24小时热门版块排行榜

>论坛更新日志 (3725)
>虫友互识 (614)
>文献求助 (214)
>休闲灌水 (213)
>导师招生 (198)
>考博 (129)
>论文投稿 (118)
>博后之家 (90)
>硕博家园 (81)
>招聘信息布告栏 (71)
>论文道贺祈福 (68)
>基金申请 (57)
>教师之家 (49)
>考研 (47)
>找工作 (45)
>公派出国 (21)

返回列表

当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

emilyxmc

金虫 (小有名气)

应助: 23 (小学生)
金币: 1391.1
散金: 290
红花: 4
帖子: 262
在线: 69小时
虫号: 1467217
注册: 2011-10-30
专业: 计算数学与科学工程计算

[交流] 科研工作的一点遐想已有20人参与

曾几何时，总觉得自己做不了大的问题，新的问题，但是还是不知道自己到底能解决什么问题，游离一样的状态，然而总想着要做点问题，是内心的个人价值观的心理需求吧，抑或是兴趣，兴趣这个词不敢说，总觉得自己没那么高尚。

读了好的文章才发现，应用背景，新的发展，需要解决的问题，用什么方法，如何分析，做到了什么样的程度，例子是怎么体现自己的算法的，还遗留的问题有什么。这一系列的过程下来，是那么的流畅。最重要的一点，尊重事实，没有完美的问题，完美的算法，甚至完美没有定义，似乎有什么不够什么来凑的味道，算法不够好就用好的计算机，什么GPU，并行，或许这才是研究，是与时间并行走的，也就写成了什么什么方向的研究历史。

我能做什么，不要懒，其实了解了怎么做问题，也就不会懒了。研究现状，就是搜集历史资料，所谓用新的方法解决老问题，还是用老方法解决新问题，还是两样都新。归根到底是解决问题，明确到底是做了个什么问题！

要讲课报告了，才觉得听课是多么幸福的事情；要写文章了才明白阅读别人的文章是件多么美好的感觉，尤其是读好的文章；读多了，听多了，有想法了，也就想表达出来，写出来，给别人一个视觉和听觉的盛宴……

回复此楼

» 本帖已获得的红花（最新10朵）

saladin983

» 猜你喜欢

存款400万可以在学校里躺平吗已经有37人回复
英文综述是否需要润色及查重已经有5人回复
救命帖已经有5人回复
限项规定已经有5人回复
为什么nbs上溴没有产物点出现呢已经有9人回复
招博士已经有3人回复
最失望的一年已经有18人回复

1楼 2012-02-18 15:51:23

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

saladin983

铁杆木虫 (正式写手)

数学EPI: 4
应助: 6 (幼儿园)
贵宾: 0.2
金币: 9197.9
红花: 3
帖子: 687
在线: 115.7小时
虫号: 448168
注册: 2007-11-01
专业: 计算数学与科学工程计算

★
小木虫(金币+0.5):给个红包，谢谢回帖

送鲜花一朵
emilyxmc: 回帖置顶 2012-02-21 13:09:16
nono2009(金币+5): 鼓励交流 2012-02-21 18:29:29

知识爆炸的今天，能够掌控整个学科的科学家越来越不可能出现，即便是在同一个专业方向上，分工也是越来越细。这也就意味着，只要你接受了良好的训练，又有好的学术品位，天分与勤奋并重，出成果并不是什么难事。至于成果的意义，则是完全看应用领域的需求和本领域发展的潮流。

计算所的石钟慈院士一直鼓励以问题驱动的应用数学研究，我很赞同，也与楼主不谋而合。就计算数学而言，这本来就是沟通数学与应用的桥梁，若与实际脱离，实在很难说做的研究能有多少价值。所以，我更喜欢的一个名称是“科学与工程计算”。

对于计算数学的未来，个人的观点是随着硬件技术的发展，这个学科的受重视程度和发展空间也是越来越大。一些原先限于硬件的大规模问题的数值求解逐渐成为可能。比如天气预报，早些年只能预报次日以及第三日的天气，而现在已经有发布十四日预报，次日预报也可以精确到每两个小时的天气，这就极大地得益于计算能力的发展。与偏微分方程求解有关的领域，也都受益匪浅，毕竟偏微分方程的数值求解，是以有穷维的数值解去近似无穷维的真实解，它对于计算能力的需求或许是没有限度的。即便是有一天人类满足于一定精度的解了，还有很多实时化的应用会对计算的速度提出更高的要求。在可以预见的数十年内，计算数学的前景依旧十分光明。

楼主对于并行计算的理解或许有失偏颇。并行计算是一种算法实现层面的技术，但它难以成为一个独立的门类。它无疑影响着算法研究的侧重点——以个人的经验论——比如现在对于克雷洛夫子空间迭代法的重视，便是因为其简单易行，并且可以很自然地并行化，因此大受大规模线性问题求解领域的亲睐。据我所知，一些数值模拟的方法也因为并行化而得到很好的发展。GPU辅助计算作为一种廉价而简单的并行化实现方法，广受欢迎也是很自然的事情，但是本质上与动用超级计算机的计算又有什么差别呢？从计算的层面来看，无非是问题的尺寸变了，需要的存储空间变了而已。计算数学受益于并行化计算，但是对于算法本身的研究，依然是数学的而不是技术的。而另一方面，计算数学对于计算能力的无止境的需求，也带来了并行化的潮流，现在云计算这一概念的流行，不正是如此么？

作为计算数学的从业人员，谨以拙论，与君共勉。