heruspex的个人博客分享 http://blog.sciencenet.cn/u/heruspex

博文

读研秘技二十:共赢的合作 精选

已有 5792 次阅读 2020-3-28 09:11 |系统分类:科研笔记| 合作, 论文, 研究, 科研

    子曰:三人行,必有我师焉;择其善者而从之,其不善者而改之。”  --  《论语·述而》

    当今社会,科研已经越来越精细化,每个科研人员研究的方向都很专业化和小众。即使在同一个研究小组里,研究生研究的内容也可能泾渭分明。要想形成突破,集思广益,优势互补的 团队合作(teamworking)就成了必然的趋势。以我从事的机器学习方向为例,随便翻翻近几年在相关领域顶会上的文章,就能看到大量成果是通过合作完成的,也经常能看到国际大公司与国际牛校之间的合作成果。这种强强合作的后果,必然是会挤压多数偏好单干的科研人员发表研究成果的空间。因此,寻求合作未尝不是一种好的选择。 

    那么,对于研究生来说,怎么去寻找合作的可能和机会呢,合作时要避免哪些问题呢?我这里探讨下一些可能的形式。 

一、组内合作 

    组内合作是最容易的也是最需要重视的,毕竟同门之间的社交距离(social distance)近不少。如果有共同的研究方向,比如导师让不同年级的学生一起研究某个课题,那么此时的合作是最自然不过的,也有利于保持组内的强势研究方向和接力给新的学生。 

   组内还可以通过集思广义的形式来合作。比如定期组织讨论班,既可以讨论新的进展,在讨论中通过头脑风暴发现新的可合作的方向,也可以让大家汇报自己研究中存在的问题,相互帮助来解决。 

    另外,加强学生间的日常交流也可以促进合作。在网络时代,学生间的面对面沟通可能没有早些年那么通畅。因此,适当的在组内组织一些活动,是有利于拉近同学间的友情,比如定期聚餐、组织唱歌、团建或户外活动。当然,在经费允许情况下,还可以多组织集体去参加一些国内或国际会议。在这些活动期间的相互帮助,都能在无形中提高组内合作的可能性。 

    值得提醒的是,组内的合作需要学生之间能尽量宽容、大度。尤其是涉及到论文发表,关于谁第一谁第二作者之类问题的时候。如果关系没协调好,贡献大小差异又不是太明确的时候,最后闹得不愉快也不是没有可能。 

二、组组合作 

    而组组的合作,相对来说,不如组内那么容易。按机器学习的说法,这是两类,组组的类间距离明显大于组内的类内距离。有的时候,甚至存在校外的合作比校内合作更方便这种“近邻不如远亲”的情况。

    但是,组组合作实际可操作的空间其实挺大的,毕竟研究生之间尤其同年级的交流还是比较频繁。比如我和我博士同学、现福州大学的陈德旺教授。在博士期间我们就经常有生活、学业上的交流。也有共同的爱好,喜欢唱歌。记得有次在寝室里唱歌,结果没唱多久就被隔壁寝室的过来敲门禁唱了。所以,谈起合作研究时很快就一拍即合。从博士期间探讨智能交通和机器学习的融合开始,我们至今一起发表了不少相关的研究成果,包括首次将一维流形应用于交通流的分析[1],以及通过机器学习方面从低精度GPS数据学习出高精度的GPS定位信息[2]等。 

三、交叉合作 

    研究方向间存在较明显差异时,也有很大的合作空间。一来是知识的互补性强。比如机器学习领域在理论研究方面的一些突破,可能对其他领域来说,还处在未曾深入了解的滞后阶段。那么,其它领域如果要跟进这方面的进展,在知识储备和文献阅读的深度广度上都不见得很充分。寻求与机器学习领域科研人员的合作,就能事半功倍。而对于机器学习领域的科研人员来说,他们也会存在找不到可落地应用、和实际问题的苦恼。此时,如果其它应用领域的人能提出问题时,也有潜力形成交叉合作。我在交叉合作这块还是尝过不少甜头,包括在金融、自来水去混浊[3]、气象预测[4]、肺癌诊断[5]、甚至半导体元件测量[6]等方面的合作,都形成了一些新的成果和突破。 

