科学堂 » 科研技巧

如何做一名优秀的博士生（施一公）

刀客 — Wed, 14 Sep 2011 09:27:42 +0000

如何做一名优秀的博士生：（一）时间的付出

【序：我从获得博士学位至今已经整整16个春秋，但博士阶段的感受仍然历历在目。我从指导自己独立实验室的第一个博士生到现在也已经13年了，其中的博士研究生和博士后中已经有11人在美国和中国的大学里担任独立实验室的PI。他们的成长过程差别极大，性格、能力也各有不同。应该说，没有任何一个学生可以简单地遵循另外一个优秀科学家的足迹脱颖而出。从这个意义上讲，科学家的成功是不可能复制的。但是，优秀科学家常常具备的共同特点应该对年轻学生有很大启发。

本文主要来自我在2008年清华大学研究生入学教育里一次2.5小时的讲座，又综合了一些随后的思考和总结。在那次讲座中，我一再强调，我的目的不是要求研究生完全按照我讲的去做，而是希望从根本上冲击、振荡一下研究生的思考角度，启发大家找到最适合自己的成才之路。本文很长，分四部分陆续发表出来。】

1．时间的付出。

所有成功的科学家一定具有的共同点，就是他们必须付出大量的时间和心血。这是一条真理。实际上，无论社会上哪一种职业，要想成为本行业中的佼佼者，都必须付出比常人多的时间。有时，个别优秀科学家在回答学生或媒体的问题时，轻描淡写地说自己的成功凭借的是运气，不是苦干。这种回答其实不够客观、也有些不负责任，因为他们有意忽略了自己在时间上的大量付出，而只是强调成功过程中的一个偶然因素，这样说的效果常常对年轻学生造成很大的误导，因为有些幼稚的学生甚至会因此开始投机取巧、不全力进取而是等待所谓的运气；另外一些学生则开始寻找他们的运气，把相当一部分精力和时间用在了与科学研究无关的事情上面。说极端一点：如果真有这样主要凭运气而非时间付出取得成功的科学家，那么他的成功很可能是攫取别人的成果，而自己十有八九不具备真正在领域内领先的学术水平。

大约在十年前，著名的华人生物学家蒲慕明先生曾经有一封非常著名的email在网上广为流传，这封email是蒲先生写给自己实验室所有博士生和博士后的，其中的观点我完全赞同。这封email写的语重心长，从中可以看出蒲先生的良苦用心。我无论是在普林斯顿还是在清华大学都把这封email转给了我实验室的所有学生，让他们体会。其中的一段是这样说的：“The most important thing is what I consider to be sufficient amount of time and effort in the lab work. I mentioned that about 60 hr working time per week is what I consider the minimal time an average successful young scientist in these days has to put into the lab work……I suggest that everyone puts in at least 6 hr concentrated bench work and 2+ hr reading and other research-related activity each day. Reading papers and books should be done mostly after work.”(我认为最重要的事情就是在实验室里的工作时间，当今一个成功的年轻科学家平均每周要有60小时左右的时间投入到实验室的研究工作……我建议每个人每天至少有6小时的紧张实验操作和两小时以上的与科研直接有关的阅读等。文献和书籍的阅读应该在这些工作时间之外进行。)。

有些学生读完蒲先生的email后告诉我，“看来我不是做学术的料，因为我真的吃不起这份苦。”我常常回复道，“我在你这么大年纪的时候，也会觉得长期这样工作不可思议。但在不知不觉之中，你会逐渐被科学研究的精妙所打动，也会为自己的努力和成绩骄傲，你会逐渐适应这种生活方式！”这句话表面上是劝学生，实则是我自己的经历与体会。

我从小就特别贪玩，并不喜欢学习。但来自学校和父母的教育与压力迫使自己尽量刻苦读书；我高中就读于河南省实验中学，凭借着比别人更加刻苦的努力，综合成绩始终名列前茅。1984年全国高中数学联赛我获得河南赛区第一名，保送进入清华大学。大学阶段，我保持了刻苦的传统，综合成绩全班第一并提前一年毕业。但这种应试和灌输教育的结果就是我很少真正独立思考、对专业不感兴趣。大学毕业时，我本没有打算从事科学研究，而是一心一意想下海经商。阴差阳错之间，我踏上了赴美留学之路。

可想而知，留学的第一年，我情绪波动很大，内心浮躁而迷茫，根本无心念书、做研究，而是花了很多时间在中餐馆打工、选修计算机课程。第二年，我开始逐渐适应科研的“枯燥”，并开始有了一点自己的体会，有时领会了一些精妙之处后会洋洋得意，也会产生“原来不过如此”的想法，逐渐对自己的科研能力有了一点自信。这期间，博士研究生的课程全部修完，我每周五天、每天从上午9点做实验到晚上7、8点，周末也会去两个半天。到了第三年，我已经开始领会到科研的逻辑，有点儿跃跃欲试的感觉，在组会上常常提问，而这种“入门”的感觉又让我对研究增加了很多兴趣，晚上常常干到11点多，赶最后一班校车从霍普金斯医学院回Homewood campus（我住在附近）。1993年我曾经在自己的实验记录本的日期旁标注“This is the 21st consecutive day of working in the lab.”（这是我连续第21天在实验室工作。），以激励自己。其实，这多少有作秀之嫌，因为其中的一个周末我一共只做了五、六个小时的实验。到第四年以后，我完全适应了实验室的科研环境，也不会再感受到枯燥或时间上的压力了。时间安排完全服从实验的需要，尽量往前赶。其实，这段时期的实验时间远多于刚刚进实验室的时候，但感觉上好多了。

研究生阶段后期，我的刻苦在实验室是出了名的。在纽约做博士后时期则是我这辈子最苦的两年，每天晚上做实验到半夜三点左右，回到住处躺下来睡觉时常常已是四点以后；但每天早晨八点都会被窗外纽约第一大道(First Avenue)上的汽车喧闹声吵醒，九点左右又回到实验室开始了新的一天。每天三餐都在实验室，分别在上午9点、下午3点和晚上9、10点。这样的生活节奏持续11天，从周一到第二个星期的周五，周五晚上做灰狗长途汽车回到巴尔地摩(Baltimore)的家里，周末两天每天睡上近十个小时，弥补过去11天严重缺失的睡眠。周一早晨再开始下一个11天的奋斗。虽然体力上很累，但我心里很满足、很骄傲，我知道自己在用行动打造未来、在创业。有时我也会在日记里鼓励自己。我住在纽约市曼哈顿区65街与第一大道路口附近，离纽约著名的中心公园(Central Park)很近，那里也时有文化娱乐活动，但在纽约工作整整两年，我从未迈进中心公园一步。

我一定会把自己的这段经历讲给每一个我自己的学生听，新生常常问我：“老师，您觉得自己苦吗？”我通常回答，“只有做自己没有兴趣的事情时候觉得很苦。有兴趣以后一点也不觉得苦。” 是啊，一个精彩的实验带给我的享受比看一部美国大片强多了。现在回想起当时的刻苦，感觉仍很骄傲、很振奋！有时我想：如果自己在博士生、博士后阶段的那七年半不努力进取，而是不加节制地看电影、读小说、找娱乐（当时的互联网远没有现在这么内容丰富），现在该是什么状况？

