正文内容
为你整理当前文章的正文内容、发布时间和相关信息。
我是昆山本地人。昆山杜克大学 (DKU) 就建在我从小长大的地方。
大多数同学在择校时,会把"去外地""换个城市"当作大学的标配。我没有。我选择了DKU。
留下来的原因,是我在这里看到了一件不太常见的事:不需要离开昆山,就能走进一个真正国际化的学术社区。走进校门,来自六十多个国家的同学和老师就在你身边,还可以在某个学期前往美国杜克主校园学习,带着那段经历再回来。既熟悉又开阔,这感觉我在其他地方找不到。
还有一点让我很早就确定了选择:DKU小而精的规模意味着大一就可以叩响教授的门。我参观过一些体量更大的学校,大一新生接触到科研的机会极为有限。在DKU,这件事不只是可能,而且真的发生在了我身上。
从小我就一直想找一个问题的答案:智能是什么?我读心理学科普,甚至看科幻小说里对数字意识的想象。那时觉得这是一个很大、很玄的问题,不知道从哪里入手。
到了大一,我继续用选课探索:心理学、历史、哲学、经济学。诚实说,那段时间在成绩上并不是高光时刻——《变态心理学》(Abnormal Psychology) 课程让我感觉太过临床;经济学让我背不进去。但绕路归绕路,它给了我一件重要的东西:一个参照系,让我知道自己着迷的是什么。
转折发生在我开始选修数学和计算机基础课之后。我意识到:我对推导一个结论、确认一个结构、理解"为什么"有天然的热情,而且我擅长做这件事。那种"原来我在这里"的感觉,比任何外部激励都来得实在。
此后,专业的边界在我这里慢慢消失——数学、计算机科学、生物、材料、神经科学…在昆山杜克,这些方向可以自然地互相穿插。跨学科研究的专业给了我制度上的自由:不必在"数学系"和"计算机系"之间选,我可以两者都拥抱,再往外延伸。
大二时,我跟着王夏娃教授 (物理学教授) 做了一项材料研究,课题是分析铅铜磷灰石 (Pb₁₀₋ₓCuₓ(PO₄)₆O) 的温度相变行为。如果你在2023年关注过科技新闻,你可能听说过LK-99——那个曾轰动一时、被声称是室温超导体的材料。我们的研究就是对这类材料的相变机制做严格的计算与实验数据分析,研究成果最终在第17届国际材料化学大会 (MC17) 上发表。与我合作最紧密的是王一涵同学,我们以共同第一作者完成了这篇工作。
这段经历改变了我对科研的想象。之前总觉得科研是遥远的、属于教授的事。做完之后才发现,一个本科生也可以参与一个问题的提出和回答。王夏娃教授打开了一扇门——不是材料化学的门,而是"科研是可以做的"这扇门。
在杜克参加暑期学者项目,和同学们在达勒姆市区合照
大二结束后的那个暑假,我通过暑期科研项目去到美国杜克主校园,在Xiaobai Sun教授 (计算机科学系) 的实验室开始研究。在杜克秋季学期正式开始之前,我已经进入了课题——方向是高光谱图像 (HSI) 的图论与谱聚类分析,用数学方法从数百个光谱波段里提取不可见的结构信息。
秋季学期,我在她的研究生课程《矩阵/图/网络分析》(CS521) 担任助教。第一次面对一个美国研究生班级,用英语讲解谱理论,这件事的压迫感至今难忘。但正是这种压力,让我对那些概念的理解达到了真正"可以教"的深度。
我还在这段研究期间,写出来两个开源工具:mheatmap (680+星) 和 pysgtsnepi。Xiaobai Sun 教授的治学方式是:没有模糊的余地,每一个定义都要精确。这种标准一开始很不适应,但后来我发现,正是因为没有模糊余地,才逼着我把每个概念想清楚。
回到DKU后,我参与了Tam教授和Kwok教授的神经科学暑期科研学者 (Summer Research Scholar) 项目,用CNN对小鼠EEG/EMG的睡眠状态数据做分类,准确率达90%以上,并在第18届中国神经科学学会年会上做了海报展示。
