科研里

让梦想在科研中飞翔——记湖北大学材料科学与工程学院教授王正帮文/王永梅心怀科研梦想，踏上科研征程。积极科研创新，屡获累累硕果。在多年的科研中，他始终不忘初心，砥砺前行，用自己的实际行动诠释着对科研的无限钟爱。他，就是王正帮，湖北大学材料科学与工程学院教授。长期以来，王正帮对表面金属有机骨架功能薄膜材料开展了深入的研究，取得了一系列的科研成果，推动了我国科研的进步，成为令人瞩目的科研新秀。坚持科研 注重创新2004年9月—2008年6月，王正帮就读于湖北大学材料科学与工程学院。2008年9月—2011年7月，他就读于武汉理工大学材料科学与工程学院。2011年9月—2015年2月，他在德国卡尔斯鲁厄技术学院功能界面研究所求学。早在2009年6月—2011年3月，王正帮就在武汉理工新能源有限公司任研发工程师，合作导师是潘牧教授。2015年3月—2016年12月，他在卡尔斯鲁厄理工学院任博士后研究员，合作导师是克里斯托夫·W·L 院士。2017年1月—2017年8月，他任德国卡尔斯鲁厄理工学院功能界面研究所课题组组长，从事表面金属有机骨架功能薄膜材料的研究工作。在留德期间，王正帮努力科研，坚持不懈。众所周知，金属有机框架（ MOFs）具有结构多样性、可设计性、多孔性、超高比表面积和化学功能化途径丰富等优异的特性，应用前景十分广阔。近20年来，有7万多种不同结构的 MOF材料被设计和制备出来，金属有机框架的潜能已成为现在科研界关注的焦点。王正帮主要从事表面金属有机框架（SURMOFs）的科学研究工作。这是采用一种程序化可控的液相外延层层自组装技术，它能够制备出厚度可控、具有晶体取向性、均匀致密的 MOF 薄膜，实现可调的多相异质外延生长，还有可能使MOF材料器件化得到应用。于是，王正帮创建了一种基于SURMOF的后合成方法学。王正帮非常注重科研创新。他通过运用叠氮基与炔基的点击化学反应使叠氮基 SURMOF 的后合成功能化修饰得以实现，并通过运用表面分析手段对反应动态进行了监测。接着，他又开发了一系列 SURMOF的光控定位改性方法，使SURMOF 的二维和三维图案化修饰得以成功实现。这种光刻技术也为MOF材料集成器件应用提供了有力的支撑。他还与他人合作通过把SURMOF 的有机配体相互交联从而制备了一种创新性纳米多孔有机分子薄膜，使薄膜的生物稳定性得到了提高，为薄膜的生物应用打下了坚实的基础。再接再厉 硕果迭出科研需要强大的支持。所幸的是，王正帮所在的课题组获得了DFG特殊研究领域重大专项(SFB)资助“软物质分子结构（SFB1176）”。 在该项目的资助下，王正帮在国际上首次实现了“分子织布”技术，这项技术能够编织出具有分子水平厚度的二维聚合物分子薄膜，从而实现了从分子化学合成到创新型纳米功能材料的飞跃，为构筑新型功能材料插上了飞翔的翅膀，得到了国际科研界的认可。王正帮还研制出了多种光响应性 SURMOF 智能薄膜，构筑了光响应性SURMOF，并对有机分子设计、纳米结构精确调控及光响应性展开了研究，设计并制备了国际上首个 MOF 光控分离膜器件。王正帮再接再厉，设计了一系列具有偶氮苯侧链基团但主干结构不同的有机配体，采用SURMOF 技术制备了一系列不同结构的光响应性偶氮苯基 MOF 薄膜(Azo-SURMOF)，设计制备了具有大孔结构的Azo-SURMOF，在国际上首次通过超高真空红外技术测量了偶氮苯顺式到反式的热响应活化能，还通过很多实验数据对偶氮苯光响应极性变化是引起材料对极性小分子吸附能力变化的主要原因进行了首次证实。在不断的科研中，王正帮成功设计并制备了国际上首个光响应性 MOF 智能分离膜器件，首次实现了 MOF 分离膜渗透性和分离系数的远程调控，成功实现了MOF晶体的多相异质外延生长，首次克服了两相界面晶格严重失配问题，为MOF 材料的器件化应用打下了基础。在科研中，王正帮一贯善于发现，积极进取。他细微洞察的眼光敏锐地捕捉到，基于MOF材料的柔韧性和灵活可调的 SURMOF技术，可以使 MOF 的多相异质外延生长得以实现，克服两相界面晶格严重失配的情况，这为MOF材料的器件化应用打下了基础。此外，王正帮和同事还开发了国际上首个 MOF 忆阻器器件和首个 MOF 太阳能器件。享受着成功的喜悦，王正帮始终保持着严禁勤奋的工作作风，坚定地走着自己的科研路。勇于担当 放飞希望在多年的科研工作中，王正帮勇于负责，敢于拼搏。他主持或参与了“DFG, SPP 1362, MOFs”、“DFG, SPP 1176, C4 和 C6 子项目”、“大众基金会：具有远程可控功能分子的智能材料”、“DFG, SPP 1928”、国家 863 项目“节能与清洁能源汽车重大专项”：基于 CCM (Catalyst Coated membrane) 技术的车用燃料电池发动机研发和燃料电池电堆及关键材料的研制开发以及高温质子交换膜电极、电池堆技术的研发及其综合评估，并顺利完成了863项目（2008AA11A106）和（2008AA050503）的研发生产任务。2017年9月，王正帮回国后开始在湖北大学材料科学与工程学院任教授，主要致力于表面金属有机框架和表面聚合物多孔功能薄膜的研究。他成立了表面多孔功能分子薄膜课题组，以新型表面金属有机框架的开发与应用、新型表面多孔聚合物分子薄膜的开发与应用等为主要方向，开始了科学研究。成功入选湖北省“百人计划”科技创新项目和湖北省楚天学者特聘教授的王正帮，深切明白科研的道路极其漫长，他希望能在新的科研环境中充分发挥自己的专长，推动我国材料学的快速发展，实现自己美好的科研梦想。

我们总会听到国家一直强调创新、创新，读研尤其是读博之后，才真正明白，创新是多么重要。掌握创新的主动权，国家才有不断抗击风雪的力量！而事实也在不断的印证这一点。科研，本质上就是一种创新。是利用科研手段和装备，为了认识客观事物的内在本质和运动规律而进行的调查研究、实验、试制等一系列的活动，为创造发明新产品和新技术提供理论依据。科学研究的基本任务就是探索、认识未知。但是做科研需要具有极强的专业素质，没有经过系统的训练与引导而直接投入科研，往往会造成很多不必要的麻烦，拖慢科研的进度甚至带来人身伤害。下面我们就来盘点一下那些在科研中常见的错误思想，有则改之无则加勉。01 盲目崇拜/贬低权威研海拾珠在每个领域都会有我们公认的权威人士，他们似乎一直引领这个领域的研究方向。“XX大牛研究组又发了Nature，要快去膜拜一下。”“XX教授是这方面的专家，他的建议肯定是对的。”这在日常中再平常不过的对话，可能会让我们失去很多独立的想法。爱因斯坦有句话说，“一味尊重权威是真理的最大敌人”。我们确实要听取权威的观点，但不要因崇拜权威而让自己的独立思考能力大打折扣。但是有的人和崇拜权威恰恰相反，对所谓的权威不屑一提。“这不就是…嘛，我要是做了我也能发Science！”假如你做了你也可以发Science，但问题是你没做。