17级学长浅谈上大本科力学专业与科研分享
目录
配图：石墨烯断裂的分子动力学模拟，我最爱用的图之一lol
基本背景
个人情况：请参考www.hanfengzhai.net
上海大学力学系如何培养我的科研兴趣
基本条件
- 基础课。力学系很多基础课老师讲的非常扎实，并且提出很多引发思考的点。比如卢老师的流体力学，张老师的弹性力学，郭老师的材料力学，楚老师的理论力学等。这些课程是对力学认知的基础。
- 前沿课程。这里指专业选修课。很多课程非常激发学生思考能力和科研素养。比如胡老师 — 我的本科导师，的机器学习与力学 — 探究了数据驱动方法在计算力学和广义力学中的使用；比如吕老师的专业英语，对基本科学写作很有帮助；比如安老师的塑性力学等。
- 很多科研机会。系里面每个老师都有很多合作，很多机会接触科研。而且做的方向很广，基本上绝大部分力学小方向都有覆盖，同学们只要愿意都可以找到感兴趣的点。
- 氛围较好。总体来说，在我就读期间，系里氛围较好，并不是很浮躁。很多同学都在努力找到自己感兴趣的方向。
个人想法
上大给我基础的力学训练带给我一些想法，这些想法直接影响了我在美国继续科研和工作的方向。以下为上大力学系主要引发我的思考：
- 一个有想法的导师 导师的想法和对科研的思考会直接影响到学生的科研taste。我本科导师胡老师把我带进了跨尺度计算力学的大门，我也认为这是一个很有搞头的方向。我认为寻找一个总是在追求新事物，对新东西总是有好奇心的导师很重要。并且这个导师的思考方式可以引发你的兴趣。
- 关注国际主流前沿方向 很多方向科研进展速度非常快，几个月前提出的方法可能还在arXiv上没有发表就已经变成了就的工作。一直catchup最前沿的方向（我个人认为）比较重要。
- 不要过度追求热门 此条接上一条，追求前沿很重要，但是和自己小方向decent的结合也很重要。要找到一个合适的折中，并且自己最核心的方向尽量不要过度改变。
- 探索的自由度 （本科）在做一个项目时，一开始有个师兄，博士/研究生 带着你确比较重要 - 摸石头过河。但是我个人认为能够真正学到东西，真正产生对科研的想法最重要的就是自己从头到尾独立负责一个项目做出来。所以入门之后要主动找一些这种挑战性的机会 - 并且要尝试自己主动提一些问题并且自己去回答这些问题。慢慢的就可以自己独立科研，不依赖导师。
- 要有屏蔽外界信息的能力 现代社会互联网非常发达，想要获取信息非常容易，包括这个网站在内每天大量的信息产生。我个人认为想要真正享受科研并且做一点儿自己真正喜欢的事情，要有能够屏蔽外界信息的能力。知道自己想要什么很重要，知道自己不需要什么也挺重要。
- 选择性的接受信息 这一条和上一条基本一样。就是别人（包括导师，学长）给你的意见选择性批判性的去听。读文章学知识也一样。对于我写的东西也要批判性地去看。包括我自己认为我说的这些有很多在很多场景下是错的。
如何选取方向
拿cs为例，cs phd光cv一个小方向就有一大堆小小方向。每个方向做好了都可能中neurlps/iccv/etc. 如何选择一个自己喜欢的方向对本科生来说是个难题。我分享一下上大力学系在我选方向给我的帮助。
- 图好看 很直观也很真实…。读一篇文章，听一个教授报告，参加一个会议。图画的好看就有可能吸引你进入这个方向。听着有点俗但是通过这个入手并没有什么错。
- 找到自己核心技能点 找到你自己最擅长的点，看看你喜欢的这个方向要用到的最核心的技能是不是你擅长的。比如我也喜欢看一些数学文章，读一些lemma corollary；但我自己水平不行所以被门槛卡在了这个领域之外。同时我的计算工作也经常大量引用别人的实验结果，但是我自己动手能力也一般。
- 多跟系里面老师交流 跟教授聊天是我的爱好之一。跟不同领域不同方向的教授聊天你就会慢慢挖掘到自己到底对什么感兴趣。我以前和楚老师，卢老师，张老师，胡老师等等等等都经常聊一些对力学的看法。包括上课课间就可以找老师闲聊问问老师最近在做什么，有没有什么新发现，问问他觉得下一个decade的突破口是什么。我把这个习惯从本科也带到了美国，我经常会找我导师JJ，我的minor Derek, 其他系里面老师像Herbert Hui, Chris Earls, Sadaf Sobhani, 等等等等聊一聊我最近在做什么，有什么新发现，我对不同方向的看法，以及他们最近的科研成果。