做一个优秀的博士生，时间的付出是必要条件。

如何做一名优秀的博士生：（二）方法论的转变

【序：本文主要来自我在2008年清华大学研究生入学教育里一次2.5小时的讲座，又综合了一些随后的思考和总结。在那次讲座中，我一再强调，我的目的不是要求研究生完全按照我讲的去做，而是希望从根本上冲击、振荡一下研究生的思考角度，启发大家找到最适合自己的成才之路。本文比较长，将分四部分陆续在博客上发表出来。这是第二部分。第一部分请见：http://blog.sciencenet.cn/home.php?mod=space&uid=46212&do=blog&id=484416】

2．方法论的转变

要想在科学研究上取得突破和成功，只有时间的付出和刻苦，是不够的。批判性分析（critical analysis）是必须具备的一种素质。

研究生与本科生最大的区别是：本科生以吸取学习人类积累的知识为主、兼顾科学研究和技能训练；而博士生的本质是通过科学研究来发掘创造新知识，当前和以往学习的知识都是为了更好地服务于科学研究。在以学习知识为主的本科生阶段，提出问题固然重要，但答案往往已经存在，所以问题是否critical没有那么关键。博士生阶段则完全不同，必须具备critical analysis的能力，否则不可能成为优秀的科学家。这一点，我称之为方法论的转变。

其实，整个大学和研究生阶段教育的实质就是培养critical analysis的能力，养成能够进行创新科研的方法论。这里的例子非常多，覆盖的范围也非常广，在此举几个让我终生难忘的例子。

(1) 正确分析负面结果（negative results）是成功的关键。

作为生命学科的一名博士生，如果每一个实验都很顺利、能得到预料中的正面结果（positive results），除个别研究领域外，一般只需要6-24个月就应该可以获得博士学位所需要的所有结果了。然而实际上，在美国，生命学科的一个博士研究生，平均需要6年左右的时间才能得到PhD学位。这一数字本身就说明：绝大多数实验结果会与预料不符，或者是负面结果（negative results）。大多数低年级的博士生对负面结果的看法很消极，直接影响了他们critical analysis能力的培养。

其实，只要有适当的对照实验（control experiments）、判断无误的负面实验结果往往是通往成功的必经之路。一般来说，任何一个探索型课题的每一步进展都有几种、甚至十几种可能的途径（hypothesis），取得进展的过程基本就是排除不正确、找到正确方向的过程，很多情况下也就是将这几种、甚至十几种可能的途径一一予以尝试、排除，直到找到一条可行之路的过程。在这个过程中，一个可信的(conclusive)负面结果往往可以让我们信心饱满地放弃目前这一途径，如果运用得当，这种排除法会确保我们最终走上正确的实验途径。从这个角度讲，负面的实验结果不仅很正常、也很有益于课题的最终成功。

非常遗憾的是，大多数学生的负面结果并不令人信服，经不起逻辑的推敲！而这一点往往是阻碍科研课题进展的最大阻碍。比如，按照一个常规的 protocol操作时不能得到positive control的相应结果，或者缺乏相应的对照实验，或者是对可信的实验结果在分析和判断上产生了失误，从而做出“负面结果”或“不确定”（inconclusive results）的结论，这种结论对整个课题进展的伤害非常大，常常让学生在今后的实验中不知所措、苦恼不堪。我告诫并鼓励我所有的学生：只要你不断取得conclusive的负面结果，你的课题就会很快走上正路；而在不断分析负面结果的过程中所掌握的强大的逻辑分析能力也会使你也会很快成熟，成长为一名优秀的科学家。

我对一帆风顺、很少取得负面结果的学生总是很担心，因为他们没有真正经历过科研上critical analysis的训练。在我的实验室，偶尔会有这样的学生只用很短的时间（两年左右，有时甚至一年）就完成了PhD论文所需要的结果；对这些学生，我一定会让他们继续承担一些富有挑战性的新课题，让他们经受负面结果的磨练。没有这些磨练，他们很难真正具备critical analysis的能力，将来也很难成为可以独立领导一个实验室的优秀科学家。

所以，不要害怕负面结果，关键是如何从分析负面结果中获取正确的信息。

(2) 耗费时间的完美主义阻碍创新进取。

Nikola Pavletich是我的博士后导师，也是对我影响最大的科学家之一，他有着极强的实验判断力和思维能力，做出了一系列包括p53、Rb、CDK complex、SCF complex、BRCA1等在内的里程碑式的研究工作，享誉世界结构生物学界，31岁时即升任正教授。1996年4月，我刚到Nikola实验室不久，纯化一个表达量相当高的蛋白Smad4，两天下来，蛋白虽然纯化了，但结果很不理想：得到的产量可能只有应该得到的20%左右。见到Nikola，我不好意思地说：产率很低，我计划继续优化蛋白的纯化方法，提高产率。他反问我：（大意）Why do you want to improve the yield? Don’t you have enough protein for crystallization trials? （你为什么想提高产率？已有的蛋白不够你做初步的结晶实验吗？）我回敬道：I do have enough protein for crystallization screen. But I need to optimize the yield first so that I can accumulate more materials.（我有足够的蛋白做结晶筛选，但我需要优化产率以得到更多的蛋白。）他不客气地打断我：No. The yield is high enough. Your time is more important than yield. Please proceed to crystallization. （不对。产率够高了，你的时间比产率重要。请尽快开始结晶。）实践证明了Nikola建议的价值。我用仅有的几毫克蛋白进行crystallization screen,很快意识到这个construct并不理想，需要通过protein engineering除去其N-端较flexible的几十个氨基酸。而除去N-端几十个氨基酸的蛋白不仅表达量高、而且生化性质稳定，纯化起来非常容易，根本不用担心产率的问题。

在大刀阔斧进行创新实验的初期阶段，对每一步实验的设计当然要尽量仔细，但一旦按计划开始后对其中间步骤的实验结果不必追求完美，而是应该义无反顾地把实验一步步推到终点，看看可否得到大致与假设相符的总体结果。如果大体上相符，你才应该回过头去仔细地再改进每一步的实验设计。如果大体不符，而总体实验设计和操作都没有错误，那你的假设（或总体方向）很可能是有大问题的。

这个方法论在每一天的实验中都会用到。比如，结构生物学中，第一次尝试纯化一种新的蛋白不应该追求每一步的产率，而应该尽量把所有纯化步骤进行到底，看看能否拿到适于结晶的蛋白。第一次尝试limited proteolysis，不应该刻意确定protease浓度或追求蛋白纯度，而是要关注结果中是否有protease-resistant core domain。从1998年开始自己的独立实验室到现在，我告诉所有学生：切忌一味追求完美主义。

我把这个方法论推到极限：只要一个实验还能往前走，一定要做到终点，尽量看到每一步的结果，之后需要时再回头看，逐一解决中间遇到的问题。

(3) 科研文献（literature）与学术讲座（seminar）的取与舍。

Nikola Pavletich博学多才。在我们许多博士后的心目中，他一定读很多文章、常常去听seminar。没想到，我最大的惊讶出现在我笃信无疑的这一点。

在我的博士生阶段，我的导师Jeremy Berg非常重视相关科研文献的阅读，有每周一次的组内journal club，讨论重要的科研进展。刚到Nikola实验室，我曾试图表现一下自己读paper的功底、也想同时与Nikola讨论以得到他的真传。96年春季的一天，我精读了一篇《Nature》article，午饭前遇到Nikola，向他描述这篇文章的精妙，同时期待着他的评述。Nikola面色有点尴尬地对我说：对不起，我还没看过这篇文章。噢，也许这篇文章太新，他还没有来得及读。过了几天，我因故阅读了一篇几个月前发表的《Science》research article，又去找Nikola讨论，没想到他又说没看过。几次碰壁之后，我不解地问Nikola：You know so much. You must read a lot of papers. Why is it that you didn’t read the ones I read?（你知识如此渊博，一定是广泛阅读了大量文献。你为什么恰好没有读我提到的这几篇论文呢？） Nikola看着我说: I don’t read a lot. （我阅读不广泛。）我反问： If you don’t read a lot, how can you be so good at research? And how can you reference so many papers in your own publications?（如果你不广泛阅读，你的科研怎么会这么好？你怎么能在自己的论文里引用这么多文献？） Nikola的回答让我彻底意外：（大意）I only read papers that are directly relevant to my research interests, and I only read more papers when it comes to writing my own papers（我只读与我的研究兴趣有直接关系的论文。并且只有在我写论文时才会大量阅读。）