    当然,交叉合作也并非是两拔人走一块,就立马出成果了。记得我读博士期间,有回导师带我们去中科院心理研究所探讨潜在的合作。双方见面时的兴致都很高,然后开始互相介绍各自的成果。为了能让对方听懂,都已经尽可能通俗化了自己的研究方向介绍,但结果还是略有些尴尬。我们讲的时候,我估计对方是一头雾水。而轮到他们讲的时候,我们也只能听得懂科普性的词眼,一到技术细节就完全听不明白了,我导师甚至后来都睡着了。 

    另外,导师也需要注意兼顾实验室或研究小组的整体发展方向、学生的研究兴趣以及寻找交叉合作之间的平衡。因为交叉往往意味着双方都需要花比较长的时间去找合作点,很有可能有比较长的时间看不到任何潜在的突破。所以,在一个相对陌生领域进行交叉合作探索时,需要双方的相互理解和信任。 

四、国际合作 

    国际合作也是合作中必不可少的环节,它能帮助提升科研成果的档次。那如何获得国际合作呢?一方面也许是通过导师的合作渠道,一方面也可以自己主动去寻找。 

    参加国际会议,主动交流是一个好的办法,因为这样比较容易碰到志趣相投的朋友或合作者。记得2006年在昆明开的ICIC国际会议,我去参加时,就刚巧碰到一位外国学者Uwe Kruger在做主曲线的报告。认真听完后,感觉和我当时研究的方向非常一致,于是便上前去和他讨论其中的问题,并因此建立了联系。一晃14年过去,我们之前有过很多论文方面的合作[2,5]。我也邀请过他来复旦大学访问过两次,也推荐了学生去他所在的学校从事博士后工作。 

    除了会议,也可以申请去国外的高校访问或求学,比如通过国家留学基金委CSC的联合培养博士项目、青年教师可以考虑的各省或CSC的访问学者项目等等。由于与合作方的交流时间一般都比较长,更有利于双方充分了解。所以,这类项目往往能促成长期而稳定的合作,并且能更好地施展各自的长处来形成更好的成果。 

    不过今年因为新冠疫情的原因,我想大部分的国际会议,有可能会延期或改为网上的虚拟会议。去国外交流也存在同样交流不畅的问题。这不能不说是种遗憾,因为对学生来说,除了了解学术进展外,可能还少了能建立潜在长期合作的机会。 

   另外,要注意的是,由于距离受限、面对面交流又不畅的原因,远程的国际合作很容易产生分歧,甚至合作中断。尤其是学生,更要注意把握分寸。有些合作的中断,往往是因为学生过份好奇或自信,太相信自己判断的准确性,倾向否定合作中对方提出的想法或观点。一来二去,就拖延了合作课题的进展,最终导致双方的信任度减分。所以,这类合作需要双方都能适当做些折衷,才能有长期合作的可能。 

五、同行合作与强强合作 

    除此以外,不同单位的同行之间也存在合作的空间。但要进行长期的合作,要么就是朋友关系,要么可以通过参加各种专业委员会来逐渐熟悉,要么就是通过联合申报项目的方式来实现。前两者和组组的合作差不多,后者则容易形成比较稳定的合作关系,但也应避免申报完后,又各干各、以至于整体等于局体之和的情况。 

   以机器学习领域为例,从国际上近几年论文发表的情况来看,单位之间的合作已经明显增加了。究其原因,还是因为专业的细分,以及彼此间存在强的互补性。另外,合作的各个单位的实力似乎都很强,有一种强强联合的趋势。因此,国内如果希望能尽快超车,采用强强合作的方式也是有必要考虑的。 

六、科研孤狼 

    虽然合作很重要,但合作是需要花时间磨合的,并非合作了,就一定能成功和让双方满意,失败的情况也不少。所以,既要有耐心,也要放宽心。也并非百分之百就一定是合作就胜于单干。还有,不是所有人、所有方向都适合通过合作的形式来产出成果。所以,不必因为别人合作了,自己没合作,就以为自己的研究会处于劣势。有的时候,重要的成果或灵光一闪的成果就是一个人做出来。比如阿基米德浮力定理的发现。再比如一些重要数学定理的证明,可能多数情况就只能一个人独立完成。 

   鲁迅说过:猛兽总独行,牛羊才成群。如果你觉得自己各方面都更适合做科研上的孤狼,那也没问题。只要你能坚持和认准一个方向,不动摇,迟早也能闯出名堂。

 

张军平

2020年3月28日

 

参考文献:

1. Dewang Chen, Junping Zhang, Shuming Tang, and Jue Wang. Freeway Traffic Stream Modelling based on Principal Curves and its Analysis. IEEE Transactions on Intelligent Transportation Systems, vol.5, no.4, pp.246-258,2004. 

