科研新人培训:7. 现代科学测量、科学计算与科学作图

7. 现代科学测量、科学计算与科学作图 这其实是三个题目混在了一起讲,而且这三个题目本身都可以是独立的学术研究方向。我只准备讲一些实验物理领域经常需要的一些基本知识和能力。其实这个题目具体介绍什么内容是次要的。 关于“科学测量”(scientific measurement),我想还是值得“吹嘘”一下其重要性。我在本系列第1部分“科学研究简介”的PPT开篇就讲到,科学这个词的词源是“测量之学”。人类从有文字记载开始就已经思考如何“可靠地”测量(当时还没有现代科学,无法形容为“科学地测量”),今天我们可以去定义什么样的测量才“可靠”,才“科学”。作 介绍完科学测量的重要性,就要涉及到测量的具体问题。首先就是准确度、精确度、系统误差、人为误差、有效数字、量纲分析等实验物理的基本问题。这些知识应该是由本科《大学物理》课程完成的,但不知道是不是本科教学这方面还是不够严格,总有相当一部分研究生在这方面出错,表现出没有学过的样子。 其次就是现代仪器带来的新问题。其实仪器的大量应用本身不是一个新现象了。但是测量仪器带来的新的注意事项,长期没有在我们的本科和中学教育体系中获得更新。关于这方面的感想我之前已经有文章抒发过,就不在这里重复了。 还有一个科学测量相关的议题虽然有点“超纲”,但我认为还是有必要介绍的,就是测量仪器的设计。实验物理研究当中如果只依赖商用仪器,并用只用这些仪器中固化的功能,我想是很难有创新的。真正的创新研究工作是跟方法和手段的创新分不开的。很多成功的实验物理研究生其实都在不同程度上具备简易仪器DIY的能力。那么,到底一共需要了解一些什么知识(同是不需要了解什么更多更深的知识),就可以跨过这个门槛呢?我也想基于我有限的经验来介绍一下,内容大致会包括:一个概念上的测量仪器必备的哪些功能模块;从《信号与系统》的基础知识出发如何实际估计一个设计方案的静、动态特性和信噪比是否满足要求;放大器和滤波器;微机原理;以及DSP、FPGA等高级议题。以上内容,我都不是去介绍原理——这些原理等哪个学生在研究中真的有需要时完全可以自己找书学习。我只就上述这些方面介绍怎么最快速地能够上手实现。其实最简单的入门就是上淘宝买一个arduino学习套装来玩玩。arduino也有一个很庞大的爱好者社区和丰富的网络资料。而且,NI、Linear Technology都有很多从傻瓜到专业的仿真软件可以帮助不同水平的人进行设计。就算是FPGA,也可以买一个DE-2开发板来捣鼓一番做个带触发的hello world就入门了。科学仪器本身作为一个研究领域,也有相关的学术期刊,例如IOP的Meas. Sci. Technol.、AIP的Rev. Sci. Instrum.等,多浏览里面的论文,可以了解到更多的“奇技淫巧”,进一步开扩仪器设计上的思维,在科学研究上就能获得更大的自由。总之,我的演讲还是主要以提高重视、开扩眼界、打消恐惧为主,留待学生自学相关具体内容。 科学计算(scientific computing)为什么本身就是一个研究领域已经无庸赘述。其实我介绍的内容主要是数值方法在实验物理中的应用,结合MATLAB编程来讲述。由于数值方法和程序设计对外行来说有一定门槛,市面上的教材跟科研应用又有一定距离,因此是需要一个有针对性的讲座来帮学生打消这个门槛的。所兴在MATLAB的教材往往会带有数值方法的简介,这方面有很好的教材。首先MATLAB网站上的这一网页的资料就很好。有一本经典教材叫《通过MATLAB进行数值计算》。 科学作图这方面的介绍也是针对我在研究生中看到的一些问题的。学生从本科学习阶段就已经从课本上看到很多图表,更不用说到了研究生阶段从论文中看到更多类型的图表了。所以一般来说面对自己测得的数据(data),学生凭直觉能够选择正确的图表类型去展示(illustrate),或者用近年来特别流行的词——可视化(visualize)。事实上data visualization也是一个学术研究领域。很多科学作图软件的功能是融入了很多新的研究成果的。 回到学生的问题上,首先是有些时候学生选择了不恰当的类型的图来展示自己的数据。那么如何跳出具体的错误案例?能否一般性地告诉学生选择正确类型图表的原则?事实上很多人没有意识到的是,数据、图的本质是函数。无论是数据表也好、图也好,你要告诉读者的总是一个函数关系。那么,你这个函数,是标量函数还是矢量函数?是标量场还是矢量场?是多少维空间的?这是首先需要明确的。然后就可以向学生罗列,不同类型的函数都可以有什么相应类型的可视化方法。这样就不会乱选乃至选错类型了。其次,学生经常漏掉或者错误地处理图中的各个元素(座标轴标签、图例、单位等等)。第三就是如何使图更简明美观的问题,这并非是一个美术问题,而是有很多研究的,例如color schemes、font families/weights等方面给读者产生的效应以及相应的原则。很多学生不注意这些方面,图很“丑”。 最后,未来几年的一个可能的趋势是交互性的数据图,一些期刊出版商已经鼓励投稿人支持这样的功能,所以也可以作些介绍。