我做博士后的单位Memorial Sloan-Kettering Cancer Center有很好的系列学术讲座(Institute Seminar Series)，常常会请来各个生命科学领域的大牛来演讲。有一次，一个诺贝尔奖得主来讲Institute seminar,并且点名要与Nikola交谈。在绝大多数人看来，这可是一个不可多得的好机会去接近大人物、取得好印象。Nikola告诉他的秘书：请你替我转达我的歉意，seminar那天我恰好不在。我们也为Nikola遗憾。让我万万想不到的是，诺贝尔奖得主seminar的那天,Nikola把自己关在办公室里，早晨来了以后直到傍晚一直没有出门，当然也没有去听讲座。当然，这也许是巧合 – Nikola取消了他的出行计划；但以我们对Nikola的了解，他十有八九是在写paper。后来，我们也意识到，这样的事情发生在Nikola身上已经见多不怪了。

在我离开Nikola实验室前，我带着始终没有完全解开的谜，问他：如果你不怎么读papers，又不怎么去听讲座，你怎么还能做一个如此出色的科学家？他回答说：（大意）我的时间有限，每天只有10小时左右在实验室，权衡利弊之后，我只能把我的有限时间用在我认为最重要的事情上，如解析结构、分析结构、与学生讨论课题、写文章。如果没有足够的时间，我只能少读文章、少听讲座了。

Nikola的回答表述了一个简单的道理：一个人必须对他做的事情做些取舍，不可能面面俱到。无论是科研文献的阅读还是学术讲座的听取，都是为了借鉴相关经验、更好地服务于自己的科研课题。

在博士生阶段，尤其是前两年，我认为必须花足够的时间去听各相关领域的学术讲座、并进行科研文献的广泛阅读，打好critical thinking的基础；但随着科研课题的深入，对于文献阅读和学术讲座就需要有一定的针对性，也要开始权衡时间的分配了。

(4) 挑战传统思维

从我懂事开始，就受到教育：凡事失败都有其道理，应该找到失败的原因后再重新开始尝试。直到1996年，我在实验上也遵循这一原则。但在Nikola 的实验室，这一基本原则也受到有理有据的挑战。

有一次，一个比较复杂的实验失败了。我很沮丧，准备花几天时间多做一些control实验找到问题所在。没想到，Nikola阻止了我，他皱着眉头问我，（大意）Tell me why you want to figure out why your experiment failed? （告诉我你为什么要搞明白实验为何失败？）我觉得这个问题太没道理，理直气壮地回答：I need to know what went wrong so that I can get it to work next time. （我得知道哪里错了才能保证下一次可以成功。）Nikola马上评论道：（大意）You don’t need to. All you need to do is to carefully repeat your experiment and hopefully it will work next time. Many times figuring out why your previous experiment failed will take much longer time than simply repeating your experiment. For a sophisticated, one-time experiment, the best solution to a failed experiment is to repeat it carefully.（不需要。你真正要做的是把实验重复一遍，也许下次就可以做成。与其花大把时间搞清楚一个实验为何失败，不如先重复一遍。面对一个失败了的复杂的一次性实验，最好的办法就是认认真真重新做一次。）后来，Nikola又把他的观点升华: （大意）It is a philosophical decision whether to figure out why an experiment failed. The conventional wisdom of understanding every glitch may not represent the best approach.仔细想想，这些话很有道理。并不是所有失败的实验都一定要找到其原因，尤其是生命科学的实验，过程繁琐复杂；大部分失败的实验是由简单的操作错误引起的，比如PCR忘记加某种成分了，可以仔细重新做一遍；这样往往可以解决问题。只有那些关键的、不找到失败原因就无法前行的实验才需要刨根究源。

我选择的这些例子多少有点“极端”，但只有这样才能更好地起到震荡大家思维的作用。其实，在我自己的实验室里，这几个例子早已经给所有学生反复讲过多次了，而且每次讲完之后，我都会告诉大家打破迷信、怀疑成规，而关键的关键是：Follow logic！（跟着逻辑走！）

我每天在实验室里注定会重复讲的一句话就是：Follow logic！每天对不同的学生讲，加在一起至少有5遍以上吧。而我自己每次与博士生讨论课题也总是遵循严密的逻辑，用推理、排除法找到实验的下一步解决方案。

严密的逻辑是 critical analysis的根本。

最多留言日志

做实验需要注意的五大细节

刀客 — Mon, 25 Jul 2011 13:24:44 +0000

做实验需要注意的五大细节

唐凌峰

实验的成功率很重要，而要提高成功率，就必须注意细节。以下是做实验需要注意的五大细节：

一，记录

人的记忆力是有限的，在做实验的时候，不可能记住做过的每一步。例如实验记录如果不及时写，第二天就会忘记很多，一周之后就完全忘记了。所以做实验一定要做好实验记录。记录一要及时，否则就会忘记，最好是随时记录。二要详细，因为一个很小的细节可能就是实验失败或者成功的原因，如果没有记下这个细节，实验出问题了就难以找到原因。例如，做实验用的试剂是哪一瓶，什么时候配的（尤其是容易失效的试剂），如果是用PBST配的5%BSA，加了0.02%的Sodium Azide抑制微生物生长，就应该记录为5%BSA.PBST.N3Na，而不是5%BSA。三要整洁，如果过于潦草，看起来很不方便，需要找相关信息的时候就难以找到。配好的试剂做好标签也是一种记录，标签一定要详细：包括试剂名称、配置日期、配置者及其它必要信息。在配试剂的时候，为了防止忘记贴标签的情况，应该先贴标签，再加试剂。电子记录有易于检索的优点，对于某些重要信息，可以记录到电子文档（例如word文档）里面。

二，核查

很多时候，我实验失败的原因是没有仔细核查，例如没有核查果蝇的表型，没有仔细检查试剂的标签，没有核查离心机的转速，没有检查heat block的温度等等。每一个小错误都可能导致实验失败，所以一定要养成仔细核查的习惯。具体来说，在加试剂的时候，一定要仔细核查标签（包括试剂名称、配置日期），是否有沉淀，颜色是否改变等；使用仪器的时候，要核查设置，例如温度、转速、时间设置等；电泳的时候，要核查是否有气泡冒出；使用实验动物的时候，要核查表型等。

三，分装

谚语说：不要把所有鸡蛋都放到同一个篮子里。同样，在做实验的时候，有时也不要把所有试剂都放到同一个容器里。分装有很多好处。第一，保险。可以防止因为污染、变质等原因损失全部试剂或者样品。第二，容易混匀。结冰的试剂需要全部溶解然后vortex才可以混匀，如果很大体积，有时会等不及全部溶解就开始加样，会导致浓度不均。一般溶液都是先溶解溶质浓度高的，就像是结冰的汽水一边融化一边喝，一开始很甜，最后几乎没有甜味了，是因为糖份的存在会降低熔点，含糖量高的先溶解了。分装后，每一管溶液量小，解冻时容易全部溶解。注意在分装的时候一定要全部溶解并充分混匀。第三，延长保质期。很多试剂都要低温保存。如果不分装，每次使用的时候都全部受热一次，变质就会很快。分装之后，每次使用只有少量试剂受热，其它的还可以继续保持于低温，可以延长使用寿命。抗体、体积较大的酶、热不稳定的其它试剂等最好分装保存于-20度或者更低的温度。

