看到这个问题,想起当年大四时去导师实验室的场景,那个时候踌躇满志。现在再回头来看,一些博士期间的感悟和经验,如果在低年级的时候就了解了,或许可以少走一些弯路,至少不会在一些细节上过于纠结。借知乎这个平台分享一些感受:
1. 做好研究,发表文章,顺利拿到博士学位,是第一要务。
不太清楚其他学校的情况,至少在某清,身边有不少优秀的同学,直博之后就把兴趣转向了其他地方,比如各种社团实践、各种学校组织,毕竟学校在这方面提供了太多可以尝试的机会。这些工作本身无可厚非,“双肩挑”本身也是一项古老的传统。但一定要分清主次和优先级,毕竟作为博士生,做好研究,攒齐毕业的资本才是第一要务,也是最基本的要求。
见过一些同学,到了高年级才发现自己还没有研究方向,而科研本身是一件急不得的事情,最终只能处在极其被动的局面。所以,对于博士新同学,一定要记得 做好研究,顺利毕业 才是第一要务。在这个前提下,完全可以用富余的时间去做其他感兴趣的事。
2. 如果有条件,文章趁早发。
早发文章至少有三方面的好处:
再分享一个小经验,文章只要写出来,总能找到发表的会议或者期刊,最暴力的方式就是按照影响因子倒序来投或者按照会议时间先后来投。我知道一位同学,写完文章之后,从影响因子 30 多的 Nature 子刊开始投,坚持了三个多月,终于在影响因子2点多的期刊上发表了。这一点,和 @BarS 答主提到的观点是一样的。
举一个我知道的极端例子,某小师弟,一有时间就在写会议论文(基于他超强的实验能力和每天不间断地科研),每次国际会议都争取写七八篇文章投出去,没中的文章留着其他会议再投。
做好这两点,博士顺利毕业应该没有什么难度,但是对于博士生而言,不应该仅仅止于此。
3、打好理论基础和实验技能基础。
一定要把基础性课程学好。我一直认为,对于基础知识的理解深度很大程度上决定了你可以在科研的道路上走多远。创新就是把一些已知的知识、概念以新的方式连接起来。因此,对于基础理解越深,能够产生的连接也就越强。当年还是博士生的马科维茨,把数理统计学里面有关方差以及数学规划引入到金融领域,用来解决组合投资的问题。这种跨学科的远程连接让马科维茨最终在1990年获得了诺贝尔经济学奖。这个工作在理论上并不难,属于金融学领域低垂的果实。但依然要等到上世纪50年代才有人提出来。背后的原因或许是真正懂数理统计,同时又真正理解组合投资的人太少了。
同时,要尽早走进实验室培养自己的实验技能,这个决定了你验证新想法的效率甚至成败。除了偏理论的工作外,好的研究都需要在实验上进行过切实的验证才行,也才能真正得到同行们的认可,而不仅仅停留在仿真上。这一点对于工科的博士生尤其重要。
4、定一个小目标:毕业时,至少是领域内的半个专家。
虽然我们很难像香农、冯诺依曼这类天才,博士一毕业就基本成了领域内的权威,但至少应该是研究领域内的半个专家。定下这样一个目标的好处是,接下来博士几年的时间内,很多行为和规划都有了锚点。比如,至少应该对本领域所涉及的主要知识体系、主要理论了然于胸;至少对于本领域的历史发展以及接下来几年的主要研究重点了解清楚;至少应该清楚本领域的主要技术和理论对整个社会的运行和发展有哪些重要的作用;至少在某一个细分方向,全世界比你更懂的人少于一百人,等等。
5、控制好心态,科研是一个缓慢的过程,不要太急功近利,对自己宽容一点。
记得17年参加一次学术会议,刚好会场离沙滩比较近,有一天会议结束后,我们一群博士生(主要来自国内高校和欧洲高校)坐在沙滩上在一起闲聊。气氛放松之后,大家就开始感叹博士生涯的坎坷。这个时候我才发现,每一个人基本都经历了至少半年,长则两年的苦闷期、抑郁期,经常在睡梦中还考虑纠结实验细节,担心做不出好的东西。
博士新生进入实验室急于出成果是常态,但一定要调整好心态,学会从四年或者五年的时间跨度上来看待博士工作,而不是急于一时一刻,对自己要宽容一点。
6、每个人的博士道路和经历都是独特的,没有标准的模板。
不要被营销文洗脑,比如“xxx博士三年发表十篇SCI”、“xxx90后青千教授”。一定要有一个坚定的信念,那就是每个人的博士经历都是独特的,没必要简单地横向比较,更没有一个标准的博士模板,第一年应该怎么样,第二年应该怎么样,等等。道理大家都知道,我就举两个真实的例子。
