博士论文开题与答辩—与高手过招

今天下午,我博士论文答辩。我把两年前开题的时候,问倒我的教授重新请了回来,打算从这些人手里,拿到我的博士学位。

答辩主席是Prof Ho,他最擅长从根基上把别人工作价值挖掉。曾经有个博士答辩,用溶液法做FET器件,说低成本。Ho说,若是单纯考虑溶液和spin coator,那当然低成本;但是考虑到量产,虽然MOCVD很贵,但把人工,时间,化学试剂,能耗等等算起来,哪种方法成本更低,就不好说了。若是基于成本考虑,得把全部因素考虑进去,不能只算溶液成本。后来我的导师Prof Zhao就很小心,让组内做器件的同学,不要随便声称低成本,尤其是溶液法做太阳能电池的同学。

Prof Chen更直接,直接问别人的contribution。有一个人申请他们系的教职,展示了很多酷炫的工作,大部分是跟人合作的,别人做器件,他负责力学模拟部分。Chen就问他的contribution是什么,哪些是他做的,哪些是别人的工作。那人简单说了下,说某些slide只是为了方便说明问题,所以用了别人的工作。Chen就指着当时停留在投影荧幕上的ppt问,你给我说说这张ppt,哪些东西是你做的?那人一愣,说是别人的。Chen就说,你拿一张全是你自己工作的ppt出来……最后那个人没有拿到职位。在场的同学都觉得,好恐怖。后来Chen说,他这么问问题,是在给那人机会,既然那人没讲清楚,那他就通过提问给对方多一次机会,讲清楚自己的contribution。Chen对自己的学生也会这么“凶残”地问问题。

另一个教授是外审,Prof Zheng,我以为会友善点的。但听朋友说,也很tough,特别是他懂的问题,尤其tough。论文开题的时候,不需要外审,并没有请Prof Zheng。

两年前的6月1日,我论文开题,答辩委员会四个教授(包括我的导师Prof Zhao和Prof Poon),还有两位来旁听的教授,一共六位教授。

当时Prof Chen直接把我问傻在当场。我讲完PPT,场下的同学简单问了几个问题。然后Prof Chen开始提问,上来就说,I’m not convinced by your presentation. I didn’t see the novelty and impact in your research. I don’t think your research make a difference. 当时我就懵了。要翻出PPT解释给他听。他直接打断,“Don’t look at you Powerpoint, Just tell me the novelty of your project.”我当时就抓瞎了。我都忘了当时自己是怎么回答他的问题了,可能都没听明白他的问题是什么。然后Chairman问Prof Ho有没有问题要问,我是希望他提些意见的,结果他说:“I’m done. I’m more than satisfied.”很遗憾,没有听到他的challenge。

事后Prof Chen拿着那评分表给我看,上面列的就是novelty,impact之类的打分。从他的角度看,我没有讲清楚,所以他很直接的提出那些问题,给我一个机会解释清楚,也好让我从其他教授那里拿到高分。这之后,我就一直被novelty,impact之类的问题困扰。

Prof Ho事后说我这类sensor,重复性可能会是个大问题。

我的cosupervisor Prof Poon提出一个问题,说虽然柔性是一个大优点,但不见得柔性传感器就一定比硬的传感器好。比如对于我的压力传感器,可能柔性带来的问题远大于它的优势。

旁听的一个教授Prof Mak,问了一个问题,“我看很多压力传感器都是形变传感器,包括你的也是。有没有除了形变之外的其它传感器机理,也能探测压力?”我一懵,他就接着很体谅地补充到,“我只是很好奇而已,不需要你的回答,这可能是一个哲学问题”,我也很识趣的说,我handle不了这个问题。

我开题后的工作,就是源自于这些教授提的那些问题。就是对那些问题的思考,让我对柔性压力传感器有了更深入的理解。我完成的第二个工作,是直接针对Prof Ho关于重复性的问题。第三个工作,是源自于Prof Poon的启发。而最后我把全部sensor都归结到material deformation induced pressure sensitive device,则是源自于Prof Mak的启发。

