谢本文未受任何项目或基金的资助，在此均不予以感谢。参考文献本文所用知识可在任何一本非线性力学书籍中获得，故不再详述。（来源：灼见微信公号）收起

2019 年 12 月 14 日，《麻省理工科技评论》公布了 2019 年“35 岁以下科技创新 35 人”（Innovators Under 35 China）中国区榜单。在本届榜单上，虽然缺失了“创业家”的身影，但是我们看到了许多在具有产业化潜能的领域坚持科研使命的获奖人，也看到更多散布在海外顶尖学术机构的科学家们，用自身不改初心的坚持努力，取得了世界级标竿成就的科研成果，其中有超过半数以上的获奖者，都取得了世界级的突破性研究成果与发现。我们将陆续发出对 35 位获奖者的独家专访，介绍他们的科技创新成果与经验，以及他们对科技趋势的理解与判断。关于 Innovators Under 35 China 榜单自 1999 年起，《麻省理工科技评论》每年都会推出“35 岁以下科技创新 35 人”榜单，旨在于全球范围内评选出被认为最有才华、最具创新精神，以及最有可能改变世界的 35 位年轻技术创新者或企业家，共分为发明家、创业家、远见者、人文关怀者及先锋者五类。2017 年，该榜单正式推出中国区评选，遴选中国籍的青年科技创新者。新一届 2020 年度榜单正在征集提名与报名，截止时间 2020 年 6 月 30 日。详情请见文末。马健发明家马健凭借其在人工智能药物研发领域取得的一系列成果，荣膺 2019 年《麻省理工科技评论》“35 岁以下科技创新 35 人”中国区得主。获奖时年龄：35 岁获奖时职位：晶泰科技联合创始人兼 CEO获奖理由：他打造高效、高精度的人工智能药物设计平台，用计算驱动新药研发。在大多数人看来，马健可能走了“弯路”。他在浙江大学攻读博士学位期间研究的是量子信息、量子耗散系统与统计物理，在麻省理工学院进行博士后研究期间，马健主攻的项目是“光合作用能量运输中的量子纠缠效应”。这本是一条科学家的光明大道，研究的都是普通人望尘莫及、驻留在云端之上的领域。然而在 2014 年博士后还未出站之际，马健就决定创业了。他要做药物研发。晶泰科技（XtalPi）于 2014 年创立于麻省理工学院校园，按照其官网介绍，是一家以计算驱动创新的药物研发科技公司，发力在药物发现与发展的关键环节，目前已与多家世界顶级药企及科研机构建立深度合作。据称，其药物固相筛选与设计平台是行业最先进的解决方案之一。他们已经取得了初步成功。迄今晶泰科技已获得来自国寿大健康基金、红杉资本中国基金、腾讯、Google、SIG（海纳亚洲）、真格基金、峰瑞资本等多家顶级机构数千万美金融资，是全球 AI+ 制药领域获得融资额最高的创业公司之一。马健是晶泰科技的联合创始人，CEO。他要做的事情是，将量化计算、人工智能、云计算等核心技术深度融合并应用到小分子药物设计、药物固体形态研究以及工艺开发等环节，大幅提升关键单元的研究效率及整体开发的成功率。目前马健带领团队结合包括通用力场、定制化专有力场、晶体自由能预测、自由能微扰计算、电镜晶体结构解析在内的多种重要方法，围绕整个药物研发过程构建完善的智能药物研发平台。该平台已经成功为辉瑞等 40 余家药企提供包括晶型预测、药物设计、定制化人工智能模型开发在内的多项服务，累计助力超过 100 个新药管线。我们的疑问在于，他为何会选择创业这条路？又是缘于怎样的契机？在 2012 年去麻省理工学院之前，马健的人生规划还是继续钻研学术成为一位优秀的科学家。不过，他对于涉猎不同领域有强烈的兴趣。麻省理工学院浓厚的创业氛围让他有了新的想法，“这里非常鼓励手脑并用，鼓励创新，鼓励把学术成果向未来的产业应用去转化”。图 | 马健在颁奖典礼上做演讲（来源：DeepTech）同时，麻省理工学院所在地——波士顿，是大型药企集中地。诺华、辉瑞等多家药企巨头都在波士顿设有研发中心，这影响了马健与合伙人，使他们的创业构想越来越靠近药物研发。那么，晶泰科技如今的业务和马健的专业还有什么关联呢？据介绍，量化计算是晶泰科技的研究基石之一。通过分子动力学算法，可以实现在原子层面上对药物分子的晶体结构、自由能等进行模拟；通过量子化学计算，可以得到精确的结构和能量信息；通过结合全局优化算法和人工智能算法，可以迅速找到适合用于药物研发的药物固相，并预测其各项物化性质。晶泰科技是一家提供药物研发上游服务的科技公司。马健说，其实药物研发是非常庞大的一个产业链，很难说某个具体的技术能从头贯穿到尾。即使是在处于药物研发早期阶段的药物设计与晶体研究当中，也要通过整合计算化学、量子物理、人工智能到研发过程当中，解决不同环节中的具体问题。与辉瑞、诺华这些药物研发巨头相比，晶泰科技作为一家技术驱动的初创企业有怎样的竞争力呢？马健的看法是，辉瑞们是制药行业的集团军，有资源优势和市场优势，擅长资源整合和管线收购，而晶泰科技要做一个药物研发的特种部队，“我们的攻坚能力非常强”。药物研发是一个高投入、高风险的领域，一款药物从研发到上市需要花费 10 - 15年、 平均投入 26 亿美元，而且平均每 5000 - 10000 个进入研发管线的分子中只有一个能够研发成功。技术驱动的晶泰科技希望能够提高药物研发的效率。马健说，在药物晶型预测方面，晶泰科技的技术表现是远远超过竞争对手的，会大大提高药物研发的成功率。当人工智能算法推荐了成百上千个化合物分子之后，怎么快速地进行虚拟评估？这就需要从蛋白和小分子结合的量子化学层面，理解其作用机制，评估其活性。也就是说，量化计算加快了药物研发的效率，降低了成本。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

站在中国高速铁路发展的风口，每项科研成果的发现与实现，都有可能助力国家交通事业更进一步。而每一项科研成果背后，都离不开矢志科研的专家学者以及即将担起交通事业发展的青年人的努力。而我们今天的主人公郭子健，正是这批青年人之一。郭子健，交通运输工程学院载运工具运用工程专业2018级全日制博士研究生，中南大学与伯明翰大学联合培养博士生，研究方向——列车空气动力学。今年26岁的郭子健，已经共发表SCI论文21篇，总被引123次。其中，他以第一作者或通讯作者身份发表SCI一区论文8篇，三区1篇，四区1篇，有6篇发表在中科院一区期刊上；参与国家自然科学基金、国家十三五重大专项及其他纵横向科研项目近十项，多次参与国内外学术会议；荣获国家奖学金、茅以升铁路教育专项奖学金、中南大学优秀学生标兵等荣誉。“年少有为”，郭子健是对于这四个字的高度诠释。而他荣誉的背后是什么？达成如此成就有何秘籍？让我们一起走近郭子健，听听他的故事。文章担使命2018年十一月份，郭子健成功发表了自己的第一篇SCI。他记得很清楚，其主题是探讨重联列车引起的列车风问题。作为开启研究生新阶段的第一个重磅课题，郭子健对其看得很重，每天都全身心扑在论文上面。而在这一个亟待解决的问题上，这篇论文算是发表最早的一个。第一篇SCI论文的成功，给郭子健带来了巨大的满足感和成就感。而作为一名交通人，肩负着要推动我国的交通事业发展的使命，其光荣感与责任感成为郭子健坚持发表论文的源动力。“一年内以第一作者的身份发表四篇SCI一区论文”，这听起来，好像是不可能完成的事，而郭子健做到了。