四，混匀

实验对很多试剂的用量都有明确要求。要保证实验的成功和可重复性，必须保证试剂用量一致。用量等于体积乘以浓度，如果溶液不混匀的话，浓度就会不同，即使加样体积一样，实际的量也可能不一样。所以，一定要保证试剂是充分混匀。结冰的试剂，必须完全溶解才可以使用。容易沉淀的试剂，使用之前必须充分vortex后再快速离心一下才能使用。

五，备份

在《At the bench》一书里，作者说如果实验室发生起火等危急情况，首先应该抢救的不是试剂，而是实验记录。因为有了实验记录才可以完成论文。其实，为了防止实验记录丢失的情况，可以把实验记录扫描为PDF文档以备份。同时，对于重要的研究数据，最好整理成电子文档例如excel或word文档，并且养成对自己的电脑文件定期备份的习惯。此外，质粒、转化后的细菌也需要备份。最好备份两份以降低丢失的概率。

社科院研究员李醒民：我为什么从来不申请课题

刀客 — Mon, 18 Jul 2011 15:09:17 +0000

谁都知道，现在学术界的“生态环境”很不利于学术：僵化的量化考核制独霸一方，课题一票否决制和项目化生存风靡域中。你若没有弄来课题或项目，你不仅无钱报销各种研究费用，而且每逢考核肯定不合格：轻则不给你晋级（不管你成果多大、水平多高，就是不准你实至名归），重则丢饭碗走人。相形之下，只要你能设法弄来课题，把钱打入本单位的账号，不仅可以住高档酒店、海吃海喝，而且还能以各种名目（奖励、提成、变相报销等）中饱私囊，更能顺利戴上教授、博导之类的桂冠，甚或加官进禄，尽管你没有像样的学术成果，也没有够格的学术水准。

显然，能弄来课题“好处”很多，诱惑很大，可是自从上世纪80年代初步入学界以来，在30余年的学术生涯中，我从未申请课题。也许有人会问：原因何在？

第一，我的研究兴趣和关注的问题与课题发布者的意图往往对不上号。我是从事纯粹学术性或“无用”的理论性研究的，对应用性问题缺乏兴趣，而现在的招标课题多数是要有“用处”的。即使剩下的理论课题，也与我的旨趣不大合拍，况且其中还有部分假问题。我研究的问题，既不属于庙堂话语的范畴，也不符合时髦热点的旋律，往往处于大溜之外，而且研究结果不时与传统观点和教条观念唱反调。这样不入时的研究题目，人家怎么会批准呢？所以，我只有在“千山鸟飞绝，万径人踪灭”之处，“独钓寒江雪”了。

第二，课题设定时限太短，我无法在规定的期限内结题。现在招标或申请的课题，有一年半载的，至多也不过三五年。在这样短的时间内，我根本无法完成一个有分量的研究。从我的学术经历看，除了某些枝节性的问题用时较少外，稍微像样的题目，两个三五年也不够。我研究批判学派超过25年，而科学文化、科学论研究贯穿在我的学术生涯中，至今还在继续。为了申请课题，把自己的研究肢解得七零八落，或者只知道围着别人的指挥棒转来转去，小打小闹，打一枪换一个地方，没有自己驻守的“根据地”，怎么能搞好学术研究呢？

第三，不符合我的研究规律。我研究问题，有时单刀直入，有时齐头并进，有时深入堂奥，有时中途转向，忽紧忽慢，有张有弛，完全是按学术研究的规律进行，按我的思维逻辑和突发灵感行事。有要求的课题，就只能局限于人家设定的范围，按人家的章程和日程办事，不能越雷池一步，也没有时间和精力跨越界限或改换门庭。这样，自己就没有固有的专注领域、迷恋的兴趣焦点和长远的目标计划，更不可能跟随灵感的即时闪现迅速转移阵地，只能在一棵树上吊死。

第四，我既无能又无法填写申请表。现在的课题申请表，要求填写诸多内容，但是格式大同小异。一般都要说明预期成果和实施步骤：预期成果必须写得头头是道、纲举目张。总而言之，务必讲得既天花乱坠，又天衣无缝，以便打动审批人，收取旗开得胜、马到成功之效。遗憾的是，我无能亦无法做到这一点。我研究一个学术问题，起初只有大致的范围、混沌的轮廓、模糊的观念，根本不晓得将来会取得何种成果，也不清楚何年何月会进展到何种地步。我只知道先收集资料，接着研读文献，经过多年基本备齐材料之后，再从头到尾通读并熟悉它们，反复思考，此时心里多少有点眉目，方才敢于操觚染翰。要求在着手研究之前就那样搭建空中楼阁，我没有这个能耐，更没有凭空吹嘘的本领。

遗憾的是，中国目前的研究经费，全部掌握在有关机构手中，清一色的申请批准模式，让你毫无选择的余地。在这种境况下，我只好退避三舍，对申请课题“敬而远之”了。（作者为作者为中国社会科学院研究员）

国内占坑还是出国博后的问题

刀客 — Mon, 20 Jun 2011 13:02:42 +0000

国内占坑还是出国博后的问题

作者：jinhuewe

最近版上常有虫友纠结于国内占坑还是出国薄厚的问题，本人有颇有些感触。下面这篇帖子是一年前，本人在“博后教授”版上发的，兴许对正在纠结中的虫友有点启发。当时“海外薄厚“版还没有出来，这里本人要感谢W版，给大家提供了一个交流信息的平台，也祝愿本版越来越兴旺！原文如下：

鄙人偶尔来贵版转转，感觉贵版气氛有些异常呀。贵版是“博后教授”版，不过版上虫友对“博后”的看法似乎很负面呀，比如说“实在是找不到工作才做博后呀”，“博后就是临时工呀”等等看法不绝于耳。鄙人想结合自己在国外的这几年经历，以及对国外科研制度的理解，说说一点自己的想法。
贵版版主以前搞了一个调查，问为什么这个版叫“博后教授”版。是呀，为啥叫博后教授版？很多虫友觉得，博后和教授有啥关联呀。鄙人有个业余爱好，就是没事的时候喜欢看看自己领域的那些欧美牛教授的网站，看看他们的CV之类的，所谓见贤思齐么。一般来说，这些教授毕业毕业以后，到评上assistant professor之前，都有几年博后（post-doctoral fellow, PDF）或者类似博后（比如research associate或者research fellow）的经历。鄙人也听说过有牛人一毕业就评上米国assistant professor的，但实事求是来说，鄙人在本领域还真没见到。一般欧美学术界的规矩，青年科学家在得到assistant professor之前，做几年博后或者类似博后的独立研究工作，是在学术界进一步发展必须的，其实很多时候也是为了搞人家关系。当然也有例外，比如说很牛的fresh PhD(MIT或者哈佛毕业，或者老板是炸药奖得主之类的)，也可以直接搞到assistant professor的。
再谈谈这几年，国内fresh PhD联系欧美博后的问题。鄙人毕业于中科院一牛所，自己了解到的情况大概是这样的，01年和07年，对联系国外博后来说，是两个分水岭。01年之前，我们所基本上所有博士都博后出来了，从01年以后，逐年不容易了，到了07年，据说能出来的已经不到一半了。鄙人要说明一点的是，其它单位本人不了解情况，鄙人还真没听说我们所的fresh PhD快毕业时有谁没试着联系国外的，只是最后成不成功的问题。事实上，这几年，联系博后难度已经不是一般的大了，尤其是欧美一流大学或者研究所。主要是下面几个原因：这几年国内博士大批发，我用的是“大批发”三字，虫友应该没意见吧。第二是基金委搞的大规模公派博士生计划，每年5000个，加上各个大学，省市自己的公派项目，据说每年2万人出国深造。呵呵，自己想想吧，国外科研容量有多大？如果你是国外老板，你是找个要你自己发工资的博后，还是免费廉价的中国公派？第三，就是这几年金融危机，欧美很多大学研究所经费受到削减了。这三大原因，这几年，fresh PhD想要自己联系国外博后，难度是可想而知了！版上很多虫友觉得博后一无是处，是实在找不到工作的最后选择。说实话，鄙人真是不知道怎么说才好。反正，鄙人接触到的稍微有几篇SCI的，无一例外想尽办法联系欧美博后。既然一些虫友如此鄙视博后，想必都是牛人呀，呵呵。如何个牛法，就自己联系一下欧美的一流大学，看别人要不要你去么，不就清楚了！公派的就不要提了。
再说说是博后还是先工作的问题。这个问题，每个人都有自己的个人情况，不能一概而论。建议诸位fresh PhD听听自己老板的意见。似乎，学术型的老板一般会建议出国博后，行政型的老板，多会建议先占坑。就目前的形势而言，国内博士联系欧美一流科研机构的博后，除了自己要牛（好SCI要多）之外，自己老板的学术人脉也至关重要的，这点我不说大家都明白的。学术做的一般般的行政型老板，哪里认识几个国际大牛呀。
说到占坑，再说说国内大学职称级别的问题。国内大学，一般是助教－讲师－副教授－正教授。以后跟国际接轨那是肯定的，事实上，现在已经有些985大学，在实行tenure track 制度了，新进的人员都从assistant professor开始。如果虫友有兴趣的话，可以看看饶毅老师的博文。估计在以后一段时间内，将是这两套制度并存。虫友们可以想象一下，一个刚毕业的土鳖博士，搞到assistant professor的机会有多大？当然牛人（确切来说，是牛老板的学生）除外，呵呵。以后，在国内大学混，没有几年海外背景，如何混？当然占坑以后，也可以公派。这不，有些985大学和中科院的有些所就说了，那种几个月不到一年的公派国外经历不算数！到了申请基金的时候，这点国外资历，就更不值一提了，牛海龟多得是！各位虫友们，大家讨论是出来做博后还是先占坑的问题，如果你是以后想一辈子在中国学术界混，这个问题还有讨论的必要吗？
以上是鄙人的一点感触而已，说实话，在国内的国外的大家都不容易。有时候，自己做不到的事情，还是不要鄙视别人，酸葡萄是要不得的。一家之言，拍砖请轻点呀，呵呵。

以上是本人一年前发在“薄厚教授“版上的，当时大家分为两派，赞成和反对的各占一般，呵呵。其实，我个人觉得，出国薄厚与国内占坑这个问题，与现在国内大家都很关注的买房的问题很相似。其实，大家都知道，中国的房地产泡沫很大，物不所值，当时大家都还是挤破头买房。为啥？其中一个很重要的原因，就是既得利益集团控制了舆论，造成大家心理的恐慌。。。。。。。国内占坑的问题，是不是跟这个似曾相识呢？国内大学生就业难难道是一年两年了么？是什么原因，造成了大家觉得一定要在国内占坑呢？且不问这个坑含金量有多高。。。我总觉得，有个无形的舆论导向，在上空控制这大家，就跟房子问题一样，就是想造成大家的恐慌。其实，我们出来以后，看问题的角度，就跟在国内大不一样了。

本人一年前信手涂鸦的一个旧帖，引来了大家这么热烈的讨论，着实令本人很意想不到。在这里谢谢诸位捧场，本人也想借此总结一下自己的一些观点，兼回复一些虫友的问题。

1. 在我这个旧帖里面，我将博士毕业后的出路限定在学术界。是的，博士毕业了可以当公务员，还可以进入工业界。但考虑到中国大部分博士毕业了首先选择科研界，其次是公务员，再次是工业界，所以本人主要讨论的是在学术界的出路问题。出过国的同学都知道，在欧美，博士毕业后的首选是进入工业界，尤其是那些知名跨国公司。原因是很简单的，所谓屁股决定大脑，工业界优厚的薪水和良好的社会地位决定了的。在德国，如果你有幸能进入象BASF，Siemens，Bosch这样的跨国公司，那么你的薪水基本上是你在科研界同学的两倍，如果算上company car,出差补贴，小孩入托之类的隐形福利，差距会更大。2倍的差距也许在国内不算啥，但欧美的人均收入比较平均，那么这个差距基本上就是住apartment和house的区别。国内呢，我想大家选择的顺序基本上是公务员，然后是大学研究所，最后才是工业界吧。什么原因我就不多说了，大家心里都清楚。以后跟国际接轨恐怕是必然的，工业界必然是国内大多数博士的归宿。

2. 我发现，回帖的虫友，基本上有一半似乎是从来没出过国的。其实，我觉得讨论出国博后还是国内占坑的问题，最好是有出国经历的人来发言。葡萄都没吃过，怎么知道葡萄是酸的还是甜的呢？最好是国内占坑出来的，或者回国占了坑的这些人，他们对这个问题最有发言权，大家说是不？

3. 我发现，很多人拿国内的人跟国外的人比较，总喜欢拿国内混得好的跟国外混得差的比，这个现象很有趣呀，呵呵。我们在国外看到的，且不说商业界有不少混得好的华人，即便是在学术界混到正教授这一级的也有不少。

4. 回国占坑，还是留在国外，完全取决于自己。有人觉得国内两三千的青椒位置很爽，有人米国老千都不愿意回，只要当事人觉得过得好就OK了。兴许这个青椒还BS这个米国老千呢。不过话又说回来，你要是真想看看米国老千在万恶的米国过的是如何的惨，我觉得你还是自己亲自来米国看看才行，老在那里妄自揣测人家也不是个事，你说是不？

5. 回国占坑，还是留在国外的比例的问题，教育部那个统计数据说明不了什么问题。我就关心海外的博士+博后这部分人的出国/回国比例。确切来说，我最关心在国外直接拿到博士学位的这些精英的选择。诸位应该都有PKU和THU的同学考GT来米国读博的，有时间跟这些“人精+精英”们聊聊，他们的选择最能回答这个问题。回国占坑，还是留在国外的问题，跟是否爱国无关。回国的不见得就是多么爱国，留在国外的不见得是不爱国的。别TMD的拿爱国这个大帽子乱扣！否则，愤青（俺也是）们早把PKU和THU给铲平了。在国外的各大中文论坛，海归与海不归永远都是一个永恒的话题。不过话又说回来，在那里嚷嚷着海归的，又有几个真正的海归了呢？

6. 我们出来了以后，人生又多了一个选择，那就是在国外还是回国的选择。能多有一个选择，那真是太好了。出国以后，我们的视野开阔了，看问题也更加多元了。夜深人静的时候，我们时常思考一下，未来中国的发展方向和趋势。不是关心国家大事，国家大事不是我等屁民所能够关心的，而是希望通过思考这些问题，能够为自己和家人有个更长远的规划。中国的经济真的可以一直保持高速增长？真的有所谓的“中国模式”？这些问题，出国了都会有自己的思考。大家都是从小看新闻联播长大的，CCTV的新闻联播，前10分钟是国家领导人很忙，中间10分钟是全国人民多么幸福，最后10分钟是资本主义国家老百姓生活在水深火热之中。哈哈！