大三至大四,我投入到两个主要的研究方向:一是与徐士鑫教授合作研究流形信息神经网络 (MINN),在没有已知控制方程时,用学到的潜在图上的流形算子作为正则,让AI不只从数据里学,还遵循结构上的几何先验。二是与邹东勉教授合作研究基于Configuration的特征学习 (MixConfig),探索如何通过"混合Configurations"提升模型泛化能力,并延伸出对脑启发认知的思考。
在这两项研究中,驱动我的核心问题始终是:模型为什么有效?把数学结构和物理先验引入,是让AI更可解释的一条路。两位教授也是我整个本科阶段最重要的研究导师。徐士鑫教授给了我创作的空间和对"大想法"的信心;邹东勉教授用严格的逻辑训练保证了我不会在想法里迷路。
和两位导师的合照 (左:徐士鑫教授 / 右:邹东勉教授)
回望过去四年,我的科研历程正如前文所述在不同学科之间自然穿梭,而我也有幸完成了7篇以第一或共同第一作者撰写的论文,包括1篇BICS口头报告,以及投稿至ICML、KDD、ECCV等顶级会议的在审稿件。
四年的历练也让我对“做好科研需要什么“有了更深刻的思考和认识。我的答案:在不确定性里工作的耐心,以及真实的好奇心——不是"我要发论文",而是"我真的想知道答案"。
目前,我正在西门子医疗CT部门担任算法实习生。
这段实习的机缘,最初是DKU学生职业发展办公室给了我一个方向和指引。这个办公室是那种"用起来才知道有多重要"的DKU资源,建议每位同学主动去接触。他们不会替你把所有事情搞定,但会帮你找到那扇门。实际去敲开它,还是要靠自己。
在西门子医疗CT研发 (R&D) 团队,通常需要一个月以上才能完成的概念验证 (POC),我在第一周就交付了,这让我在全新的工业环境里快速找到了节奏。此外,我针对模型训练成本高、周期长的痛点,提出了一套全新的训练优化方案。在保证模型收敛稳定性的同时,该方案显著降低了显存占用与算力消耗,有效提升了模型在实际任务中的精度表现。
科研追求"新",工业追求"稳"——学会在两者之间切换,是这段实习带给我最有价值的东西。
我在DKU当了三年的宿舍生活助理 (Resident Assistant),角色是"第一个接到电话的人"。在这三年中,我处理了超过50起大大小小的事件:深夜有同学焦虑、国际同学遇到文化冲突、宿舍关系出现裂痕。这些情况都不在任何课程表里,但它们构成了真实的大学生活。而从这份工作里,我所学到的没有一门课教过我:倾听比建议更重要;有时候,一个人只是需要有人出现。所以我心目中好的领导者,首先是一个好的倾听者。
和RA小伙伴参与宿舍Hall-ympics活动
我在教学上也有过一些特别的经历。在Dangxing Chen教授的微积分课程 (MATH101) 担任助教,是我的第一次教学实践。站在讲台上,你对知识的理解会被逼到一个全新的深度:学生的问题往往来自你从来没想过的角度,这反过来让我重新审视很多"以为自己懂了"的东西。此后在杜克主校园的计算机科学研究生课程 (CS521) 担任助教,又是另一个量级的挑战。回到DKU后,《数值分析》(MATH302) 的助教经历,让我对数值方法的理解又深了一层。
不同时期科研/助教相关的板书
跨文化交流是DKU的日常。
在王夏娃教授课题组里,我认识了来自巴基斯坦的博士后Ghulam Hussain。他是我们在实验室里的学术导师,但在生活上,我不知不觉变成了他的"中文向导"。
有一次他鱼刺卡了喉咙,完全不知道该怎么办——"急诊"这两个字对他来说也是陌生的。那天在线上随时待命指引,我意识到:我们对彼此而言,都是对方第一次真正"看到"的那个异文化里的人。他从我这里学到中国是如何运转的;我从他那里,了解了一个从亚洲另一端来的人眼中的世界是什么样的。他也是我们材料化学论文的合作者。但那段急诊经历,是我们之间最不学术、却最真实的跨文化瞬间。