对权威不屑一顾，其实暴露的是这个人的眼高手低，而这却恰恰是科研所忌讳的。权威之所以能成为权威，必然有它的道理，有很大一部分是值得我们去崇拜、去学习的，但是完全盲目的信奉权威而失去自己的思考能力是不可取的。对待权威，我们应该保持九分的崇拜与学习之心，借助权威人士所构建的知识体系，快速获取知识，不断武装提升自己的专业素养。剩下的一分留给质疑与自我思考，在不断的推敲质疑与自我思考中，提出属于自己的创新点。02 高估导师对你的帮助导师在我们的科研进程中起着至关重要的作用，我们的科研经费支持、研究方向的确定等等都来自于导师。但是也千万别天真的认为导师能够帮助我们事无巨细的搞定绝大部分事情。不管导师在圈内的名气有多大，做科研，最主要的还是要靠我们自己。整理文献、疏通思路、总结发现问题、实验验证、论文的书写等等都主要由我们自己来完成。导师确实会教我们一些东西或者提出一些创新点，但是大部分告诉我们的是一些方向性的知识，至于是否可行，大部分情况下，导师并没有多大把握。等、靠、要，这往往是刚刚读研究生时继承的中学时代的思维，以为老师会给你一个研究思路，不知道的可以问老师，其实大家研究方向各异，老师可能还不如你清楚自己的实验操作。多交流没有错，但更应该学会自己在科研之路上披荆斩棘，idea只能自己想，如果有好的idea，别人为什么要跟你说，早自己做了在现实中，很多导师忙着拉科研经费，忙着结项或者有授课，真正能实时把握领域的科研动态，提出具有创新性的想法的导师不可多得。多数情况下，导师给研究生大方向，研究生通过大量阅读文献，总结之后提出自己的研究创新点，之后再由导师进一步基于此创新点进行修改润色。做科研，需要靠自己主动的获取知识，不管是自己钻研成功还是请教别人，这也是成为一个独立科研工作者的必经之路。03 对科研工作时间存在误解做科研，从查阅总结文献、提出论证想法、付诸实施、出现并解决问题到最终成功，这一系列过程需要花费大量的时间。但并不是说，花费了大量的时间就能做好科研。科研需要以充足的时间作为工作量的保证，但科研不是单纯的拼时间，工作时间的长短有时候和成果也并不成比例关系。科研需要掌握套路、总结规律，这样才能更高效的完成自己的科研任务。一味的追求“坐班”时间的长短，而忽略其有效性，反而容易让自己身心俱疲而一无所获。完成科研任务，先做最重要的而不是最简单的。不要总妄想用忙碌而无效的生活安慰自己没有虚度光阴，现实是残酷的，早晚会被惊醒。04 因畏惧失败而放弃努力因为对某个领域不熟悉，而提前不断的告诉自己，“我肯定不行”，“这肯定做不出来”。要知道，科研成果需要理论的指导，但也需要实践出真知。因为畏惧失败而干脆放弃努力，这是一种自卑的心态。而这种心态并不适合做科研。假如你所做的一切都是用来证明你自己行，那么你是经受不住科研失败的暴击的。做科研，尤其是面对一个全新的领域，成功是小概率事件。有时候万一成功了，我们反而会反思其合理性：“为什么会成功呢？”天真的认为，我不去做就会失败，也就没法证明我能力不行了。这是一个误区，接受事实吧少年！你不试试怎么会知道，你可能不止科研做不好….哈哈哈对待科研的态度，应该对自己有充足的信心，科研也不是评判你个人成败的唯一因素。不要因此而自我否定。科研本来就存在着诸多不确定性，哪能随随便便就成功呢。05 关于论文发文章不是要等一个东西，从理论到实践到实例验证都完成之后再写再发论文。做科研想着解决某一领域的难题这是好事，也应该有此理想和追求。但是做科研也要务实，凭借一篇文章而解决某一领域的所有难题，至今可能还没出现过。我们实际做的东西或多或少的都会出现一些问题导致结果并不完美，这是科研进程合理的存在。科研本就不是一篇文章改变时代的这么一个东西，它需要成百篇的文章才会推动人类社会的一点点的进步。实际上很多大牛的文章也只是有其中的一部分。比如说理论构建的比较好了，实践只做了一小部分也能发文章。或者是说理论体系没那么深奥，但是实践做的案例效果比较好，这样也可以发文章。不是说都完美了才可以发文章，科研本就不是完美的，有一点点小的进展就足以发一篇好的文章。06 急功近利不可取科研需要一个平和的心态，切不可急功近利，妄想着按照设计的思路一次性达到最终想要的成果。曾经见到过不少学生确实如此，按照设计的思路进行，中间但凡出现一点差错，便完全放弃从头再来。完成一个科研课题相当于在泥泞的道路上前行，前方有多少陷阱都不得而知，我们要做的就是逢山开路，遇水架桥，在不断的探索中走出一条成功的道路。实验效果不理想也并不意味着前功尽弃，我们或许能从以往的失败中获得一些经验教训，以指导我们在后续的实验进程中躲避错误。除了上述的一些在科研领域常见的错误思想之外，像“不能团队合作”、“勤奋=成功”、“文献=真理”、“师兄/师妹是不是对我有意思？”、“学术圈的人都非常死板”….如此种种，不一而足。正确的认识科研，认真的对待科研，保留一颗追求真理的执拗的心，享受科研创新带来的乐趣，才是一个科研工作者应有的心态。

张晓升。张晓升课题组供图“咱买不起几百万的豪车，但咱能操作几百万的设备呀！”正在读博三的文丹良脱口而出，他是电子科技大学电子科学与工程学院青年教授张晓升的学生。算上今年秋季刚入学的2020届新生，张晓升的课题组约有50人，他们致力于在物联网发展瓶颈的重要前沿方向上进行深入研究，包括5G智能微系统前端硬件集成方面的核心技术，以及下一代人工智能系统人机界面传感技术等高科技难题。1994年出生的文丹良作为张晓升的第一个博士生，显然被导师乐观、积极的科研态度熏陶得很到位。但他并非盲目自信，他的底气来自课题组成果频频登上国际知名期刊和学校网站首页；2019年，组里同学90%都拿过学业奖学金；“从春林初盛到冬雪皑皑，从天台到青城，从火锅到BBQ，吃喝玩乐一条龙”……同学们自豪地说这个团队是“研娱两开花”。然而，科学没有平坦的大道，只有不畏艰险沿着陡峭山路攀登的人，才有希望达到光辉的顶点。事实上，许多人在这条路上感觉灰头土脸无功而返，甚至走进死胡同。如何持阳光心态做科研？中青报·中青网记者请张晓升这位擅长“研娱两开花”的“科研高富帅”分享了一些心得体会。“以前，我们说老师的阵地是‘三尺讲台’，但现在已经变成了‘八尺讲台’。”张晓升觉得，“随着网络信息越来越发达，我们的‘讲台’已经延伸到科研、教学的方方面面，还需要顾及学生成长道路上遇到的各种挫折和困惑”。2014年，张晓升博士毕业于北京大学，用3年多时间完成了从博士生到博士生导师的转变，也正因为和学生年龄差距不大，张晓升很了解学生的思维方式。遇到困难是科研的常态，而我们该如何看待这种常态？张晓升认为，做科研的第一步是“心理断奶”，这也是他前不久给2020级研究生新生上的第一课。张晓升说：“我们在培养硕士生的时候，目标是在导师的指导下，半独立地开展科研工作，探索未知的科学领域；博士生的培养目标则是能够完全独立地开展课题研究。”我们通常会把研究生看成一个人格健全、性格成熟、做事沉稳的人。但张晓升认为，实际上，研究生刚好进入一个身份转变的关键期，我们还需要对他们的心理状态多加关注。本科及以前，大家接受的是“书本教育”，有范围和正确答案。而研究生阶段颠覆了这个状态，“科研没有说明书”“给你提问的老师也不知道答案”，所以“探索”和“独立”必然要成为这一阶段的关键词。同学们决定开始做学术时，就需要在心理状态上进行调整，做好“断奶”的准备。而作为导师，与其等到出现问题时再讲道理，不如一开始就将这个道理说明白。那么“断奶”之后应该建立一种什么样的心态呢？张晓升给学生的建议是，不要害怕困难，遇到困难反而应该“兴奋”，“因为你好不容易找到了一个有价值的东西”。在他看来，解决问题的过程本身就是创新，即便没有达到预期结果也没有关系，至少发现此路不通，可以在此基础上拓展一些新的思维方法出来，柳暗花明又一村。这并非站着说话不腰疼，张晓升自己和他的学生也是这样走过来的。张晓升读博时曾深陷于一个微纳超疏水结构的实验，“打个比方，客观规律说应该往左走，而我们的实验结果偏偏总是往右走”。连续好几周每天都是“至暗时刻”，他甚至想把这个项目“扔了”。而他当时的导师说，遇到问题是他的运气，鼓励他坚持下去。结果果然被他找了理论向左而实践向右的关窍，局面豁然开朗，论文迅速被业内重要期刊《Langmuir》接收，并被其官网首页重点报道。同样的事情几年后就发生在文丹良身上，他卡在了一个湿度传感器的研究里，又是做出了貌似与客观规律相反的实验结果。“几个月的实验白瞎了？”文丹良垂头丧气地去找张晓升。“恭喜你。”张晓升却兴奋地祝贺文丹良，“遇到问题说明你入门了，说明你有机会解决一个前人没有解决的问题，对吧？我们来仔细分析下到底是什么原因。”抱着这种心态，文丹良遍想解决办法：一个角度走不通，换个角度试试；先缓解一下情绪再工作；保持身体健康；保持勤奋，每天10点以后离开教研室……终于揭开了实验的秘密，论文也顺利被优秀期刊接收。这两个故事自然都成了张晓升做新生教育的材料，他说：“我们面对学习、生活时往往会遇到很多困惑，这时候与作出所谓的‘英明’决策相比，更重要的往往是不要停下脚步。”科研常有“至暗时刻”，像张晓升和文丹良一样，大家往往都会遇到，这种时候又该如何保持积极心态？近期，张晓升给本科生骨干训练营作讲座时，一个学生在互动交流环节提出了一个尖锐的问题：如何看待前不久某研究生在实验室身亡的事故，如果自己遇到挫折被卡住了该怎么办？他说：“我当时问在场的同学们，有多少人每天都给父母打电话？没有人举手；有多少人两三天打一个电话？几个同学举手；有多少人一周打一次电话？不少同学举手。”“如何调整心态，其实这个问题没有标准答案。可以去跑步锻炼、可以大吃一顿，或者可以到操场上大喊几声……重要的是找到一种对自己有效的解压方式。”张晓升对学生说，“如果让我站在一个学生的角度来说，我建议寻找一个合适的倾诉对象。你们可能喜欢找同龄的朋友说，但实际上他们同你一样涉世未深，站在这个年龄看问题往往容易将小问题放大。比如你说你实验做不出来，他说我四六级还没过，比你还惨，最后变成比惨大会，倾诉完也未见得舒服。所以可能父母是更好的倾诉对象，遇到问题要多和父母沟通，他们不但有阅历，更对你有无私的爱。”张晓升课题组的老师和每个研究生新生都会进行3次一对一、面对面的深谈。第一次在新生入学后，主要内容是介绍课题组方向和团队文化；第二次在第一学期结束后，帮助学生发掘自己的兴趣点，寻找未来的研究方向；第三次在第二学期开始前，帮学生确定具体研究内容。张晓升认为，真正走到死胡同的课题极少，想要在关键时刻帮学生指路，平日里就得多和他们在一起。此外，他还告诉组里的学生：“如果你遇到科研问题要找我，即便当时不能约到我，一周内也肯定能约到我。但如果你是遇到思想、情感方面的问题来找我，一定当天就能约到我。”他追求的师生关系是“科研上是师生，生活上是朋友”。除了科研，张晓升也非常注重建设愉悦的团队氛围，课题组建立了健身、饭团和团建小组，定期组织各种文娱活动。他说，“玩儿的好”不仅能调节大家的心情，更能提高团队凝聚力，促进互帮互助和良性竞争，这样大家就能够更加阳光地工作和生活。张晓升相信，年轻人大多是阳光的，而他要做的就是保持住这份活力，激发学生的潜力。来源：中国青年报客户端

Hello，这里是行上行下，我是喵君姐姐~Python有什么用，不想学怎么办？但是当我知道别人用代码一晚上就搞定我一个星期的活的时候，我就知道不学还得学。近几年，Python语言备受关注，也是Toble编程语言排行榜上市场占有份额增速最快的开发语言之一。Python语言的火热，更好的让基于数据驱动的新技术的发展和应用，如人工智能、大数据、云计算等。另外，它是开源语言，这意味着它可以免费入手，有着相当活跃的社区，对于小白十分友好。当前，关于学习Python语言的书籍、课件等资料几乎是触手可及，但大多为普适资源，少有针对性，如在科学研究领域中，如何将Python作为科研工具使用。涉及到这一课题的问题主要有：Python在科研当中，适合做什么？有哪些必须要掌握的基础知识技能？怎样花费最短的时间和精力去学习那些最精华的、使用最广泛的技术与技巧？心理学、教育学的学者们已达成共识，对不同学习需要的学习者，对相同学习内容的学习目标是存在差异的。很显然，如果只是想将Python作为“心理与教育”科研辅助工具，那么完全不用像程序开发人员那样，去掌握Python垃圾回收机制等内容。因此，本系列文章《Python3科研基础篇》（简称《基础篇》）旨在，从科研的实际应用出发，帮助初学者学习最重要的Python3的开发基础。Python3作为科研工具的可以归纳为两个重要方面：1. 数据分析与绘图数据分析本身也是一系列功能的概括，如撰写论文时，利用Python3绘制精美的图表；利用Python3实现心理与教育统计的描述性统计、假设检验、结构方程等，得到实验数据的统计分析结果；利用机器学习、统计学习、深度学习（这三个概念是有明显区别的，若后续有机会将进行三者概念的界定）等框架和模型对实验数据进行训练，以完成对某些事物的分类或预测。当然，也包括着各种各样的科学计算，如矩阵运算、微分积分等。2. 演示平台有很多科研项目，需要开发出demo（试用性的软件、系统或平台）。这即涉及到Python3开发常见的前端应用级桌面软件或移动APP，更涉及到Python3后端的开发。举个深度学习里物品图片识别的例子，假定需要开发一个简单的物品图片识别平台，比较常用的做法，就是移动APP作为客户端用于和用户的交互，而后端则是利用已训练好的深度学习模型来识别用户上传的物品图片。可见，在这一方面，Python3后端的开发更为重要。诚然，Python3还可以做更多的事情。但《基础篇》系列文章里，目的是要让初学者能够了解Python3如何成为科研工具，打好Python3的语言地基，以掌握基本语法为核心。