趁你才大二,还有救,给你一些不负责任的,一些过来人的建议. 听听就好. 我的建议值不值得听,答案你应该自己花时间去寻找.切莫轻信! 盲信的人 是笨蛋! 如果你是的对电脑跟程式有兴趣的物理系学生: 1.请你认真的学"写程式"! 我做的领域遇过很多人都自称自己会写程式,写的多好多好云云.资料夹一打 开几百个程式档案通通自己写的.但其实你真把他的程式打开来看,简直惨不 忍睹,你听过hard coding吗? 就是那样. 没错,它们确实对某一套语言的语法 很熟悉,但也就只是那样.它们在做的事情只是很憋脚的把一堆数学公式写成 程式而已,既没有效率,也没有规划,这顶多只是coding,不能叫做programming. 很多人完全不懂物件导向,又或者他的程式里面确实用到了很多class,但是这 些class完全就只是把一堆不相关的函数做堆砌,既无法作为基础类别,也无法 作为被继承的对象.可是它们也都觉得自己很会写程式,一讲起某某语言就高 谈阔论,但其实Leetcode上的题目连easy都解不了.如果你以後遇到这样的人, 请一定要收起你的误解,因为它们的无知会害了你! (我以前就是那种半调子 还以为自己懂程式的人,多年後回想才觉得自己是笑话,先为那些被我害过的人 道歉了).对一个大二的学生来说,要你花时间去做一些高深的物理是作不出什 麽的,但是好好的把程式的观念学好,把一些很基本的演算法弄懂,半年一年很 够了,这些东西会是你一辈子的宝藏.它的影响不只是你的程式能力比别人强, 更重要的是你拥有了另一种不同於物理的思考逻辑,一种模组化的,物件化,流 程化的思考逻辑.我认为这本质上不同於物理学家图像化的,故事化,直觉化的 思考方式. 2. 请你学习正确的语言: 其实这是一个很偏颇的建议,因为大多数写程式的人都会告诉你,程式背後的逻 辑跟观念才是重要的,语言只是一个实作的平台. 我觉得这基本上没错,但一套 语言要学到精不容易,若非有特殊需求,你也实在没道理去学些用不到的语言! 那什麽语言是用不到的呢? Fortran! 好了,我知道这个答案马上有一堆人要跳 出来喷我了,请喷吧! 我不在乎. 记住这句话,在你未来的生涯中,如果有人告诉你要去学fortran,请绝对忽视他 ,因为这百分之一百是一个在害你的建议. 我不否认fortran里面有些特性很好, 但是这绝对是一个过时的,不符合现代化标准的,而且很难用,也不普及的语言, 最重要的是它几乎不支持现代化的物件导向(我知道03後有支援,但何苦浪费自 己的时间?),他的存在单纯只是因为历史发展的缘故,这个语言若不是因为各种 基於lapack的应用还普遍存在,它早该从地球上消失了(我写过不少fortran,所 以说这话不是瞎扯). 但不知为何,fortran就像是一个幽灵一样的,在物理的圈 子里挥之不去,上至退休教授,下至刚读研究所的小朋友,几乎一抓一把fortran 使用者.但我可以很肯定的跟你说,离开这圈子,fortran几乎不会帮你找到任何 工作. 请谨慎考虑. 你至少该学会的是C++(我不喜欢C/C++这种用法,因为在我看来,C跟C++是两种 完全不同逻辑的语言,纵然C++兼容C的语法,但你C++很熟的人,遇到C会几乎不 知道该怎麽写,反之亦然),C++大概是现在任何电脑领域你都必须要学会的语言, 如果你需要用C++做数值跟矩阵运算,又对Matlab很熟,我建议你,可以用Armadillo 这套函式库,这里面定义了一系列的基础类别,可以让你用跟matlab非常相似的 语法完成绝大多数的计算,初学者几天就可上手. 如果你希望在不同的平台,例 如linux,Mac,win上都轻松写程式,不想忍受跨平台的干扰,我建议你用eigen这 套函式库,这套函式库连编译都不用,你下载下来,你只要在C++的程式里直接引 进标头档,就可以轻松定义矩阵跟处理绝大多数数值运算的问题了. 我想不到有 任何理由你应该使用fortran. 另外我还建议你至少要再学习一个script language来处理绝大多数的小程式, 当然我首推的就是Python了,原因无他,因为目前除了Python之外,我找不到在数 值计算领域有更方便的script language(不要学Matlab,拜托,它又贵,又缺乏 完善的物件导向,而且Matlab能做的Python都能做,但是Python能做的Matlab很 多都不能做!).当然最重要的是,Python有庞大的开源社群,提供了数以万计的模 组,学会Python你等於拥有了另一个世界,好东西,不学吗? 3. 请你试着加入专案,你的实验室在全世界: 作为一个物理系的大二生,你既没学过比较高深的物理,也缺乏实作的经验,把你 这种人丢去一个实验室做专题,很多时候你就只是打杂的而已,但是其实你能做的 比你想像中多非常多.加入开源社群,让自己贡献一个专案就是一件很有价值的事 情,这不仅对你未来推甄研究所有帮助,对你以後找工作也非常有帮助.