为了今天下午点答辩,我忐忑了好久。自己就设想了很多自认为挺tough的问题,比如“你发现的这些东西,不是凭直觉都知道是这么回事吗?你竟然用了四年时间。”“为什么你不从一开始就用这种表面可控的材料,一次性解决sensor的重复性问题,还用了两个工作的时间才搞定这个问题?”我甚至都预备好了,万一Prof Chen再问novelty或者impact的问题,我直接把预备好的答案背一遍给他听。

然后,出乎我的意料,所有professor都十分友善,都没有问tough的问题。在close door的过程中,群里的同学还在担心我会被问死。Prof Chen的学生担心他老板会问出让我崩溃的问题,Prof Zheng的RA也担心她老板会让我很“难过”。然而,这个close door的过程,所有教授都很友善。Prof Zheng只是纠正了几个我误用的描述。Prof Chen没有问novelty和impact的问题,挑了几张slide,讲了下该如何present才更流畅。Prof Ho也没问什么问题,主要是鼓励大家问问题,就着别人的问题继续深挖。没有那种故意考我的问题出来。我提前准备好的那些问题,都没被问。是我自己把自己吓着了。

总体算下来,我讲了35min;听众问了几个问题,大概15min;然后close door,问了一个小时左右;我在会议室外等了不到十分钟分钟,Prof Ho就出来说,恭喜,committee通过了我的答辩,给出了小修论文的意见。后来我拿到了Prof Ho记录下整个答辩过程中,我需要在论文中修改的14个问题,三页A4纸。

最后我进去跟各位教授握手致谢的时候,我对我的cosupervisor Prof Poon说Thank you very much, 她说,no, no, no, Ningqi, you deserve your Ph.D. degree. 

2017/7/18, Tue

没有薛定谔猫

注:以下是我大学时候的理解,不见得对,也没再读这方面的新资料。

薛定谔提出一个思想实验。将一只猫及放射性物质放在一个盒子内,这个放射性物质有50%的概率会衰变,衰变粒子会触发毒气释放,毒气会杀死猫;也有50%的概率不衰变,猫会活下来(假定它有足够的空气可以活下去)。按照量子力学,这个放射物质会处于“衰变或不衰变的叠加态”,这种叠加态导致了毒气的“释放或不释放的叠加态”,进而导致猫处于半死不活的“生死叠加态”。这只猫,就是薛定谔猫。

若是我们一直不打开盒子,也就是说没有外界的测量或观测,放射性物质会一直处于衰败与否的叠加态,那猫也会处于一种半死不活的生死叠加态中。若是我们打开箱子,观测;那观测就会导致态坍塌,放射物质会被观测到,或是已经衰变,那猫就死了;或是不观测,那就猫就活着;薛定谔推论,观测决定了猫的生死。

我认为,这只半死不活的薛定谔猫不存在。

所谓的观测导致的态坍塌,不必非得用眼睛看,它可以是任何形态的相互作用。眼睛观测到,无非就是可见光从被观测物反射到人眼里,是光子与被观测物有了相互作用。空气分子也可以跟那个放射物质相互作用。对于一只猫,它体内那么多分子,它的任何一部分分子,早已经被其它部分的分子“观测”过了,无法处于一种未被观测的“生死叠加态”中。

即使排除掉猫本身被自己观测过了这个事实,它要活下去,就必须要有空气。放射性物质会跟空气分子相互作用,相当于被观测了,也会导致态坍塌,也就不存在放毒与不放毒的叠加态。

这种相互作用,就等效于观测,这就是为什么宏观物体不存在量子效应的原因。每一次相互作用,都会导致态坍塌,每一个态,都可以算是一条宇宙发展路径,这就导致了所谓的平行宇宙。我们所处的宏观世界,已经是经过态坍塌之后呈现的最终效果了,不存在所谓的叠加态。

同理,猫作为一种宏观的存在,也就不会存在生死叠加态了,它要么死,要么活。在我们观测它之前,它早已经被各种相互作用观测过了。我们的观测不过就是打开一个骰子罐,骰子的点数早在我们打开之前,就已经决定了。并非我们开罐的行为,导致了“一直旋转着的骰子”忽然就停下来了,坍塌到一个固定的点数上。

在量子力学的世界里,测量之前,就如一个骰子一直旋转着,我们不知道它最后会停到哪个点上;测量相当于把骰子弄停,它必然会坍塌到某一个点上。不作弊地掷骰子,我们知道每个点都是六分之一的概率。

在经典力学的世界里,若是在抛出骰子的一瞬间,我们知道初始的抛掷角度,空气摩擦,落地滚动等等条件,是可以精确算出多久后,骰子会哪面朝上。但在量子力学的世界里,即使知道了这一切的条件,仍然是无法知道最后的结果的,只能说,多次测量的统计结果会是,每一面的概率是六分之一。这就是爱因斯坦无法同意的地方,他认为,从原理上不可能有这种不确定性的存在,所以他才说不相信上帝会掷骰子。

而事实上,量子力学就是这样一种概率的世界观。若是单次观测,我们不知道会是哪一面向上,一旦看到“一点”的面向上,那这个“一点”就是百分之百发生了。事情发生之前,我们只能说出现的每项结果的概率,事情发生之后,那每项结果都是百分之百。更为关键的是所谓的叠加态,类比的说,是骰子一直在转,我们不看它就不停,它就处于各个面叠加的状态;而不是上边举例说的,已经停了,只不过是我们开盖看下结果。

大三时我学过两个老师讲的量子力学,用的教材都是从薛定谔方程切入,学出来的量子力学是数学。我曾经将费曼物理学讲义第三卷从头到尾朗读了一遍,它从测量切入,直接讲观测导致的态坍塌,学到最后,学得的是物理。薛定谔那套,最后也会导出测量的概念,但不如费曼物理学讲义来得直接。费曼一直强调,the test of all knowledge is experiment,测不到验不着的,不是物理,至多只能算是假说。

费曼在书中问过一个有趣的问题,既然观测会导致某个现象存在与否(态坍塌),那么若是森林中有一棵树倒下了,没有任何人听到它的声音,那么这个声音存在过吗?

2017/4/20, Thu

科研的认知

未来一切竞争都是认知竞争》(傅盛)把人的认知分为四种状态:

我拿科研作个类比。一般人刚开始接触到一个新课题的时候,一方面会觉得很新鲜,另一方面会觉得一切问题都已经被解决完了,没什么可做的。拍脑袋想出的任何问题,都会发现已经有人做了。这是处于“不知道自己不知道”的状态,没有动手做事所以不会遇到问题,也就问不出问题,也谈不上自己不知道什么。

单是知道一些名词,如数家珍,说组内有很多个研究方向:flexible pressure sensor、biosensor、BP、超级电容器、太阳能电池、光谱……这种列概念的状态,还是处于“不知道自己不知道”的状态。受过几年教育的人,会知道这个世界有很多学科分类,有政治经济学、心理学、哲学等等。当他真的面对一个经济学大师的时候,如果他只是知道“经济学”这个名词,那他问不出什么问题,他“不知道自己不知道”。唯有当一个人真正读过一点经济学,思考过水是生活必需品却相当廉价,而钻石表面上是非必需品却价格奇高,有了这个问题,才会进入“知道自己不知道”的状态。

科研也是一样,非要读很多paper,做不少实验,才会知道这个领域存在哪些问题需要解决。“知道”是相对于“不知道”而言的,唯有了解了这个学科现在已经研究清楚的问题,才能了解到哪些是有待解决的问题。一个厉害的导师,凭着自己在这个学科的多年的积累,能够把握到哪些问题是关键问题,哪些是无关紧要的问题。因为他脑子里同时存在着很多问题,也十分清楚这些问题之间的裙带关系,知道哪个问题的解决会连带解决一大片的问题,这种高屋建瓴的问题就是关键问题。而没有积累的学生,是很难把握什么才是关键问题的。次一点的,虽然不能抓到关键问题,也能告诉学生哪些坑不能踩。再差点就是有钱的甩手掌柜,更差就连钱都没有。

有一个博士答辩结束,导师问我们的感觉。我觉得他做了不少工作,但似乎是在堆工作量,没有系统,后面的研究还跟前面的结论不符合……导师说,更为关键的是,那个学生做了四年研究,连这个领域核心问题的门都没有摸到。

抓到学科的关键问题,或者是把握到了一些至少不算是无关紧要的问题之后,通过research,也许就能做出一些新发现。这个新发现就让我们进入到了“知道自己知道”的状态。还是那个说法,“知道”是相对于“不知道”而言的,唯有知道这个领域的问题所在,我们才知道自己的paper解决了什么问题。

第四个阶段,有点抽象,可以算是经验或者直觉吧。这种东西,不仅不会写到paper中,连说清楚都不太可能。深入研究一个课题,做了大量无法进入paper到实验尝试,思考了很多不会进入paper的思路,就能对这个领域有深入的理解。比如做sensor,有时候很难说清楚为什么要这么做,面对不同的材料,会有不同的注意事项;有时候甚至不用做,就知道不可行。很难说清楚为什么,就当是经验吧,或者算是know-how的知识,“不知道自己知道”些什么东西,但是就是可以把事做成。

我只是用搞科研的状态理解文章里说的四个认知状态,它要说的是更普遍层面上的认知和个人成长的事。它分析:

所谓成长,就是认知升级

认知,几乎是人和人之间唯一的本质差别。

人和人比拼的,是对一件事情的理解和对行业的洞察。执行很重要,但执行本质是为了实践认知。

不行动的认知,就是伪认知。

想法要立刻转为行动。坚信大趋势,坚信这家公司的各种认知决定。

不要简单的批判,你一定要相信那些行业领头人。他们拿到的信息肯定比你多,处理信息的能力比你强,他们的认知不是现阶段的你所能赶得上的。不理解,就执行,在执行中理解。

2017/4/16, Sun

时间去哪了-统计7年的Research时间

统计了下我念研究生以来的时间使用情况。从2010年9月开始记录每天的时间开销,包括科研、阅读、学习三部分,截止到2017年8月31日,记了7年,累计科研9343小时, 阅读 3541 小时,学习 5723 小时。

科研部分的内容包括做实验,看文献,听报告,整理样品、数据,写论文,跟导师meeting等。

学习部分包括上课,写作业,看专业书,做助教等。帮同学做实验也算进学习部分。

阅读部分包括任何与专业无关的文章和书籍阅读。包括近期的得到APP专栏阅读,不包括微信订阅号,刷朋友圈等读文章的时间。写订阅号算进阅读时间。

吃喝拉撒、旅游、看电影等时间不计算在内。

刚开始是用一个小本子记录。开始做事时,记下时间,结束后记录时间,得出做事使用的时间。每天结束,分块统计当天的时间开支。月底用Excel统计本月工作时间。最近几个月开始使用aTimeLogger记录时间,能自动生成时间开销报表。

最懒的时候,一个月科研时间0小时,是2010年9月研究生刚入学的时候。一整个月,31天,没有花一分钟看文献、做实验,也没有跟导师讨论,全部时间都是搞学习相关的事了。

最勤奋的时候,一个月科研时间301个小时,是2015年5月份,那年6月1日我博士论文开题。相当于整个月31天,没有周末,算下来每天平均科研时间9.7个小时。那个月阅读时间10小时,学习相关的时间25小时。比起那种每个星期100个小时的科研狂来说,我是差远了。

按365天全年无休,平均算下来,每天搞科研的时间3.7小时,阅读1.4小时,学习2.3小时。每天平均折腾7.4小时,不能说勤奋,但也算尽我所能了。

对照下我一事无成的事实,不尽伤感起来。面对天赋,勤奋的价值多么微不足道啊,但这也是我仅有的条件了。

2017/4/13, