上大学的时候就知道有3M：Maple、Matlab和Mathematica。我的本科毕业论文是一个理论的题目，有很多符号推导。我知道Maple和 Mathematica的符号推导功能很强大（Matlab的符号推导用的是Maple的内核），但是二者的语法在我当时看来都难以接受，和传统的编程语言差别比较大，而且代码和输出混在一起，感觉很乱。所以我用了Matlab完成了我的毕业论文，但是也比较费劲，原因是Matlab的公式显示功能很差劲，不要说优雅，能看懂都很费劲，因为Matlab是用常规字符显示公式的，而不像Maple、Mathematica那样用LaTeX（Matlab后 来似乎也有latex函数的，但是总之是不太好用）。
        经过了许多年，Maple的声音似乎越来越微弱了。现在很多人在用Matlab，很大一部分是用于工程（用simulink），也有不少人在用 Mathematica，主要用于求解一些常规方法难以处理的方程。总体感觉是Mathematica是基于数学的，更像是一种数学工具，而Matlab 感觉更像是编程语言。
        前段时间收到一封邮件，说今年11月30日有一个Wolfram大会，其中一个演讲人是云南天文台的林隽研究员。我知道林老师的一个重要贡献是太阳爆发的理论模型，但是没有想到他会用到Mathematica。因为有天文工作者参会作报告，所以我决定去看看。
        事实证明，今天参会是明智的。从会议中了解了很多新的信息和新的想法。
        首先是Mathematica 9已经于昨天发布了，比起我上大学时的Mathematica，这一版非常容易使用，输入的时候有提示。计算完成后会提示下面要做的操作，几乎不需要记命令。这一版还部分支持了自然语言，让整个操作变得十分简单，完全没有接触过Mathematica的人也非常容易上手。
        接下来听到的是清华的顾学雍老师的报告，他讲了分布式学习，以及如何借助Mathematica和Wolfram Alpha实现分布式学习。实际的案例是让一群不知道单片机为何、机械知识缺乏的人在四天时间内制作一个用单片机控制的太阳系行星模型，并记录整个过程， 制作视频。我第一次发现，Mathematica不只是一个软件，它后面有Wolfram Alpha这个知识库的支持，使得它变得非常强大，这恐怕是其他任何编程语言无法比拟的。
        原北京市科委的李易洋报告了他以前做的一些演示程序。其中有三个比较有趣：叶脉、黏菌运动和海洋内波。最后一个我不是太懂，叶脉和黏菌运动很有趣。叶脉是 一个非常高效的运输系统，现有的任何算法都无法设计出这样一个高效的算法。我们不得不感叹大自然的力量。黏菌的运动也是非常奇妙的。日本研究人员按照东京及周围城市的实际分布缩尺建立了一个模型，在这些“城市”的位置放上黏菌的食物，然后放上黏菌。过了一段时间以后，黏菌就在这些“城市”之间建立了一些 （由黏菌组成的）道路（连接），而没有道路的地方已经没有黏菌了。这些道路是黏菌输送食物的，是非常高效的。如果按照这些连接来修建东京以及周围城市之 间的道路，也将形成一个非常高效的运输系统。我之前知道可以用物理系统求解数学问题，这可以算是用生物系统求解数学问题吧。
        北师大的张江老师提到了Wolfram Alpha中的Country Data，其中有世界各国的104项指标（GDP、人口等等），这些数据在别的地方都很难获得。张老师用Mathematica演示了鸟群的Boid模型 和Levy飞行模型，还提到有一个积分的计算，用Matlab算不出来，用Mathematica就可以进行高精度的计算。
         此外，还听到了之前不知道的Modelica。听过今天的报告，再回头看，我开始有点理解Mathematica的理念了，如果一个算式就可以解决问题， 其实没必要写成一个程序。Wolfram公司组织的one line contest大概是这个理念的一个体现。

2012年12月4日补记
我上面所记关于挑战式学习的内容和顾老师的原意有出入，现将顾老师的来信附后。在此对这篇博客的不准确向顾老师表示抱歉。
=========================================================
顾老师来信
=========================================================
钱老师：


转载本文请联系原作者获取授权，同时请注明本文来自钱磊科学网博客。
链接地址：https://blog.sciencenet.cn/blog-117333-637954.html

上一篇：如何突破IDL颜色表的限制？
下一篇：关于“逃离科研”——科研需要多少人？