四篇论文，方向迥异，时限一年，任务艰巨。对此，郭子健说：“我习惯于就写完一个再写另一个，没有刻意去规划每一篇要用多久去写，只能在时间上只争朝夕。”而在发表SCI论文的撰写过程中，郭子健印象最深而且难度最大的一篇正是这四篇论文之中的最后一篇——关于用隧道中的列车风来产生可再生电能的新型理念研究。“我们传统的话只做列车空气动力学，但是这一篇涉及到其他的学科领域，对我来说就完全是陌生的。”交叉学科，范围广，难度大。为此，郭子健只能靠自己一点一点摸索，从基础开始，查阅论文，请教老师，逐渐理清了自己的思路。从一个新手小白出发，在摸索之中慢慢进步，如今在发表多篇论文之后，郭子健给我们分享到：1.论文最重要的就是要知道写论文的主题是什么，所以说第一步就要广读文献来确定主题；之后，根据主题精读相关文献；有了一些文献经验之后，理清这篇文章的结论是想阐述哪些方面的内容，列出相应提纲。很重要的一个部分是列图表，需要明白用哪些图和表来论证主题。完成上述步骤之后，论文的骨架便搭建完毕，然后再深层次的补充一些内容和分析就基本能完成论文工作。2.科研工作中必然离不开阅读文献，一个初学者很可能面临着“看不太懂”、“不知道从何下手”等问题，对此，郭子健的心得体会是：文献阅读我们应该首先从自己身边人的文章出发，比如师兄师姐的文章，仔细研读并虚心请教，这样可以快速弄明白课题组的研究方法和流程，随后就可以去阅读其他优秀的论文专著，拓展自己对学科掌握的宽度。“这个过程一定不能急功近利，不能一味地去完成数量目标，而是要根据自己对文献的吸收情况来弹性地改变阅读进度，自己学到的才算是自己。”3.看论文的过程很枯燥而且看完容易忘，请问师兄在阅读文献方面有什么实用的整理方法?这个当然要推荐文献管理软件了，我自己在用的有Notexpress和Endnote。首先是笔记功能，在阅读每一篇文献的时候，最重要的是把我们的收获和疑问记录下来，然后有时间就去回顾，温习收获并尝试解决疑问。另外我很喜欢的一个功能就是标签，这个可以帮助我们快速索引某类文献，对我这个专业来说，我会加一些比如“横风”、“列车风”和“头型”等等这样的标签给对应的文献，在后续需要回顾或引用的时候就可以马上找到，对我来说是很实用的。在查阅大量文献的过程中，做好阅读笔记是十分必要且关键的环节，需要记录文章的重点研究内容和框架。4.无论在哪一个领域，创新性都是科研工作中至关重要且最难以实现的一点。写论文，依旧如此。“从模仿开始，融百家所长，最后走出一条自己的路。”对于论文创作，郭子健依旧建议稳步进行。通过模仿优秀论文中写作的长处，来不断完善自己的文章，熟能生巧之后就会形成自己独特的写作风格。因此，我们在文献阅读过程中读到值得学习的地方就应该及时做好笔记，同时对读过的文献进行标签分类，回顾时，通过标签可以迅速找到自己的目标，也有助于形成自己的体系。而这背后，潜藏着艰难的文献管理工作。在此，郭子健分享他平时经常使用的文献管理工具，如Endnote、Notexpress等。以笔筑梦，循序渐进，21篇SCI论文成为郭子健硕博之路的一个见证，而这一路程仍在继续，等待着郭子健未来新的精彩。参天科研树“三，二，一，发射！”火箭升空的刹那间，强大的民族自豪感拨动着郭子健的心弦。从那时起，年少的他便暗暗对自己许诺：“未来，我也要成为科研人中的一员。”“推动研究领域方面前进一小步，用自己的力量为社会做出改变，这就是我科研的初心。”郭子健不负少年时的许诺，踏上科研路。肩负起研博生做好科研的责任，砥砺自己作为科研人的初心，郭子健用的是一个个精准的数据与一篇篇严谨的论文。科研路上，风雨兼程，对他而言，唯责任与热爱不被辜负。师者，所以传道受业解惑也。谈到他的导师刘堂红时，他分享到：“导师很严谨，也很严肃，在这些科研人格方面，我学到了很多。”有次做仿真分析，郭子健做出了他以为很不错的数据，刘老师却说：“这些数据看起来不错了，但是肯定还有更多的深层关系，你再做做看。”这种对待科研一丝不苟的态度深深地影响到了郭子健，也为他未来的科研之路奠定下了沉稳严谨的性格基础。“老师也不是一直都很严肃的，上次我们一起去新疆，老师真的是一改风范……”那时去新疆做科研，他生病了，刘老师则对他细心地关怀照顾，像一个贴心的朋友陪伴在他身旁。也许，这就是亦师亦友。黎明之前总是最黑暗的，这样才能显出日出的耀眼。郭子健的科研之旅并非一帆风顺。2018年，他已在英国交流学习，同时也要跟进一个十三五专项研究，他的任务是设计一个高速列车气动外形的优化平台。对于这个未接触过的领域，他的科研工作都是从零开始：学编程，做接口，一个按钮一个按钮去完善平台的功能……遇到棘手的学术难题，网上没有答案，他只能将说明书“翻烂”，进行头脑风暴去想新点子。测试中的bug一次次挫败着他尝试与坚持的勇气，那时他已然落入困境，却因时差而无人可以倾诉。“那时，我想过甩手给别人，自己一走了之。但是，我知道，这是不负责任的表现，我无法允许自己这样做。”郭子健选择咬牙坚持到底，柳暗花明最是风景，他做到了。项目顺利结题，得到验收专家的好评，这也许就是为那完全靠自己敲出来的4100多行代码画上的最美的句号。用比他人更多一点的努力换来自己满意的成绩，这叫做劳有所得。躬身实践，恶劣的天气无法阻挡奔赴科研的心，这叫做身体力行。提出新领域时的质疑，不会吵到自己宁静的三分田，这叫做大胆创新。郭子健，他仍是那个看到火箭升空会心潮澎湃的少年，未来的科研路上，他会不负少年时的许诺，向着科研奔赴山海。如今，种子已破土，正参天。坎坷留学路每一次努力，都是幸运的伏笔。郭子健的公派留学之路并非一帆风顺，出国资格申请期间需要自己提前联系好国外院校的指导老师，但郭子健在联系校外导师时遇到了些许阻力。“我给列车空气动力学的许多教授发送了邮件，但大部分都石沉大海，收到的回复不多……”郭子健回忆到。值得庆幸的是，郭子健终于在公派留学申请的截止时间前几日收到了来自英国伯明翰大学Hassan教授的回信。有惊无险，郭子健翻开了去往伯明翰留学的第一页。刚到伯明翰时，长沙还是穿短袖的季节。由于地域气候的改变，郭子健在英国生活的第一周便感冒发烧了，现在郭子健回想起来依旧是苦涩地说：“发烧的那一周太痛苦了！”同时，饮食方面也和国内天差地别，一时间难以完全适应，所以郭子健需要自己动手做饭。这样以来，生活上难免占用比较多的时间。之后，郭子健开始不断调整自己的生活节奏，很快，他便完成了生活模式的切换，成功适应了留学生活的方方面面。少年的肩，想要担起草长莺飞和清风明月，郭子健意气风发地说到：“很想能在列车空气动力这个领域做出自己的一点点贡献。”在留学期间，郭子健也是从事列车空气动力学的研究。一直将这一方向坚持下去，只是因为一份纯粹而简单的热爱。被问到想毕业之后的打算时，郭子健表示后希望自己能继续在高校从事这一领域的工作。成为交通人的8年时光，值得郭子健用未来去回馈和感恩。在科研生活之外，郭子健也找到了自己生活的亮色。自小就爱打乒乓球的郭子健一直没有放弃这一爱好，踊跃报名参加一些乒乓球比赛，并于2018年6月获得高速中心乒乓球男单季军。“当时非常开心，抱着试一试的态度去参赛没想到收获了意外之喜。”郭子健如是说。发光不是太阳的权利，而是每个人都可以。郭子健在周围同龄人的眼中像舞台上一位闪闪发光的主角，但其实每个人都可以找到属于自己的那一束追光。“在本科阶段就要尽早确定好自己的职业规划，清晰自己未来的发展定位是什么，有时候会带来事半功倍的惊喜。”郭子健一直在追光，在为梦想拼搏的路上，每个人都会遇到属于自己的点点星光，最终与光同航。与交通事业齐发展，砥砺自身成长，收获一路荣光。高歌猛进，玉汝于成，与呼啸而过的中国高铁一般，郭子健必然笃行致远，不负韶华。来源：中南云麓谷、中南大学交通运输工程学院、CSU交通院研究生会收起