AI4S
邢同学建议我写一下这个因为这个方向好像最近在国内比较火。我个人认为我没什么资格谈主要是我的成果和水平谈不上有什么perspective。但可以简单聊一些看法，然后上大力学系给了我那些影响让我在相关领域做一些小东西。我简单总结一下几个我了解的同时相对比较火小方向，以及这些方向有哪些代表性的学者。我在这些领域也做过一些比较简单的小工作，我也简单提一下。同时说一下有哪些相关的力学知识对类似的研究有用。
- 材料/药物设计 我做过一些利用耦合贝叶斯优化做抗菌纳米材料设计的工作. AI在这个领域主要的作用是我们可以不用依靠传统的trial-and-error的方法去找根据我们想要性质寻找我们的目标材料，但是可以利用算法找到目标材料/药物。里面主要用到的前沿框架包括GNN - 如要做分子化学设计; reinforcement learning - 也可以做药物设计, 参考我们之前的ligand design; metaheuristic optimization, e.g., genetic algorithm, particle swarm optimization, simulated annealing, etc.; Bayesian optimization, 和很多其他框架。 相关领域比较有名的（我主要在follow的，我可能忽略了很多很厉害的教授这里见谅）学者包括Anima Anandkumar, Regina Barzilay, Tommi S. Jaakkola, Wei Chen, Miguel Bessa, Rampi Ramprasad, Rafael Gomez-Bombarelli, Grace Gu, JJ Yeo等等等等。对于这个方向，材料力学，弹性力学，和塑性力学可以提供很好的知识背景以提供微宏观尺度的力学材料设计，比如网格结构材料的设计。
- 跨尺度计算 我简单做过一些对于石墨烯尺度耦合的工作。这个也是我个人最兴奋的领域之一。这个方向最主要要解决的问题之一就是在计算力学中对于不同尺度下不同的物理建模用到的模型和算法是完全不同的。而数据驱动可以潜在的做跨尺度的建模。相关主要的主流框架包括PINN, Neural Operator, 以及前面提到的GNN等。主要学者有（前面提到的就不再重复）George Karniadakis, Markus Beuhler, Wing Kam Liu, Ted Belytschko, Weinan E, Huajian Gao, Sinan Keten, Greg Wagner, Lu Lu, 等等。本科时候学到的数值方法，计算力学，计算流体力学，有限元方法等等等等都非常有用, 比如基于高维神经算子做跨尺度模拟。
- 物理规律发现 这是一个非常数学的方向。我做过一些非常初级的工作，比如本科时利用物理神经网络做微米气泡建模模拟，数据驱动动力学控制建模等等。然而我做的还谈不上发现物理规律。这个方向主要的点在于给予（可能存在噪音的）数据从中挖掘物理定律 - 即o/pde。除了前面提到的pinn & operator, 这个方向比较主流的一些有趣的方法还包括Bayesian machine learning, Neural ODE, Sparse Regression；当然还包括一些经典算法比如SVD, POD, SVM等. 比较有代表的学者包括Steve Brunton, J. Nathan Kutz, Andrew Stuart, Chris Earls, Nikoloas Bouklas, 等等等等。本科时候学到的数学物理方法，常/偏微分方程，线性代数等都是这个方向科研的基础。有趣的工作非常的多，我推荐一下和我关系很好的Earls教授的从数据中挖掘方程的工作。
同时打个小广告，我们之后可能会在相关领域总结一个综述，请期待 :)
以上内容中有很多的错误请见谅。