在Github 上就有数不清的物理开源专案,以我自己的凝态计算领域来说,我自己注意到的就 有好几个,有些是在开发GUI界面帮助使用者更方便的建立跑DFT的input file, 有些是在开发新的pseudopotential,有些是在开发一些处理特定数值计算的模 组作为DFT code的插件,有些是在开发一些物理教学的互动游戏,帮助学生看到电 磁波的现象或是热的现象,另外就我所知天文跟高能领域的开源专案也非常多,你 应该多去网路上的开源社群看看,我自己有在开发的是DFT结果的postprocess跟 一些Wannier tight-binding的东西,不过写写停停,进展龟速就是.毕竟本业不在 此,只当兴趣.但我要强调的是,透过参加这些开源专案,你不仅有机会跟全世界 的物理学家一起合作,最重要的是,你可以学习到很多物件导向的实际应用.我常跟 别人聊,如果你的code只写给你自己一个人用,那你写的多乱都无所谓你爽就好,但 如果你要跟别人合作,那就非用物件导向不可,只有透过大量的继承,重载,封装,合 作才变得可能.现在是个网路的时代,你不该把自己局限在学校所能提供的资源上. 它们能给你的,撑不起你的梦想! 4. 请你多看看最新的进展: 也许讲到这你还意犹未竟,难道作为一个程式爱好者,能做的就只有这些? 有没有 一些真正的物理可以碰? 当然有! 不过不是你的老师所提的量子计算领域 (事实上 我根本搞不懂量子计算领域跟写程式有啥关系? ok,你当然可以说做这个领域的人 会需要做些数值计算,但是做理论的,哪个不用做数值?). 要我推荐,我会建议你可以研究一下现下最火的machine learning.最近一阵子有个 领域我觉得挺有意思的,你可以google "renormalization group machine learning". 这件事情是这样的,在凝态物理里面有个小领域叫做重整化群,它主要是被用来处理 一些物质相变的问题,他的基础原理就是透过不断的对一个物理系统进行尺度 变换,来试图掌握不同尺度的量子涨落,最终得出相变的参数.这是很老的理论了,几十 年前就已经拿了诺贝尔奖了.最近很多物理学家发现,现下最红的machine learning, 透过一层一层的mapping来找寻最佳解的过程,本质上就是物理里面重整化的过程. 所以原本统计跟多体物理的问题,透过这层联系,很多有意思的东西就跑出来了. 今年二月份一篇Science就发表了第一个(至少就我所知)应用实例.它们透过machine learing的方式来求解了一系列interacting spin model（1D Ising, 1D Heisenberg, 2D Heisenberg)的问题.结果发现在描述这些模型的物理上,效果奇佳! http://science.sciencemag.org/content/355/6325/602 这当然不是近代电脑科学渗透进物理学的唯一实例,很多其他的东西,你要自己去找. 5. 请你试着找属於自己的答案: 最後我要说的是,你才大二,人生还大有可为,很多事情还允许你试错,你的疑惑,你 的旁徨,我老实说,无论是你学校的老师,或是这个板上那些比你资深很多的前辈(例 如我)其实都是回答不了你的.他们给你的答案(包括这篇文章)不是没有价值.只是 他们给出的答案都充满了上个世代的影子,尽是扑鼻而来的陈腐味,放在你所处的时 代,早已经不是最佳解了!(就如同上一辈的人看待22K问题,常常会得出草莓族的结 论一样),比起急就章的想找个老师学东西,我更建议你的是多去看看不同的东西,不 要一股脑的把时间花在远超过你现在能力的事情上.这个世界上最前端的知识,绝不 是掌握在那些已经在同一个领域做了30年的老教授手上,最有意思的想法也绝不是在 你眼中的那些高高在上的前辈身上.这些东西在哪,你得自己去找.它们可能在google scholar最近发表的一篇文章上,也许在facebook一些社群上,也许在一堆年轻人组 成的论坛上,也许在Github的一个专案上,也许是coursera的一门免费的课程上,也许 在你身边那些跟你闲聊打屁的朋友身上. 你所处的时代很可悲,一个万物通膨,一切都不值钱,一切技能都不实用,一个努力跟 收获常常不成正比的时代.但你所处的时代也很幸运,无数的人敲敲键盘就能干出一 番大事,只有你有好的创意,全世界都会一起来帮你.人与人的协作如此紧密,人与人 的关系又如此疏远,要在这个时代自处,不容易,过去成功的model不适用,新的model 又未成形.但我想喜欢写程式是个还不错的立足点,不过要记住,这种潮出水的热情千 万别从那些win 7再战十年的人身上找答案,你会溺水的! -- ★人生中最温暖的夏天是在纽约的冬天★ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 169.237.42.114 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Physics/M.1502139121.A.4C9.html ※ 编辑: pipidog (169.237.42.114), 08/08/2017 07:49:02