晓查 贾浩楠 发自 凹非寺量子位 报道 | 公众号 QbitAI一个多月前，著名英国数学家约翰·康威（John Conway）因患新冠肺炎逝世。斯人已逝，但他留给了世界丰富的知识遗产，最知名的莫过于“生命游戏”，还有一个困扰数学界50年的难题“康威扭结”（Conway Knot）。令人意想不到的是，最近这个问题被德州大学奥斯汀分校的一位博士小姐姐Lisa Piccirillo解决了，而且她只用了一周的业余时间。△Lisa PiccirilloLisa本人也因此获得了MIT的tenure-track预聘职位，前途无量。其实这篇论文最早是Lisa在2018年读博期间完成的，当Lisa偶然得到这个结果的时候，她并没有意识到这个问题的重要性。有一天，她把自己的解决方法告诉了同在德州大学奥斯汀分校的Cameron Gordon教授。Gordon教授大叫道：“什么？我现在就要去投顶级期刊！”这一举动甚至吓到了Lisa。直到今年2月，这篇文章才被刊登在学术杂志《数学年刊》上。想必康威在得知自己提出的问题被解决后，也会感到欣慰吧。什么是扭结「结」这个概念，在日常生活中常被看成是一根有头有尾的绳子打成的结。但数学家眼中的「结」，是一个首尾相连的闭环结，这种结是无法被解开的。自上个世纪以来，有关扭结的研究启发了量子力学、DNA结构和三维空间拓扑学。所以数学家们自然要发问，在4维空间中是否有与三维空间对应的扭结理论。但是这里存在一个问题：在第四个维度上，扭结的绳体可以互相重合穿越，这样一来，任何扭结都可以解开了。所以4维空间的扭结不是三维扭结的简单移植。4维空间的扭结并不好理解，我们可以借助3维空间中的的一个球体来想象。如果切开一个3维球体，可以得到一个未打结的圆环。切开一个4维空间的扭结球体，你可能看到一个打结的环，或者是一个未打结的闭环。任何能用这种「切开」一个扭结球体而得到的扭结，都称它们为「可切的」（slice），即片状结。但也有一些「不可切」的扭结，比如有3个交叉的三叶结。片状结提供了3维和4维扭结理论的桥梁。在4维拓扑学中，片状结有两种形式，一种1980年代年提出的理论认为，在4维空间中，不只有我们常规认知的平坦光滑球体，还普遍存在一种皱缩球体，且永远无法被拉平。所以4维空间中的扭结是否可切，取决于这些特殊的皱缩球体。这种皱缩的球体并不是4维空间的异常，而是一个十分有用的特征。4维空间中的片状结是「拓扑可切」，而不是「平滑可切」。这意味着数学家可以借此构造不同版本的普通四维空间，这种4维空间在拓扑学上与其他没有不同，只不过是褶皱的。切片性问题是这些奇异的四维空间的 “最低维度探究”。康威扭结多年来，数学家们发现了形形色色的扭结，这些结在拓扑学上可切，但并不是平滑可切。然而，这些扭结的交叉都大于12。而在交叉点数小于12的扭结中，只有康威结的切片状态却一直无法找到。△剑桥大学牛顿数学科学研究所的大门，用康威扭结来做装饰康威在上世纪50年代时对扭结理论产生了浓厚的兴趣。他想出了一个简单的方法，把交叉点数目不同的的扭结一一列出来，而前人将这项工作推进到10个交叉的扭结。