Python3的入门难点Python3是Python3语言3.x版本的统称，在前几年，还是Python2.7（最后一个Python2.x）的天下，但现在，Python3占据主流。Python2.x和Python3.x在语法上区别较大，《基础篇》只以Python3.x为例，Python2.x请自行学习。实际上，Python3的内置函数只有80多个，可谓非常的少，而Python3却几乎可以满足任何的开发需求，从游戏引擎到单片机，依靠的是其大量的第三方库。初学者对于Python3会存在很大疑惑，因为它好像和如C#、java等语言都不同，不明白什么是脚本语言、解释性语言，看似其没有特定的开发环境、也不编译出什么东西、连界面都没有。如果你是一名初学者，想彻底弄清楚上述概念实在不太容易，起码要明白《汇编语言》、《编译原理》、《数据结构》这三门课程。这里，尽量解释得简单一点。脚本语言其实不应该算作一个术语，而是一个称呼，一些轻量级的、偏应用级上层的、封装度高的语言都可以叫做脚本语言，脚本语言大体可以和常见的解释性语言对等，如Python、Lua、JavaScript。所谓解释性语言，是和编译性语言相对应（如C、C++），我们可以简单认为，解释性语言是由编译性语言开发。Python和Lua是非常相似的，都是高度模块化的语言，也都是C、C++开发的。如果想深入了解，可以去学习Lua，最初的Lua由仅仅1万行纯c代码实现，对于学习如何开发一门编程语言（词法分析、语法分析等）非常有必要。为什么叫解释性语言呢？因为它的核心是由CC++开发的解释器，或称为虚拟机，这里的虚拟机不是vmware上类似的虚拟机器，而是一种语言解释性执行的引擎。那么，Python解释器解释了什么呢？如果稍微了解过汇编语言（arm或Intel8086），就一定知道汇编指令。试想，如果想用C、C++去开发一门编程语言，这门语言就也要有汇编指令，但真实的汇编指令是能够直接跑在arm或Intel8086的系列芯片上的，而这门语言的汇编指令是虚拟的，只能跑在其解释器里。因此，很多人认为“Python好像只有文本看到的代码，无法编译出二进制文件”这个观点是错误的，如.pyc文件就是一个明显的二进制文件。另外，Python是由C++开发，底层可以理解为就是C++，因此，虽然运行速度慢是解释性语言的通病，但并非难以解决，如使用Cpython库就可以使得Python和C++互相桥接并让Python运行速度和C++几乎不会有差别，有时这是非常必要的，如要进行底层图形化引擎或显卡某种功能的开发。至于开发环境，Python并不需要类似于微软visual studio等开发平台，安装Python的安装包，实质就是安装了Python的运行环境，不需要其他任何开发平台就可以运行写在记事本里的Python代码。《基础篇》会推荐VScode这种专用于写代码的文本编辑器为开发环境，也不会去使用Anocanda等Python发行版，下一节会重点介绍。再次，是界面的问题，看起来Python没有软件界面所需要的控件，事实上Python里的界面也是代码写出来的，如使用自带的Thinker库，或者使用PYQT等。理解了以上内容，Python3就易于接受了。最后，后续可能还会介绍在科研用的第三方包的介绍，比如scipy，skit-learn，numpy，matplotlib，MNE等等。欢迎大家持续关注哟~分享完毕，希望有所帮助。更多阅读：1. 汇编语言有多少种？https://www.hu.com/question/3609999552. Joel Lee细述了为何Python很有用http://www.makeuseof.com/tag/reasons-python-programming-not-useless/作者：喵君排版：青柚校对：喵君姐姐

良好的实验设计是保证科研得以顺利进行并得出客观符合科学要求结果的前提，因此在进行医学科研中，研究者需要根据研究目的、处理因素的多少，结合专业要求选择适当的实验设计方案。但目前许多医学科研工作者对实验设计方案及其具体实施方法不甚了解，无法选择出适宜、有效的实验设计方案进行实验，降低了实验效率甚至错误地实施了实验。下面，赛恩斯就医学科研中常用的几种实验设计方法进行简单介绍，希望有助于医学科研工作者做出正确选择。一、完全随机设计。又称成组设计，主要有以下两种形式：一是采用完全随机分组的方法将全部同质受试对象随机分配到各个处理组，各组分别接受不同的处理；二是分别从不同的总体中进行随机抽样，观察同一指标，进行对比研究。在进行此类研究时，一定要注意影响研究指标的主要非处理因素各组应齐同可比。完全随机设计的优点在于：设计方法简单、易行；统计分析方法简单；存在缺失数据时，仍可进行统计分析。但也有其缺点：一是样本量小时，抽样误差较大；二是由于对实验的非处理因素缺乏有效的控制，组间均衡可比性较配对设计和随机区组设计差；三是完全随机设计只能安排一个处理因素，不能满足多因素的实验要求。二、配对设计。在医学科研中，配对设计主要有两种形式：一是异体配对，将受试对象按照条件相同或相近配成对子，采用分层随机化的方法，将每个对子的两个受试对象随机分配到不同的处理组；二是自体配对，同一个受试对象使用两种不同检测方法进行检测或同一个受试对象的不同部位观察同一指标。配对设计的优点在于：尽可能地排除非处理因素对实验结果的干扰；在设计时严格地控制了非处理因素，使两组的均衡可比性提高，减小了抽样误差；由于配对设计的抽样误差较完全随机设计小，在相同样本含量条件下，配对设计所需的样本含量较小。其缺点在于配对条件不易严格控制，当配对失败或配对欠佳时，反而会降低实验效率。三、随机区组设计。随机区组设计又称配伍组设计，通常是将受试对象按性质相同或相近分成若干区组(或称配伍组)，采用分层随机化的方法，将每个区组的各个受试对象随机分配到不同的处理组接受不同的处理。随机区组设计是配对设计的扩展，因此，同一个受试对象使用多种不同检测方法检测，比较各方法是否存在差异，亦为随机区组设计。随机区组设计的优点与配对设计一样，即每个区组内的受试对象具有较好的同质性，比完全随机设计的均衡性好，误差小，实验效率高。但缺点是区组内的受试对象数量与处理数相同，实验结果中如果有数据缺失，会给统计分析造成困难。四、重复测量设计。医学实验常有重复测量的记录，即相同指标在不同时间点进行多次测量，这种在给予一种或多种处理后，在多个时间点从同一个受试对象重复获得某指标观察值的设计称为重复测量设计。因此，重复测量设计可以了解实验过程中观察数据随时间变化趋势。除比较不同时间点的差异外，重复测量设计还可以比较不同处理组间的差异、不同处理组随时间的变化趋势的差异。由此可看出，重复测量设计包括两个因素：一是处理因素(水平数≥1)，其中水平数为1的指受试对象仅接受一种处理，未进行随机分组，称为无平行对照的单组重复测量数据；二是时间因素(水平数≥2)。借助重复测量设计可分析各因素的效应及其交互效应，但与其他实验设计方法相比，重复测量设计中需多次重复观察同一指标，观察数据之间存在相关性，因此应使用特殊的方法进行分析。