一位做信息安全的师弟,在博士前两年被安排去开辟一个新的方向,大致方向是图像生成文本。但是由于实验室之前没有基础,进展很缓慢,做得非常痛苦。记得没错的话,在博二下的时候,他跟家里商量好准备退学再重新选方向出国读博士。在退学前,他跟导师再深入谈了一下。老师最终建议他回去做实验室的传统方向,基于图像的信息隐藏,虽然可能发不了特别好的文章,但至少可以保毕业。这位师弟决定再试一下,暂时不退学了。接下来两年里,由于有了前期在新方向上的积累,他很自然地想到,既然图像可以做信息隐藏,图像又可以生成文本,那为什么不跳过图像,直接用文本做信息隐藏。与此同时,他又把NLP领域近年来在语言模型上的新进展,比如GPT等等结合进来。最终提出了一套创新性极强的文本信息隐藏算法,发表在了信息隐藏领域的顶刊上,被评为近十年来,文本信息隐藏方向最有创新性的工作。这个方法提出之后,国内外有一大批团队在跟着他们的工作做。今年他即将毕业,祝愿他这个方向上做出更多有影响力的工作。
第二位是我的研究生室友,做5G方向的。我只记得他一般是晚上七点多去健身房,九点多回寝室玩一会 ps4,比如实况等等,完全没有很多博士生9107的作息习惯。然而他第一年就拿了国奖,第三年就发表了10多篇学术论文,毕业的时候拿了学校的特奖(某清的特奖每年只会选十人)。
举两个例子只想说明一点,博士生涯没有标准模板。很难从一个细节或者一个时间节点上,就可以推断出你的博士生涯能不能做出好的研究。所以永远要充满信心。
总的来说,现在回过头来看,博士几年是一段很美好的回忆,因为可以用几年的时间全身心地静下来专注于某个特定的领域,努力为人类科技的发展做出哪怕一点小小的贡献。
目前就想到这么多,欢迎大家讨论。
以下内容适合较多博士生:
1. 你的身价主要取决于你最终的科研成果。你科研成果好了,导师自然会挺你,自然会向他的朋友们推销你。你科研成果好了,甚至会发现那些平时和你交集不大的教授也愿意推销你。
2. 有太多太多的所谓“困难”,都可以被以下三个因素之合(任意分配权重)解决:聪明、努力、人民币。在科研方面,能被聪明、努力、人民币解决的事儿都不叫事儿。我们很难找到一个“公式”来告诉我们如何实现优秀的科研成果,如果你有公式,enlighten me, and I will share it with my PhD students.
3. Workflow很重要。如何建立一个高效利用时间的工作习惯,比在某段时间内高效工作还重要。
4. Relatedly, 很多编程上的东西,要先学理论。在很多国家,如果你编程遇到报错,直接把报错提示复制黏贴到Google上,很多情况下就能在前三个条目里找到答案。如果没有答案,也可以在Stackoveflow这种地方问到答案。但请你不要总这样做。要知其然、知其所以然。在你博士开始阶段,多花点时间学习理论,拿来主义以后再用。总有你找不到的答案,问不到的答案,那个时候后悔就晚了。
PS. 答主在第4项上做的非常不好。
以下仅适用于顶级博士培养项目的博士生:
做最好的research ,同时尽早professionalize :有开会的机会就去present自己的研究。但另一方面,present自己研究的首要目的不是寻求校外同事们的意见和建议,而是为了impress。Every talk is a job talk. 在这个信息不对称的世界,你的“名誉”太重要了!再强调一遍,conference presentation的首要目的是为了建立及强化自己的reputation,次要目的才是拿feedback。千万不要present “work in progress”,当然,你present的时候会很谦虚地说“This is very much a work in progress”。当你向整个圈子分享自己的文章的时候,要保证自己文章已经publication ready了。Don’t be a fool. People judge you, always.
为什么我说这个建议仅限于顶级学校的博士生呢,因为在这些学校内部就有很强的同事,他们会给你真正对文章修改有意义的“建议”。你没必要仅为了拿建议而去校外汇报自己的研究。Every talk is a job talk.