康威列出了所有具有11个交叉点的扭结，很快发现了它们的特殊之处，这些就是康威扭结。△图中只画到了7个交叉的扭结，交叉点是两条绳体交叉之处11个交叉点的康威扭结，是拓扑可切的，但数学界一直无法证明它是否平滑可切。数学家马克·休斯（Mark Hughes）创建了一个神经网络，利用扭结的不变量和其他信息来预测可切性等特征。对于大多数的结，这种神经网络能够做出明确的预测。但它对康威结是否具有平滑可切性却没有确切答案。康威扭结是否平滑可切之所以如此重要，不仅因为它困扰了数学界半个世纪。平滑可切的扭结为数学家提供了一条探索四维空间奇特属性的途径。而证明康威扭结是否为平滑可切，已经成为扭结理论重大突破的硬标准。问题解决数学家一直怀疑康威结不是平滑可切的，因为它缺乏一种 “带状性 “的特征，而平滑可切的扭结通常具有这种特征。但康威结也有一个特点，使它对所有试图证明它不是光滑切片的尝试都无功而返。康威扭结有一种变体，如果我们把康威扭结画在纸上，把它的下半部分剪下来，翻转180度再接上，那么就得到一个Kinoshita-Terasaka扭结。巧合的是，后面的扭结是平滑可切的。Lisa本人喜欢扭结理论所需的视觉直觉，但她并不是扭结理论方面的专家。Lisa在波士顿大学读本科期间的老师Elisenda Grigsby，Lisa当时并没有展现出天才少年的潜质，但是她的创造力吸引了Grigsby教授的注意。Grigsby教授说：“她非常相信自己的观点，并且一直如此。”Lisa当时正在思考关于康威扭结的问题，当时她正在考虑除了突变外将两个结关联起来的另一种方式。每个扭结都有一个关联的四维形状，它是通过将结放置在4D球的边界上并沿着结在球上缝制某种帽而制成，数学家称之为迹（trace）。Gordon表示，迹以一种非常强烈的方式编码了扭结。不同的结可以具有相同的四维迹，数学家发现相同迹的扭结总是具有相同的可切性质：要么都是可切的，要么都不是。但是Lisa和莱斯大学博士后Allison Miller证明，可以将扭结迹的不变性让我们在研究扭结可切性质的时候，构造相似扭结变得非必要。这为Lisa证明康威扭结非平滑可切提供了一种策略：如果可以为康威扭结构造一个相同迹的扭结，那么也许可以更好地与可切不变性配合使用。构造这样同迹的扭结并非易事，但是Lisa却有非常的天赋，她只是回到家中研究就做到了这一点。通过巧妙的扭结的组合，Lisa设法构造了一个复杂的扭结，它的迹与康威扭结相同。Lisa使用了一种叫做拉斯穆森S不变量（Rasmussen’s s-invariant）的工具，结果显示她构造的扭结不是平滑可切的，因此康威扭结也不是。“这是一个非常美丽的证明，”戈登说。没有理由指望Piccirillo构造结会产生拉斯穆森的小号 -invariant，他说。“但是它起作用了……有点令人惊讶。”Gordon给了Lisa很高的赞誉：“这是一个非常美丽的证明。”他完全没想到Lisa用这样一种用具实现了证明。Lisa的本科论文导师Greene说：Lisa的工作说明拓扑学家对扭结迹的认识还存在着不足。参考资料：https://www.quantamagazine.org/graate-student-solves-decades-old-conway-knot-problem-20200519/https://mathworld.wolfram.com/SliceKnot.htmlhttps://www.maths.ed.ac.uk/~v1ranick/papers/sliceknots2.pdf论文地址：https://arxiv.org/abs/1808.02923收起