来源：吉凯基因对于科研工作者来说，由于动物实验更能模拟人类的生理和病理条件，所以比体外实验更有说服力。在某个通路或某种疾病的研究中，通常会人为地将外源基因用病毒载体注入动物组织，检测其对其他基因和通路、组织器官、动物行为等的影响。但这类动物实验条件的摸索和优化，是一个难点。选择何种病毒、如何选择注射的部位、注射多少体积、以及注射后的检测时间等实验条件都需要摸索。病毒产品该如何选择？此时您可以根据研究目的，选择适合的产品。一般需要进行体内动物实验的推荐使用慢病毒和腺相关病毒AAV。慢病毒因其转染效率高、感染谱广、适合体内体外实验等突出优势，广泛应用于基因功能研究，尤其是在肿瘤研究领域。如果您想了解更多关于慢病毒在肿瘤领域的文章，请点击【慢病毒如何应用于肿瘤研究】。腺相关病毒（AAV）体积最小，因此载体的容量最小，具有无致病性，扩散效果好，病毒滴度高，且能在转染的宿主细胞中长期表达等优势。AAV注射动物后，一般会在1-2周左右开始表达，体内实验一般建议感染后3-4周看第一批结果。在AAV中有一类组织特异性AAV载体由于其“高效感染 靶向调控”实现在不同组织中特异性的高效表达受到了诸多科研工作者的青睐，点『这里』可以查看科研大咖的亲测分享~~现小胶质细胞、内皮、肌肉、肝脏、视网膜穆勒细胞等一系列热门组织特异性AAV载体试用装正在免费申请中（点击文末链接）。如何提高病毒的在体实验感染效率？查询相关的文献，参考文献中病毒用量、注射方法、注射位点等详细信息，再摸索一下实验条件，改变一下病毒的注射方法和用量等。很多情况下，感染效率不好并不是病毒本身的原因，而是由于实验操作步骤、注射位点、或者注射方法的问题导致的。经过一段时间的实验条件摸索，可以得到相对更好的结果。在此给大家分享一些工具病毒在不同系统中的注射剂量参考，相关参数来源于已发表的文章，如需原文请回复关键词“病毒注射”，在体实验应用较多的是慢病毒和腺相关病毒AAV,并且最广泛的应用于神经系统、心血管系统和肝脏等研究领域。神经系统 ：心血管系统 ：肝 脏 ：肺 ：以上给大家介绍了在体实验中病毒该如何选择以及其特点和在不同系统中的注射剂量推荐，接下来给大家解惑一下病毒注射中常遇到的表达效果不好和荧光问题。病毒注射动物的时候表达不好或非常弱怎么办？首先需要排除病毒注射手法、实验剂量、取材时间、组织处理、切片上的问题，如果不知道该如何改进实验流程，可以回复关键词“病毒注射”获取产品技术手册。大部分情况，往往是实验的手法并不熟练，或者可能没有打准位置，特别是一些带特异启动子的 AAV，观察的时间点太早，导致目的基因还没有表达完全。建议重新摸索实验条件。不注射病毒的对照也有荧光亮？常见于组织处理有问题，例如多聚甲醛浸泡时间过久、组织切片染色的时候太干燥，导致非特异性背景过高，在此建议重新改善组织处理的流程。关于工具病毒在体实验中的问题您都get了，现在您或许正需要付诸实践，但缺少病毒产品。福利第一弹：吉凯基因慢病毒年中限时大促火爆进行中福利第二弹：免费网络公开课（解锁国自然热点『外泌体』研究的新思路）外泌体作为研究“新星”，在近几年的国自然基金项目中中标金额连年攀升。2018年外泌体相关的国家自然科学基金中标总计为1.76亿元，较2017年1.26亿元增加40%。关于发表的文章数量也有大幅增加，也出现了很多高质量的文章。据不完全统计7月份国内新出的外泌体和细胞外膜泡领域论文已经有118篇。IF>10的5篇，10>IF>5的31篇。关于外泌体的研究，相信您踩过很多坑，遇到过很多问题，那么接下来的这节课可以给您的科研之路一臂之力。福利详情：科研宝典：各类病毒在科研中的使用技巧（值得收藏）

题记：笔尖底下流丹青，珠玑滚滚行云文！1.在学习生活中，我们总在苦苦寻求能够有一种方法，能够让我们如开挂般的人生，做到任何事情都游刃有余，而且非常perfect。武侠小说里是某本绝世武功秘籍、电影中是让人称奇的超能力、还有生活中是身边人的某种天赋异禀。然而我们这些都没有，但是我们也不必苦苦追寻这些，其实我们只需要一些小小的技巧，就可以做到一个质的突破，重新获得全新的自我。其实这个技巧非常的简单，说出来以后大家可能都不太相信，然而我确信，大家可能没有真正意义的用好过他，也没有能够运用得当。但是当你真正的学会去用的时候，你也许会发现一篇新的天地。这个技巧其实就是「学会记录」，没错，记录，在学习中可以称之为笔记，在科研或者人生其他方面，可以称为记录。先别着急，也别感到平淡无奇，首先，记录并不是我们简简单单机械的记忆，这个工作完全可以交给计算机来做，而且也一般不会忘记。而记录最最关键的，也是我们为什么要记录的原因，其实就是：记录的核心是要帮助你之后的思考，以及与你内在的思维产生联系。说的可能有点抽象，接下来简单介绍一下。2.先从学习的方面来说吧，毕竟，我们对于学习还是接触的最多的。上课学习，平时自己看视频学习，或者听老板师兄讲述般的学习，方方面面，都充斥着学习，这是我们记得东西更像是笔记。而在我们大部分人的学习中，容易走向两个极端：「要不是把笔记记得密密麻麻，要么就是完全不记」。完全不记当然是不对的，在这里不做过多的赘述。而把笔记做的密密麻麻的人又有哪里不对呢？其实，你做了那么多笔记，密密麻麻的，其实大部分的时间你是在过手不过脑，浪费了时间，还没有进行过深入的思考，也容易沉浸「自己做了这好的笔记」的自我陶醉中。做一个很有条理的笔记当然是值得肯定的，但是做笔记却忽略了深入思考的「延续性」，那记笔记真正的效果就没有发挥出来。思考是一个长时间的过程，而笔记是让我们减少记忆的负担，从而让我们能够更加深入的思考。那怎么样才算好的记录呢，其实除了我们在课堂上应该记录的防止遗忘的「记录性」笔记外，还要记住其他两种笔记。一个是在信息输入的时候记「关联性」笔记，另一个是在回顾思考时记录「反思性」笔记。3.打颗栗子，比如那一节授课来说吧。比如，在某知名专家的授课中，提到了一个非常新的概念，或者一个这个领域的很新的名词解释。他可能认为大家都懂，但是有可能我们听着一头雾水。如果这个时候，你突然联想到和你做的似乎能够产生联系，那么你就很快的用简介的话记录下来，然后在认真听讲后面的东西，以免错过更加精彩的内容。之后，把你所联想，想要查证的东西在逐一认真查询，那么最起码，你不会漏掉了这个内容。这个小小的举动会给你带来很大的改变，比如在我们科研或者生活中，我们会看很多小文章，或者公众号等，我们看到时候觉得说的很有感触，也会联想到一些东西，产生很好的灵感等。但是这个时候大部分的操作就是「收藏」，事后就不管了，忘得一干二净。但是你如果那个本专门记录下来的话，这就不一样了，这就是把你所想要看的东西，和把这个东西形成你自己的体系之间，搭建了无形的桥梁。