计算神经科学机器学习物理研究方向如何选择?

背景:一直以来学的都是数学,统计机器学习,深度学习,cv那一套(下学期大三)所以对神经科学不够了解,而且确实这方面研究方向很杂 现在并不能算是一个计算…
关注者
144
被浏览
27,279
登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏

理智地说,我个人认为应该对学习跨学科课程应该尽量保持开放,但对选择跨学科研究课题需要尽量保持克制。

你完全没必要现在就决定一定要研究某个交叉方向,这样把自己的路走窄了,甚至走弯了。


做交叉研究最让人担忧的一点是,你研究的交叉课题比其他非交叉方向的同行更难得到一个领域的认可。

你费了很大劲做的交叉课题,可能最后还是只有一个领域的人在关心。而这种已经算是很好的结果了。

大多数时候是,你做的课题对两个领域都不重要,两边的人都不关心。



我以题主提到的Physics或者Neuroscience+ML的交叉研究为例吧。

我当年也是头硬,正好这两个组合都尝试过。(当然主要还是为了一只快乐学术的PhD student,另一方面老板也鼓励自由探索。)


一个Neuroscience+ML的工作发在一个计算神经学领域的顶刊上。

一个算是Statistical Physics+ML的工作发在某机器学习顶会上。

还有一个Quantum Physics+ML的工作无疾而终,现在我已经完全放下了。

其他半途而废的idea更是不计其数。


我感觉自己对于交叉研究有丰富的失败经验和屈指可数的成功经验。(捂脸)


而当我放下physics或者其他什么交叉研究的执念以后,我发现ML的工作好做多了,idea成功率也高多了。第一篇顶会费了劲后,后面的顶会就容易很多。

但是交叉研究的idea多半是开拓性的,做起来总是像是发第一篇顶会那么困难。要查阅两个领域的文献,要说服那些最多只懂一个领域的审稿人。这些都是在给自己加难度。


我觉得瞄准感兴趣的问题比较重要。不必去在乎研究方法、手段是不是交叉的。

最好让交叉研究成为一个自然的结果,而不是我们开始研究的出发点。



想做交叉研究,你最好是有一个很好的契机来说服自己。

比如,你博士老板就是做该交叉方向的大牛,已经硕果累累。

比如,你的研究在某个领域已经很丰硕,已经可以自然地扩展另一个领域了。

那么你可以试试。要不然,你最好是选择一个研究领域打好根基。

至少保证要让自己的研究能在一个领域先扎根,再去追求跨界的目标。



我现在对选择机器学习交叉课题克制多了。机器学习领域本身发展迅猛,还有很多好的课题值得做,一般来说没必要舍近求远。

一定要先有很可靠的初步结果,一定要是特别重要的线索,才值得进一步深入。

研究的精力是很宝贵的。我这丰富的失败经验不是白来的。


我最近在抽空看一个德国组写的一套differentiable physics+deep learning的东西,他们组的相关内容在ICLR之类的地方也发过几篇了。

我确实是物理系出身+深度学习方向的PhD。但是differentiable physics这套东西就得是我的菜了吗?我很克制,在我找到线索前,我还是觉得这应该是应用数学同学喜欢的菜。


一点个人经验,仅供参考。