7.博士毕业了，在决定自己下一步之前，每个人问问自己究竟是喜欢学术呢？还是希望从学术中得到别的？比如财富，学术地位？社会地位？问问自己究竟想要什么？下一步如何发展的问题，答案就有了。科学家只是诸多职业中的一种，一个谋生的职业而已。我知道很多人读到博士了，心里一直有个“教授”的梦想，似乎只有当了教授，才是修成正果。其实，现在在中国搞研究也只是一个谋生手段而已。在哪里干不是给人打工呢？跟谁干不是给人打工呢？你说是不？世上道路千万条，博士毕业了不见得一定呀搞研究是不？我们很多时候，考虑问题都是从利益的角度来思考，我们有没有问问自己的心？echobhb顾问的贴子很有启发，难道不想当老板的博后不是好博后？我们真正地问过自己的心吗？当你开始羡慕L的时候，其实你已经在否定自己了。否定自己，其实是一个很痛苦的事情。做自己不情愿的事情，过自己不愿意的生活，是一件很痛苦的事情。那么我们为何不让自己的心做一回主呢？羡慕L，就义无反顾的赶快回国去。想献身科学，就坚持下来。事情有那么困难和复杂吗？还纠结啥的？赶紧了！

以上是本人的一点个人观点，本人也不是啥牛人，看问题自然是很肤浅。一家之言，拍砖请轻点。还有，本人不喜欢灌水式的回帖。

一些机器学习（Machine Learning）的网站总结

刀客 — Mon, 02 May 2011 13:57:56 +0000

这里搜集了一些常见的和 machine learning 相关的网站，按照 topic 来分。RMw平坦软件园

Active LearningRMw平坦软件园

http://active-learning.net/，这里包括了关于Active Learning理论以及应用的一些文章，特别是那篇Survey。
Transfer LearningRMw平坦软件园

http://www.cse.ust.hk/TL/，包括经典的论文以及附带有源码，很方便。
Gaussian ProcessesRMw平坦软件园
RMw平坦软件园

http://www.gaussianprocess.org 包括相关的书籍（有 Carl Edward Rasmussen 的书），相关的程序以及分类的 paper 列表。这也是由 Carl 自己维护的，他应该是将 GP 引入 machine learning 最早的人之一了吧，Hinton 的学生。
Nonparametric Bayesian MethodsRMw平坦软件园

http://www.cs.berkeley.edu/~jordan/npb.html 这个一看就知道是 Jordan 维护的，主要包括 Dirichlet process 以及相关的其他随机过程在 machine learning 里面如何进行建模，如何进行 approximate inference。主要是文章列表。
Probabilistic Graphical ModelRMw平坦软件园

http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html 是 Kevin Murphy 所维护的关于 Bayesian belief networks 的介绍，含有最基本的概念、相关的文献和软件的链接。罕见的 UCB 出来的不是 Jordan 的学生（老板是 Stuart Russel）。
http://www.cs.berkeley.edu/~jordan/graphical.html 是 Jordan 系关于这个方面的论文汇编。
http://www.inference.phy.cam.ac.uk/hmw26/crf/ 是关于 Conditional Random Fields 方面论文和软件的收集，由 Hanna Wallach 维护。
Compressed SensingRMw平坦软件园

http://www-dsp.rice.edu/cs 这是 Rice 大学维护的论文分类列表、软件链接等。推荐 Emmanuel Candès 所写的tutorial，这人是 David Donoho 的学生。
TensorRMw平坦软件园

http://csmr.ca.sandia.gov/~tgkolda/pubs/index.html 关于 tensor 的一些偏数学的文章。
Deep Belief NetworkRMw平坦软件园

http://www.cs.toronto.edu/~hinton/csc2515/deeprefs.html 是 Geoffrey Hinton 为研究生开设的 machine learning 课程的 DBN 的 reading list。
Kernel MethodsRMw平坦软件园

http://www.cs.berkeley.edu/~jordan/kernels.html 是 Jordan 维护的关于 kernel methods 的文章列表。
Markov LogicRMw平坦软件园

http://ai.cs.washington.edu/pubs 是 UW AI 组的文章，里面关于 Markov logic 的比较多，因为 Pedro Domingos 就是这个组的。

Machine learning theory

http://hunch.net/这个网站主要是一些learning theory的东西比较多，想在machine learning 理论上有所建树的同志们可以去看看。

SciTS: 一座21世纪科技合作的灯塔？

刀客 — Wed, 13 Apr 2011 03:56:28 +0000

SciTS（即Science of Team Science之缩写，读作sahyts, 发音与sights同, 可称为研发群体之科学）是国际上一个正在兴起的跨学科交叉研究领域，专注于科学研发群体如何发起、组织、交流、从事科研活动等的过程。SciTS的核心任务是理解认清促进或阻碍各种各样科技合作的情况和阶段，并加以有效管理和利用：从确定大规模科技合作研究、培训、转化的有效性，直到掌握研发群体是如何协力攻关取得个人或递增式努力难以实现的突破和跨越。目前，推动这一领域的主要团队是美国一批跨学科交叉研究复杂系统的学者，他们认为：SciTS是促进二十一世纪科学合作的一盏指路明灯（A Beacon for 21st Century Scientific Collaboration）　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

国际上，学者们确认迄今为止已有180多篇与SciTS相关的核心文献。其中除了17篇发表于1944年到2000年之间外，其余皆为2001年之后发表的。这一发现充分表明：SciTS作为一个新的领域正在兴起，关于SciTS的研究热潮即将或已经爆发。一百年前，人类经历了一场由几位天才个体物理学家诱发的科学风暴；百年后，我们或许正处在另一场由群体唱主角的科技风暴之前夜，而SciTS正是渡过这风暴所需要的灯塔。

一般而言，知识的产生可分为两类：连续的递增型和离散的激进型。美国学者对从1945年到2008年全世界发表的两千一百万篇论文进行研究，结果发现几乎所有科学分支都呈现出一个根本性和普遍性的变化：在产生高影响、高引用科学成果时，群体比个体科学家越来越居优势；群体变得越来越大；群体越来越超越大学的界线，而非限于某一校园之内。他们还对世界范围内发表的专利进行研究，结论十分相似。

学者们认为：造成这一变化或转移的原因是我们研究的问题越来越复杂，涉及交叉学科知识，超越传统学科边界。因此，解决这些复杂问题必需从许多不同的学科视角去考量，而关键与核心就是跨学科交叉的研究群体，其采用的方法多半是多学科（Multidisciplinary）、交叉学科（Interdisciplinary）、跨学科（Transdisciplinary）的，有时还是它们的综合。数据和趋势皆已表明，跨学科交叉的研究群体将在解决复杂问题、发现高影响科技成果方面发挥越来越重要的作用。为此，我们急需建立关于此类研究群体的科学，也就是SciTS，The Science of Team Science, 以便能够更加有效地组织并发挥研究群体的效率，实现科技的跨越性发展，更好地造福于人类。