当你突然想起来的时候，你看一下你的记录，然后就会很快调动起你想要查询查找的欲望，并且也防止你灵感没有的时候，看看这个记录，没准就有你想要的答案。那么你会涌出：千里寻他千百度，蓦然回首他却在灯火阑珊处的快感。4.那什么是反思性笔记呢，我的天！！！是不是有的同学们也是第一次意识到，原来课下还要做笔记！开头我们已经说过，记录的核心其实就是记录你的思考，一遍「延续」你下一次思考和联系。所以，每当你对上次内容进行更深入的思考，有了更好的感悟的时候，是不是也应该记录下来呢，值就是反思性笔记啦。生活中，我们多半是面对一个事情的处理方式，当你记录下一个事情后，你可以先想想自己怎么做，适不适合做，知道自己的做法后，去看看别人，专家是怎么做到，看看自己有什么不足，有什么做的不好，记录下来，那么以后再遇到类似的事情，这种经验就可以直接运用啦。是不是很好呢。总结这个是不是很简单，其实就是一个小小的技巧，但是当你运用到你的生活学习科研之中，相信以后你的灵感会爆棚的。对了，最后也不要忘记把你所想的东西及时加入到你的知识系统里呦，知识系统又是啥，请参考：【学习方法系列】给你一双能拨云晓雾、揭开任何神秘的火眼金睛。end文稿| 小羽毛编辑| 呆萌轩图文来自网络

【人物简介】王琳，男，1983年生人，泰山学者青年专家，济南大学信息科学与工程学院副教授，博士生导师。长期致力于智能计算、机器学习和数据挖掘的研究工作。首届山东省自然科学基金省属高校优秀青年基金获得者，山东省自然科学学术创新奖获得者，山东省人工智能学会副秘书长，先后主持了多项国家级和省级相关领域的科学技术项目。“他总是鼓励我们做一些不同寻常的事情，给予我们不同的知识和无尽的支持。作为一名在他指导下的学生，我总是觉得自己很幸运，因为他的指导和个性帮助我完成了一开始我认为不可能完成的事情。”来自孟加拉国的硕士留学生马扎尔这样评价他的导师王琳。而在王琳的身上，我们也时刻能感受到他那份对科研的激情和在对学生培养中的热情。专注信息技术，拓展应用前沿作为长期致力于计算机和信息工程领域的专家，王琳的研究方向主要是基于人工智能的反向建模及其应用。在理论层面，积极探索神经网络和进化计算方法的改良；在应用层面，其研究涉及材料和医学等不同学科领域。“自2012年以来，深度学习作为人工智能领域的一个新兴的分支快速发展，早年的神经网络模型所存在的一些问题随着近年来基础理论的革新已经得到了解决并且快速发展，渗透到了我们生活的各个方面。”王琳副教授谈到。众所周知，随着信息技术的发展，大数据已经应用到现代社会生产、生活的各个领域。一方面，从研究的角度来看，充足的数据中蕴含了我们所处的自然与社会的规律，而难点是如何从数据当中提取规律。人工智能技术的突破性进展使得计算机有能力在不经过任何人类专家的干预下自动化的从数据中萃取法则和公式，来帮助我们理解所处的自然与社会。另一方面，从应用的角度看，大数据技术将使得人类可以为复杂的自然现象和社会规律进行建模，从而实现理解机理、准确预测、节省成本、加快产品的研发速度。目前，王琳主持“面向宏观性能演化机理的水泥水化动力学反向建模研究” 和“真实图像引导的水泥水化微结构三维演化反向智能建模与性能评估”两项国家自然科学基金面上项目，参与“基于多中心临床研究队列的食管鳞癌个体化根治性同步放化”1项山东省重点研发计划项目。近年来在《IEEE Transactions on Evolutionary Computation》《IEEE Transactions on Neural Networks and Learning Systems》《中国科学》、 IEEE WCCI、IEEE SMC等国内外重要学术刊物及国际会议上发表论文70余篇。以信息技术为支撑，加快新旧动能转换据了解，2017年，国务院出台了《新一代人工智能发展规划》，其中提到“推动人工智能与各行业融合创新，在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范，推动人工智能规模化应用，全面提升产业发展智能化水平”。2018年，山东省新旧动能转换重大工程实施规划中，针对十强产业之一的“新一代信息技术产业”明确要求：“积极落实网络强国、数字中国、智慧社会等国家战略，大力发展数字经济，深入推动新一代信息技术向各行业、各领域广泛渗透应用，构建泛在互联融合智能安全的信息技术产业体系。到2022年，新一代信息技术产业增加值力争达到6500亿元，占地区生产总值的6.5%”。“我们的研究主要应用领域之一是在水泥行业。”王琳副教授说，“目前我国水泥产量稳居世界第一，然而高性能水泥产品占比很低，低质量水泥产能过剩问题严重。”新旧动能转换重大工程实施规划中提到要加快发展大宗固体废弃物综合利用生产水泥的新技术、新工艺和新装备，重点发展核电水泥、高镁低收缩水泥、低碱水泥等特种水泥，推动水泥产业实现绿色发展和延伸发展。“为加快水泥产业的新旧动能转换速度，我们急需新型的研究方法和研究工具。”王琳副教授谈到，目前团队正试图为极端复杂的水泥水化过程采用人工智能的方法进行反向建模，从而实现水泥水化过程的准确模拟，水泥宏观性能的精确预测，为实现新型高性能水泥产品的计算机辅助设计提供帮助。据王琳介绍，团队目前正在和山东省内的医药、电信、政务等领域的多家单位合作，将已研发的技术进行拓展和推广。结合相关单位在所属领域的数据积累，针对其所面临的建模难题和具体需求，通过人工智能和反向建模领技术为其解决问题。力争在未来更好地为新旧动能转换助力，拓展团队研究领域，为山东省经济和社会综合发展贡献一份力量。在科研中有激情，在育人中有热情“我认为最重要的事情是，要有自己的梦想以及为梦想而奋斗终身的毅力，我自己和我的团队仍然还在追逐梦想的道路上。”当问到对科研和教学工作的经验和体会时，王琳这样说。无论在科研还是在教学工作中，王琳都时刻向学生们传递“国际思维”，将目标瞄向世界，以“国际水准和眼光”对学生严格要求。“我们课题组有几位国际研究生，我们将国际学生和中国学生进行混合编队来合作探索科研课题，从而在提升了中国学生的英文水平与国际视野的同时，也增强了国际学生对我国教育的认同感。”据王琳介绍，济南大学和国外高水平大学也有长期的科研合作关系，目前帮助组内几名硕士生建立了和国外课题组的联合培养关系，进一步提升学生的国际视野和学术水平。而对于本科生的培养，在课堂讲授时以兴趣为主，引导学生产生兴趣，然后逐步鼓励探索和理解新的知识和领域。此外，学校实施本科生导师制，对导师制的本科生采用多个小型科研课题驱动的方式，通过一系列人工智能方向的小型课题，提升学生的动手能力和学术视野，其中对个别优秀的本科生鼓励撰写学术论文。本科生蔡昌伟就是在本科导师双选制下，成为王琳课题组学生。在王琳的指导下，蔡昌伟已在进化计算顶级会议上发表一篇论文，而且参与了中草药识别项目的研究，相关论文已经投稿到IEEE SMC国际会议上。对于研究生，王琳则采用目标制，每位学生在其所属的领域内都会有一个比较明确的科研课题。通过每天的师生见面交流、每周的组会讨论、以及每周的学术报告等环节来交流想法、把握方向。“王琳老师注重培养我们独立的研究精神和自由的学术思想。强化学生独立思考问题的能力，鼓励我们在学术上展开辩论，聚焦研究、聚焦学术、探索未来。”研究生刘双荣说。本文内容由壹点号作者发布，不代表齐鲁壹点立场。齐鲁壹点客户端版权稿件，未经许可不得擅自转载，违者将依法追究法律责任。