DKU的特别之处在于,跨文化交流从来不需要刻意安排。我们组织的各国文化嘉年华美食分享夜,每个人带来一道家乡的食物,围坐在一起,你会意识到"吃饭"这件事在不同文化里承载的意义是多么不同,而这种不同反倒可以互相喂养。在大渔湾和同学们一起去划桨板的那个下午,我们来自不同国家,说着半生半熟的英语,一个个翻进水里再爬上来,笑得很开心。这些时刻,没有任何一门课能设计出来。
在DKU,我遇到了改变我研究生涯的几位老师。他们教会我的更多是一种做研究的态度:严肃地对待问题,诚实地对待结果。他们对学生的投入,也让我看到了学者这个身份可以是什么样的。
在DKU,我上到了一门彻底改变我思维的课——Carlo Tomasi的《机器学习要素》(CS371)。那门课从第一性原理出发,让你搞懂"为什么这样做"。Tomasi教授的讲义清晰而有温度,课后找他交流,他总会认真回应每一个问题。我后来做的所有机器学习研究,某种程度上都在用他的语言思考——那门课完成了我从"数学/计算机科学基础"到"真正做机器学习"的关键转变。
在DKU,我认识了一群认真但不功利的同辈。这里存在竞争,但更多是互相拉一把。我和王一涵共同合著了多篇论文,从材料化学到机器学习,从一个领域跨到另一个——这份并肩作战的经历,是我在DKU最珍贵的收获之一。
和科研合作伙伴王一涵同学参与武汉大学访学活动
在DKU,我学会了允许自己探索、允许自己犯错。你可以大一修心理学和历史,大二做材料科学,大三发现自己最爱图论,大四把这些全部连起来。这种宽容和流动,是我最感激的东西。
来DKU之前,我是一个在题目里寻找确定感的高中生,对"科研"的想象是遥远的、属于别人的事。
离开的时候,我有7篇以第一/共同第一作者参与的论文,一个在全球被使用的开源工具,一个哈佛的录取,和一颗充满好奇的心。不是焦虑,是好奇。
这个变化的核心,是我学会了在不确定性里工作。科研告诉你:不知道是正常的,失败是工作的一部分,重要的是继续提问。这件事我在DKU学到了。
我计划在今年秋天前往哈佛大学,攻读数据科学硕士 (Master of Science in Data Science)。长期而言,我希望继续探索人工智能如何推动科学发现,构建能理解物理规律、生物逻辑的模型,而不只是用机器学习做预测。
如果你是一个好奇、愿意自己找方向、想要从大一就接触真实世界的人;如果你在高中就觉得"能不能再往深一点",DKU是一个好答案。
如何在DKU收获更多?我想和大家分享三件事:
第一件事:尽早敲教授的门。不要等到"准备好了"。在DKU,有热情就是最好的敲门砖。
第二件事:把赴杜克学习的机会当成资源。杜克的课、杜克的人脉、杜克的校园,都是你的。
第三件事:认真交朋友。你未来的合作者、你熬夜写稿时发消息说"我也在"的那个人,可能就坐在你对面的课桌旁。这个社区的密度,是DKU很难被复制的东西。
另外,如果你也和我一样对AI/数学/交叉科学感兴趣: 保持耐心和韧性,终有豁然开朗的一天。科研有很长一段时间是"暗淡无光"的,一个模型跑三天不如预期、一个方向探索两周发现是死路。但坚持提问,总有一刻会豁然开朗。
还有一点,在AI工具日新月异的今天,我觉得反而更需要沉下去——把数学基础、方法论、底层思维方式打扎实。工具会变,模型会迭代,但理解"为什么"的能力是不会被替代的。现在很容易被各种新技术带着跑,但真正让你在五年后还站得住的,是那些你花时间搞透的基础。
最后,衷心祝愿大家都在昆山杜克找到那个让你想要更深入的问题——不管它在哪个学科里。
- END -
往期推荐
免责声明: 本文信息仅供参考,具体政策以官方最新发布为准。如有疑问,请拨打相关部门咨询电话或前往官方网站查询。