2. Junping Zhang, Dewang Chen, and Uwe Kruger. Adaptive Constraint K-segment Principal Curves For Intelligent Transportation Systems. IEEE Transactions on Intelligent Transportation Systems, vol. 9, no. 4, pp. 666-677, 2008. 

3. Yiqun Liu, Yiwei He, Shumao Li, Zhenghui Dong, Junping Zhang, Kruger Uwe. An Auto-Adjustable and Time-Consistent Model for Determining Coagulant Dosage Based on Operators’ Experience. IEEE Transactions on Systems, Man and Cybernetics: Systems, accepted, vol. xx, no. xx, pp. xxx-xxx, 2020. 

4. Lei Chen, Yuan Cao, Leiming Ma, and Junping Zhang. A Deep Learning-Based Methodology for Precipitation Nowcasting With Radar. Earth and Space Science, 7, e2019EA000812. 

5. Yiming Lei, Yukun Tian, Hongming Shan, Junping Zhang, Ge Wang, Mannudeep K. Kalra.Shape and Margin-Aware Lung Nodule Classification in Low-dose CT Images via Soft Activation Mapping. Medical Image Analysis. accepted, vol. xx, no. xx, pp. xxx-xxx, 2020. 

6.Haiping Zhu, Youngjoo Lee, Hongming Shan, Junping Zhang. A maximum contributed component regression for the inverse problem in optical scatterometry. Optics Express, vol. 25, no. 14, pp. 15959 - 15966, 2017.


延续阅读:

19. 读研秘技十九:兼听则明的评审与回复

18.  读研秘技十八:完美主义的排版

17.  读研秘技十七:虎头蛇尾与画蛇添足的结论

16.  读研秘技十六:完备的实验

15.  读研秘技十五:创新 -- 从亨廷顿舞蹈病说起

14.  读研秘技十四:综述东来顺,引用西太后

13.  读研秘技十三:引人入胜的开场白

12.  读研秘技十二:重灾区的论文摘要

11. 读研秘技十一:论文的选题与选题目

10. 读研秘技十:不对称的压力与科研流水线

9. 读研秘技九:讨论班与综合科研能力

8. 读研秘技八:泡泡糖与脱口秀

7. 读研秘技七:高徒出名师

6. 读研秘技六:正说寻师 -- 四个维度

5.  读研秘技五:从射雕戏说寻师

4.  读研秘技四:湖南人的霸蛮与荷尔蒙

3. 读研秘技三:我的想象力飞了起来

2. 读研秘技二:时商与基础误区

1. 读研秘技:你能更优秀(一):时商,从爱多士说起


zjp.jpg

张军平,复旦大学计算机科学技术学院,教授、博士生导师,中国自动化学会混合智能专委会副主任。主要研究方向包括人工智能、机器学习、图像处理、生物认证及智能交通。至今发表论文近100篇,其中IEEE Transactions系列21篇,包括IEEE TPAMI, TNNLS, ToC, TITS, TAC, TIP等。学术谷歌引用3600余次,ESI高被引一篇,H指数30。

出版科普著作《爱犯错的智能体》,曾连续24次推荐至科学网头条,曾五次进入京东科普读物新书榜前三名。关于人工智能发展趋势的观点曾被《国家治理》周刊、《瞭望》、《科技日报》、《中国科学报》等媒体多次报道。连载的《读研秘技》至今被科学网推荐头条18次。



http://blog.sciencenet.cn/blog-3389532-1225651.html

上一篇:我的三周网络授课经验分享(两篇)
下一篇:读研秘技廿一:应用 -- 将成果写在祖国大地上

15 陈德旺 杨正瓴 吴斌 章忠志 柳林涛 晏成和 黄永义 梁洪泽 王德华 王卫 孙颉 张红光 赵志宏 杨轶杰 王恪铭

该博文允许注册用户评论 请点击登录 评论 (2 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-12-3 12:01

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部