我能参加科研吗？每个孩子都有好奇心，从内心发出的兴趣与想法实现起来是最有效的。那么“科研”会适合你，只要你勇于开始，只要你兴趣，你就会投入精力，去探索就能有发现。了解真正的科研是什么，才能找到最适合自己的，了解究竟哪些能力能获得提升，了解自己真正想要的。那么什么是真正的科研？ 你理解的“科研”是真的吗？美国创新教育促进会联合北京科技教育促进会、工匠铺名校科研项目组、湖南省机器人科技教育学会、秦皇岛市青少年科技教育协会邀请来自耶鲁大学、牛津大学、加州大学伯克利分校、加州大学洛杉矶分校等世界一流大学及实验室研究专家学者们带你一起来 “what is research”科研启蒙系列公开课。相关阅读：科研启蒙之1：科研是什么？与学习有什么区别？科研启蒙之2：新人如何进入科研？8大注意事项▽科研启蒙公开课精粹▽第三讲【研究中的通用“方法”】【教师简介】尤洋：加州大学伯克利分校计算机博士候选人尤洋博士是一位西贝尔学者，目前在加州大学伯克利分校计算机系读博士学位。研究兴趣包括高性能计算，并行算法以及机器学习。他当前的研究重点是大规模深度学习训练算法的分布式优化。尤博士曾创造ImageNet训练速度的世界记录，并被ScienceDaily等几十家媒体广泛报道。尤博士近三年来以第一作者的身份，在NIPS、Supercomputing、IPDPS、ICS等国际重要会议或期刊上发表论文近十余篇。他曾以第一作者的身份获得国际并行与分布式处理大会(IPDPS)的最佳论文(0.8%获奖率)，和国际并行处理大会(ICPP)的最佳论文(0.3%获奖率)。尤博士曾获得清华大学优秀毕业生、北京市优秀毕业生、国家奖学金，以及清华大学计算机系数额最高的西贝尔奖学金。他还在2017年获得美国计算机协会(ACM)唯一颁给在读博士生的乔治·迈克尔高性能计算奖学金。他也获得了颁给伯克利优秀毕业生的Lotfi A. Zadeh Prize。尤博士曾经在IBM沃森研究中心、英伟达总部、微软总部以及谷歌总部实习。【分享正文】以计算机研究分析基础，介绍研究中的通用“方法”计算机现在已然成为各个科学研究的一部分。此前进行传统科学研究需要具备三要素：第一是理论，做任何事情之前我们都需要学习东西，要先有理论。比如牛顿第一定律、牛顿第二定律。比如牛顿某一天发现苹果砸到他头上了，然后他要先提出一套理论，再试图去解释这个事情。第二是实验，有了理论后，我们要验证提出的理论是否正确，就需要做实验。比如我们要制造一辆汽车，会先做一辆样品车去撞一下，看这汽车在事故中表现如何；或制造iphone手机也要做无数次的测试，而这些测试都是实验。第三是模拟，人们使用计算机可以采用数值模拟做很多实验，去完成那些不好直接作的实验，或代价太高的实验。而我认为大约从2000年以后，科学研究又有了些微小变化。跟传统科学研究一样，现在依然需要理论、实验和模拟。但现在更重要的是有数据分析。我认为，特别最近十年左右，人们制造了无穷无尽的数据。比如随着智能手机即移动端的普及，每天每个人都会制造很多数据；同样，各工业各领域的无人机、传感器，如麦田里的传感器，高山里的传感器，一直在不断地采集数据；美国视频网站YouTube也曾经发布过一项数据统计，从2015年开始他们的视频数量呈指数级增长。这些数据增长的速度是非常可怕的，可能在未来的某一天，我们不知道是否有足够的容量去储存。所以数据分析非常非常重要。只有在这些海量数据中找出有效信息，才对我们的经济、生活、科研有更好的帮助。下面我就简单地介绍一下，计算机科学研究的一些常用方法。可以把计算机科学中所有的问题分为三类：第一种是提出问题型研究。第二种是解决问题型研究。第三种是解释原因型研究。1 什么是提出问题型研究？提出问题型研究就是从现实中找出问题，面对问题提出研究方向。假设针对现有系统，如微软操作系统或苹果手机的IOS系统；或针对现有一些理论，如现在计算机科学的核心基础——计算复杂度理论；或者针对各种软件，如微信、淘宝等。我们去分析他们有什么缺陷，讨论现有解决方案的利弊端，做出权衡。不管解决方案再好，也都需要有一定取舍。而其中所谓利弊，也会随着科学技术的发展产生变化。之前可能是利大于弊的事情，随着新技术更新，可能就变成弊大于利了。当然也可能反之。简单举例解释一下。给大家介绍一个摩尔定律，即芯片单位体积的晶体管数量每18个月翻一倍。用更好懂的语言解释就是，计算机处理器CPU的速度每18个月提高一倍，计算机或手机速度每18个月会快一倍。摩尔定律非常重要，可以说它是整个计算机产业发展的基础，指导并支撑了计算机产业在过去几十年的发展。各大计算机巨头，如微软、谷歌、英特尔等会根据摩尔定律去投资，去扩张。由此，提出一些问题，为什么晶体管每18个月会翻一倍呢？是什么保证了这一结果？这样的代价是什么？又会导致什么问题？会不会哪一天这个定律就不行了？我们该如何拯救这个摩尔定律，继续支持计算机产业的高速发展呢？还有一个定理叫安迪-比尔定理：“Andy gives, Bill takes away”。安迪指英特尔前CEO安迪·格鲁夫，比尔指微软前任CEO比尔·盖茨，这句话的意思是，硬件提高的性能很快被软件消耗掉了，这是对IT产业中软件和硬件升级换代关系的一个概括。当CPU速度每18个月提高一倍，软件通过不断升级更新就会很快把这些提升消耗掉。软硬件都在不断快速提升，呈现良好互动。现在的很多应用如抖音、阿里巴巴，在二十多年前根本无法想象，因为硬件无法支撑。曾经比尔·盖茨开玩笑说，如果汽车行业能像计算机产业一样发展，那我们应该用25美元就能买一辆车，加一箱油能够跑1000英里。回到原来的问题，为什么计算机行业可以持续做到单位体积内晶体管的数量每18个月翻一倍呢？就是要不断把晶体管做小，芯片就会变得越来越密。这会导致什么问题呢？在2000年左右，就有一些计算机科学家做了研究，他们发现如果按照这种趋势发展，不进行人为管控，大概到202X年计算机芯片就可以用来做烧烤了，再过几年可能计算机芯片的温度就要跟太阳温度一样高了。正是这群科学家，用正确的数学模型去估计摩尔定律持续发展会导致什么样的问题，从而变相拯救了计算机行业。后面我会再介绍如何解决这个问题。所以我想用以上例子，解释什么是“提出问题型研究”。计算机科学发展飞快，过程中会遇到很多问题，提出问题很重要的。如果能提出一些关键性问题，能够避免你走入一些错误的方向，甚至有可能拯救整个产业。2什么是解决问题型研究？