科研新人培训:6. 怎样撰写论文

6. 怎样撰写论文 第6点到第12点的内容,我准备的具体资料很少,只能谈一下我的想法。 我在第4部分“提高英语水平”中已经介绍过写作能力如何提高,那里面所介绍的资料已经是针对academic writing的。撰写论文的能力当然包括语言表达能力,是跟第4部分重复的,在这里就不讲了。除了语言能力之外,撰写论文还有其他需要了解的常识。哪怕是这些常识,网上也长期有着大量的经验分享。所以在这个题目下我只想挑选一些我觉得有必要给国内的研究生介绍,又在各类经验分享中比较少见的几个小主题。 英语文章的排版常识 我不知道现在学生上的英语课情况,我10年前的英语课是跟“打字”(typing)脱勾的。英语课只负责教你手写(handwriting),所以英语标点、排版和格式(puctuation/typography/style)方面的问题比较陌生。我也不是这方面专家,我希望做到的是提醒大家这方面的知识也有系统性的资料可以参考(而不是光靠点滴片面的“积累”)。我以前自己学习时有一些资料,但我还没有全面地在网上查过,暂时就不急着作过多推荐了。但有几个我相信绝不会错的资料,那就是出版商给出的Style Guides。例如ACS Style Guide和Style and Notation Guide for Physical Review/Physical Review Letters。虽然这些主要是供人在投稿前参考的,但我认为这些资料的经典性值得当作教材或范本来预先学习,并应用于除了向这两个出版社投的稿之外的一切学术写作中。 学术论文体裁分类、各章节的功能和相互逻辑关系 这方面的知识,其实大多数研究生通过自己阅读大量论文本来应该能够学到。我只是感觉近年来“论文市场”有一个变化,越来越多的论文并不是这方面的好榜样了。所以还是值得把这些问题抽出来专门地讲讲原则性问题,求乎其上,得乎其中。其实,关于“各章节功能和逻辑关系”,也不是只需要直白的介绍就够的。了解这些的目的其实是解决很多实际困惑。例如,我现在做了很多实验,得到了很多数据,也感觉知道了一些知识。那么,应该报道什么呢,哪些数据可以拿来发表呢?如果你知道,一篇论文合不合格,跟你所做的研究好不好是两回事;知道一篇论文的数据(Results)必须是一起支持这篇论文的结论(Conclusions)的,那你就会知道为什么常常提倡先从确定和撰写结论部分入手去撰写一篇文章。甚至,当你十分清楚论文的逻辑要求时,你在设想你的研究的最初阶段,就会很有意识地采用这样的思维模式:你问的问题是什么?会有哪几种答案?每种答案若要成立,必须看到哪些证据?使得你的实验工作不走弯路,每个花了时间做的实验都必然能够证实或证伪同一个核心假说。我目前推荐D. Weitz组网站上提供的一篇小指南。