SciTS的研究必定要沿着多学科、多层次、多方法的思路和框架进行。首先，其研究必然涉及人文、社会、科学、技术和工程等领域的知识和方法。其次，可以在以群体的集合为对象的宏观层次，以群体本身为对象的中观层次，以及以群体的成员为对象的微观层次展开研究，在不同层次上发现问题、寻找相应的解决方案、常见模式、普遍规律和进一步的挑战等等。最后，在各个层次和不同问题上可采用多种方法，如海量数据挖掘、统计学习、复杂网络、模式分类、问卷调查、背景分析、可视化等等，对群体的形成、活动、过程、结构及功能从时间（When）、地点（Where）、任务（What）、人员（Whom）、如何（How）和为何（Why）等方面进行研究考察。

近年来，美国对与SciTS相关的科技项目大力支持。比如，其国家基金会NSF启动了网络化支撑的发现和创新（Cyber-enabled Discovery and Innovation）项目CDI，围绕：1）从数据到知识、2）认识自然、人工、社会系统的复杂性、3）虚拟组织等主题长期地对优秀的跨学科交叉研究群体进行支持，目的是在计算思维的引导下，通过大胆的跨学科交叉，诱发能够根本性改变科技水平的研究成果。国家卫生研究院NIH对此的支持力度更大，其临床和转化科学基金（The Clinical and Translational Science Awards）CTSAs的主要目标就是培育众多能将“实验室的科学发现转化成临床治疗手段”的跨领域研究者群体。正是CTSAs对以美国西北大学为主的有关群体之资助，才使SciTS具体化成为一个正在兴起且实实在在的跨学科交叉研究领域。2010年四月，CTSAs还资助了首届SciTS国际大会。此次大会是在2006年NIH癌症研究所的SciTS会议之基础上召开的，与会人士来自许多不同的领域，极大地促进了SciTS向一个独立研究领域方向的发展。

在欧美，与SciTS直接相关的几个正在开展且较有影响的大规模群体研究项目包括：1）构建国家甚至国际层面科学家网络的VIVO项目，由NIH资助，以康奈尔大学为主的7家单位、4个群体、120位研究人员参加；2）构建植物科学网络化基础合作设施的iPlant项目，由NSF资助，以亚利桑那大学为主的6家单位、6个群体构成核心，强调项目和环境的开放性；3）通过网络化、虚拟化、社会媒体化，构建能够使知识的产生、传播、评价、维护过程发生“范例转移”般革命的LiquidPub，由欧盟第七框架下的未来与新兴技术（FET）计划支持，以荷兰Trento大学为主的八个机构参与，涉及出版企业、多个国家和国际学术团体。这些项目利用自然语言处理、本体建模方法、语义网技术等，针对科技知识产生过程中的人、物及出版过程，以跨学科交叉群体的方式，从SciTS的视角，正在开展扎实且有成效的工作。

实际上，中国是世界上最早开展SciTS实际工作的国家之一。而且，我国的管理体制更有利于群体的组织与发展，国家自然科学基金委员会的“创新研究群体”就是一个成功的典型案例。与VIVO、iPlant、LiquidPub相似，基于社会计算和平行系统，我们也开始了iCAN、cPlant和AI 3.0等项目，力图在科技情报的获取、科技信息的传播、科技成果的影响、科技知识的产生方式上实现根本性的变化。然而，在跨学科交叉方面，我们明显不足，更没有从研发群体之科学SciTS的视角来组织、评价、管理各种各样的研发群体。与国外相比，我们更强调自上而下的正规性、制度化的群体工作，而国外许多都是自下而上的松散式、兴趣性的群体。中外之间的差别，颇似规范经济学与实证经济学之间的差别。或许，这也为我们切入并深入开展SciTS研究提供了一种思路和方向。

显然，我们目前已面临着科技本身迫切需要现代化的问题。为了提高国家的科技竞争力，确保社会经济的可持续发展，我们应当迅速、系统、持久地开展SciTS方面的研究工作。

2011年3月20日始于CZ3124，3月26与28日续于CZ6716和CA1346，4月2日草成于CA983。

来源：王飞跃的博客

优秀科学家必备的几个要素

刀客 — Thu, 31 Mar 2011 01:13:18 +0000

优秀科学家必备的几个要素

蒋继平

2011年3月30 日

平心而论，在科技领域工作的人，都希望自己成为一个优秀的科学家。然而，美好的愿望仍然只是愿望而己，真正能成为优秀科学家的人仍然为数不多。为什么会造成这种差异呢？主要原因是优秀的科学家必须具备几个必备的要素。我现在来简单地谈谈个人在这个问题上的体会。

丰富的想象力（Imagination）。 这个因素是至关重要的。一个优秀的科学家必须具有独立的思考能力，不能总是跟着别人的思路走，不能光听导师的，光听领导的。当然，独立思考并不等于不听别人的，别人的观点也要听，要认真地听，但是，要有自己的分析和判断能力。科学研究有许多时候需要假设，这个假设实际上就是想象力。要是你不具备丰富的想象力，你能提出优秀的假设吗？在这里，我说的想象力不是空洞的，毫无依据的抽象概念，而是在自然界和社会生活中经常会遇到的问题的前因后果的相互关系。这种想象力要能够透过现象看本质，有超越常规的思路，有独到的见解。

扎实的基本功（Knowledge）。 想象力(科学假设)相当于一张设计图，是一个工程或者艺术品的初步规划。现在，我们要根据这个设计来施工。在施工前，我们必须要有必要的材料和工具。假如我们要建造一座大楼，我们必须要有一块地，一个坚固的根基，要有钢筋水泥，要有吊车和其他工具，要有各种其他的材料。没有这些材料和工具，你是根本无法建造一座大楼的。同样的道理，我们要成为一个优秀的科学家，也必须具有必备的科学知识。科学知识越广阔，根基打得越扎实，越有利于你的科研工作。记得我第一次博士资格考试时，五位监考教授问的问题真是广泛和深奥，其中的一位是系主任，美国科学院院士，世界知名的植物病理生物生化科学家，他问的问题是全世界的，保罗万有。我当时一点儿思想准备都没有，当然没有通过这次博士资格考试。这位教授后来对我说，那是他故意如此做，为的是使我有一个扎实的基本功（他知道我是洛克菲勒奖学金获得者，不用担心学费和时间，在系里多学一段时间对我本人和对整个系都有好处）。大概一年后，在我第二次进行博士资格考试时，这位教授几乎没有问任何问题就让我通过了（其他教授都看他的举动）。现在想起来，我真的很感谢这位教授的良苦用心。

强烈的责任心(Responsibility)。 有了设计图，有了必备的材料，我们开始建造。在建造过程中，我们必须始终保持强烈的责任心。只有这种强烈的责任心才能确保一个高质量的工程按期完工。强烈的责任心应该包含一丝不苟的工作态度，勤奋耐劳的敬业心，和规划严密的时间性。实际上，我们不光是搞科研，做任何事都要有责任心，没有责任心，是做不成大事的。我在读博士的时候，研究的课题是非常普通的，别人已经搞了几十年了，没有结果。我在导师的要求下，继续从事这个课题的研究。我从来不放弃任何机会，尽我全能，整天在实验室观察记载，有的时候，在显微镜底下一看就是3-4 小时，直到眼睛痛不能再看停止。也许我的执着精神感动了神灵，有一天晚上，我看到显微镜底下的孢子都在朝我眨眼睛（那是真的眨眼睛，因为我平时一天到晚都看到它们的，我的导师和其他教授已经在几十年前看到这些“眼睛”了，但是，这些“眼睛”没有引起我们大家的注意），我就用定时照相机把这些孢子的“眼睛”如实地照下来。结果发现这些“眼睛”是孢子的核，一对“眼睛”其实是雌雄两个核。后来我进一步发现，只有这两个核在一个孢子内融合后，这个孢子才能在适当的环境下萌发。我的这个发现正是这个课题几十年来一直想寻找的答案。

当一个人具有高度的责任心，他就会以苦为乐，充分利用好时间，全心全意地做好自己的工作。在我博士毕业走向社会后，不管到那里，交给我的科研任务要是在六个月之内不能完成的话，我是吃不好睡不着的。不过，到现在为此，也很少很少出现过这样的情况，绝大多数课题在我手上不用六个月就得到解决。

敏锐的洞察力（Judgment）。敏锐的洞察力是一个优秀科学家必备的要素之一。这是因为科学研究一般都是对自然现象的观察，记载和分析。因而，我们不但需要细致的观察力，还必须具有通过表面现象看本质的判断力。首先，细致的观察力是第一位的，要能够从物体的细微变化中找出差异。实事求是地说，要是很明显的东西，那肯定被别人早就发现了，等不到你来发现。优秀科学家的素质是能够从这些细微的变化中找到差异，并能够将这些差异扩大加倍，从而使之成为明显的不同。在这一点上，谨密的逻辑推理也是很重要的。一个优秀科学家要具有把观察得来的数据，运用扎实的知识基本功，进行严密的分析推道，做出适当判断的能力。

高度的专注性（Focus）。一个科研项目通常需要一定的时间才能完成，这不是一天两夜就能完成的事。因而，作为一个科学家，献身于科学事业，就得有充分的准备，要集中所有的时间和精力来从事自己的专业。要不然的话，是做不出什么大的成就来的。这是因为一个人的时间和精力是有限的，你把时间和精力用在别的地方，那必然会减少你花在科研上的时间和精力。正因为如此，世界上绝大多数优秀科学家仅仅只是科学家而已，他们不可能既是优秀的科学家，又是责任重大的管理者。极少数的优秀科学家成为管理者的例子也是有的，但是，那是他们在成名后被推荐当领导的。不过，当他们成为管理者后，他们就不太可能继续集中精力来搞科研了，所以，出的成果也必然会少。鉴于这种原因，大多数科学家一辈子只是默默无闻地奉献。

良好的适应性（Adaptability）。 大多数科研项目不是一个人可以完成的，而是需要几个人或者说一个团队一起来完成的。这就需要一个团队合作精神。一个优秀的科学家必须要有一个良好的合作精神，要能够与同事，上级和下级搞好关系。不可否定，要成为一个优秀的科学家，科研环境也是一个关键因素。要是你的研究环境很不利于你的研究工作，那你就得考虑换一个环境。科研需要一定的仪器设备，也需要一定的经费，要是你的单位不能提供这些必要的保障，那你在这个单位就不太可能做出巨大的贡献的。还有，社会很复杂，不是每个人都是很容易相处的，要是碰倒一些心胸狭隘的同事或者上级，那你也得考虑换一个地方。但是，不管这么说，一个优秀的科学家本身必须具有良好的合作精神，有了这种精神，走到哪里都会受到别人的喜爱的。良好的适应性不但包含一个人的合作精神，而且还包含一个人的优良个性，热情，开朗，勤奋，宽容，和不计较个人得失。

结论，一个优秀的科学家必须具备丰富的想象力，扎实的基本功，强烈的责任心，敏锐的洞察力，高度的专注心，和良好的适应性。假如你已经具备这些素质，那么，你必将是一位优秀的科学家或者必将成为一位优秀的科学家。要是你没有如愿以偿，那么，我建议你分析一下你身处的环境，是否应该换一换？

思维导图软件Mindmanager简介–驾驭思维的工具（PPT+PDF+视频下载）

刀客 — Wed, 30 Mar 2011 10:04:18 +0000

科研工作者的信息修炼系列之四：思维导图软件Mindmanager简介–驾驭思维的工具

罗昭锋

思维导图，又叫心智图，是表达发散性思维的有效的图形思维工具，是一种将放射性思考具体化的方法，简单却又极其有效，是一种革命性的思维工具。

图导思维

用最接近大脑思考的方式来展示思考过程

使无序的，混乱的和发散的思维走向有序

迅速剖析复杂问题，把握全局

思维导图的作用

l增强系统思维

l增强记忆能力

l成为群策群力的高手

l快速收集、处理大量信息的能力

l提升创新思维和决策能力

报告下载

PPT&PDF：思维导图软件Mindmanager简介–驾驭思维的工具（上面的压缩包中包含5个文件，pptx和对应的pdf，mmap文件和对应pdf，以及一个栖息谷下载的导图文件，介绍了很多思维导图相关资源。用mindmanager打开。）

视频：思维导图软件Mindmanager简介–驾驭思维的工具

引文分析软件HistCite简介–通往未知领域的指南针（PPT+PDF+视频下载）

刀客 — Wed, 23 Mar 2011 09:53:09 +0000

科研工作者的信息修炼系列之三：引文分析软件HistCite简介–通往未知领域的指南针

罗昭锋

Histcite能够帮助我们快速锁定一个领域的重要文献、重要作者和重要的研究机构，帮助我们快速绘制出一个领域的发展脉络，以及找到一个领域最新的进展情况。

在所有文献分析软件当中，这个软件可能算是学习成本最低的一个。

这个软件适合WOS收录的学科。当你想了解一个领域的整体情况，这个软件可以帮你节约筛选文献的时间。

适合刚进入科研的研究生，以及想法非常多的科研人员，因为你需要快速了解一些并不是非常熟悉的领域。

PPT：引文分析软件HistCite简介–通往未知领域的指南针

PDF：引文分析软件HistCite简介–通往未知领域的指南针

视频：引文分析软件HistCite简介–通往未知领域的指南针

文献管理软件EndNoteX4简介–通往高效科研人士的必由之路（PPT+PDF+视频下载）

刀客 — Wed, 16 Mar 2011 09:43:59 +0000

科研工作者的信息修炼系列之二：文献管理软件EndNoteX4简介–通往高效科研人士的必由之路

罗昭锋

文献管理软件EndnoteX4简介

大名鼎鼎的文献管理软件，可以帮助你高效管理海量文献信息，撰写论文或书籍时自动编辑参考文献格式，快速进行文献统计分析，自动下载文献全文，支持自动将pdf导入到数据库中等功能。

Endnote X4的功能

•online search tool

–收集不同数据库的资料在本地建立数据库

•reference and image database

–全文管理

–笔记管理

–简单分析

•bibliography and manuscript maker

–自动进行参考文献格式编排

–利用全文模板撰写论文

面对变化的社会，我们必须做出改变！适应变化，才能超越自己！

报告下载

PPT：文献管理软件EndNoteX4简介–通往高效科研人士的必由之路

PDF：文献管理软件EndNoteX4简介–通往高效科研人士的必由之路

视频：文献管理软件EndNoteX4简介–通往高效科研人士的必由之路

科学堂 » 科研技巧

如何做一名优秀的博士生（施一公）

最多留言日志

做实验需要注意的五大细节

相关日志

社科院研究员李醒民：我为什么从来不申请课题

相关日志

国内占坑还是出国博后的问题

相关日志

一些机器学习（Machine Learning）的网站总结

相关日志

SciTS: 一座21世纪科技合作的灯塔？

相关日志

优秀科学家必备的几个要素

相关日志

思维导图软件Mindmanager简介–驾驭思维的工具（PPT+PDF+视频下载）

相关日志

引文分析软件HistCite简介–通往未知领域的指南针（PPT+PDF+视频下载）

相关日志

文献管理软件EndNoteX4简介–通往高效科研人士的必由之路（PPT+PDF+视频下载）

相关日志