就是当我们已经知道了一些问题，从而想提出一些解决方案。比如如何使我们的程序运行速度更快？如何设计出一个围棋程序战胜人类？2016年就谷歌开发出了一个软件，能够击败人类最好的围棋运动员。如何比人类更快更好的识别和分类图片？现在这种技术已经很普及了，包括很多摄像头有人脸识别技术，在十多年前都是很不成熟的。如何实现网页排序算法？今天在谷歌或百度搜索一下，它就总能把最相关的页面呈现在最前面。这背后是一个Page Rank算法。以上几个例子，都属于“解决问题型研究”。刚才，我还向大家提出一个很重要的问题——如果按摩尔定律不断发展，最后会导致计算机芯片温度可能比太阳还高。那计算机行业是怎么解决这个问题的呢？通过不断研究，我们提出的方法就是多处理器。以前，计算机芯片只有一个处理器——中央处理器，行业术语也称之为“核”。而现在我们尽量采用多核处理器，比如我们现在的手机都有四核或八核。这一解决方案成功应用后，至少到目前为止，摩尔定律还能很好的得到保证。这些都属于“解决问题型研究”。3 什么是解释原因型研究？即指我们已经有了一个解决方案，但人们想弄清楚这种方案为什么是可行的。比如一个人尝试了无穷种方案，其中有一次可行了，但他却不明白为什么这个方案是可行的，所以人们就想试图做出解释。包括现在最热门的人工智能，其实是没有理论依据的。现在，我们实现人工智能的方法还是通过给机器一堆数据，然后进行刚才提到的监督学习和非监督学习，但其实我们并不理解机器深度学习模式究竟是如何实现的，实际现在的人工智能系统是不可靠的，人类还并不太理解它是怎么回事儿。所以现在很多人在研究，试图解释清楚，只有当我们真正理解它为什么工作之后，才能更好地控制它们。否则有一天，科技发展到一定水平我们无法控制人工智能了，那是一件非常危险的事情。想做这种类型的研究，一般需要有很强的数学和理论背景，如微积分、线性代数、数值优化、概率论等。往往我们需要对问题做出合理的假设，使得问题尽量符合真实的应用场景。我们通常也会指出人们之前的认知误区。所以这一类型研究对理论和数学要求非常高。当然这种理论研究也是非常重要的，比如计算机领域的最高科学奖一般都会颁给在计算机理论上做出很大贡献的科学家。举个“解释原因型研究”的案例。人们当前使用批量随机梯度下降法去求解人工智能优化问题。人们观察到当我们把批量数增大时，系统的精度会提升。但是，当把批量增加到特别大时，系统的精度会下降。为什么？能否从优化和泛化角度做出合理的解释？比如，我们给机器一万张图片学习人脸识别，不能一次性把一万张图片给它，而要分批给它，如每批给100张去学，或每批给1000张去学。你会发现一个很有意思的事情，就是每次给它1000张和给它100张的学习效果是不一样的。而这又是为什么？这现在是计算机科学研究的一个热点。在解决问题的过程中，我们如何使用计算机？在利用计算机解决问题时，算法的使用和选择非常重要。那么就要关注算法复杂度。什么是算法复杂度？指算法在编写成可执行程序后，运行时所需要的资源（时间资源、内存资源）。同一问题用不同算法解决，而算法的质量优劣将影响到算法乃至程序的效率。举一个简单示例：对N个数排序。当n=10时，对9、2、7、5、1、0、6、3、4、8排序，排序完是0、1、2、3、4、5、6、7、8、9。排序是很简单的计算机科学问题，你有什么好的算法呢？而当N的规模不同时，我们要采取的方法也会不一样。当N=1000？N=100万？N=10亿？我们要对1000个数、100万个数、10亿个数进行排序，要用什么方法呢？当N规模越大，比较复杂的算法消耗资源也越多。在计算机科学研究中，我们往往不知道N是多少，或者今天写一套软件程序，可能十年甚至二十年后我们还希望能使用它，今天N只是1000，10年后也许就变成了10亿。所以我们在设计软件时，必须要考虑算法复杂度，考虑算法的可持续发展性。其次，各个学科都在使用计算机以及超级计算机进行模式实验。随着计算机普及，现在各个学科包括物理、化学、生物、地理、天文、工程等都会在研究中使用计算机进行模拟实验。而使用超级计算机进行模拟实验的情况也越来越多，当具体实验问题太大、太小、太快、太慢、太贵或太危险时，都可以采用模拟实验。比如研究宇宙天文，天文数字非常庞大，又很难用人类肉眼去做实验，如捕捉小行星等，就可以用计算机模拟。比如分子层面的蛋白质折叠等，牵扯状态太多，做实验也很困难，也可以用计算机去模拟。比如设计高效能飞机引擎，速度太快，实验数据很难捕捉，就可以先用计算机模拟引擎在各种环境下的性能如何。比如全球气候变化，人类要观测几百年甚至上千年才会一些气候变化特征，单靠实测性研究几乎不可能。现在普遍是科学家采集一些数据，然后运用计算机模拟。比如核爆模拟实验，虽然各国达成协定后，都不再做真实的核爆实验，但是使用超级计算机仍可以进行核爆模拟实验。关于科研中计算机、超级计算机的算法及其使用的知识，稍后再有单独文章进行介绍。有兴趣的读者欢迎持续关注。最后，进行计算机科学研究、人工智能进行研究需要哪些工具。现在最热门的编程模型就是python，它是一种很好的免费数据分析工具。如果需要编程框架，可以使用谷歌的tensorflow或facebook的pytorch，也是免费工具。书籍方面的话，姚期智可能会在9月份出一本书叫《人工智能（高中版）》，他是我国目前最好的计算机科学家，最权威的人工智能专家。以下为问答精选Q1：中学生对科学研究有兴趣的话，在实验设计数据收集和分析等方面您有什么好的建议吗？尤博士：我认为中学生最好先找一个老师去指导你，比如去大学实验室，教授可能会安排他的博士生去一步步对你进行指导。加州伯克利分校每年会招一些高中生甚至初中生到实验室参与研究，由于我们知道他们没有经验，首先会一步一步教他们怎么做，如第一周会告诉他们怎么样采集数据？采集哪些数据？怎么使用软件？对中学生，我们的态度就是手把手教。Q2：从您的专业角度来看，对于中学教师，如何帮助学生进行科学研究？尤博士：教师引导高中生、初中生参与科学研究，首先必须充分沟通，了解学生究竟有什么疑惑，具体问题是什么，可能对教师来讲很简单的问题，学生没有相关专业背景，可能就会觉得是很难的问题。如果教师不理解学生的内心想法和困难，就很容易造成误解。不了解学生，给他安排了非常艰难的任务，很容易给学生挫败感，就会让他逐渐对科研失去感兴趣。另外，教师可以为学生搭建适合的科研平台，比如与大学实验室或课题组建立联系。Q3：您对跨专业读博士有什么好的建议吗？尤博士：我认为跨专业读博士很常见，以人工智能为例，它需要很多数学基础，如果本科学数学，研究生学人工智能，可能比本科就读计算机的同学还会更有优势。很多计算机专业的学生，数学理论功底没有数学专业强。本科学数学不管转到哪个科学都是蛮有需要的。如果本科是物理专业的话，也很容易转到计算机或者其他学科。备注：有兴趣了解更多创新教育、国际教育资讯，欢迎私信或关注微信订阅号“东西视野EDU”。#科技#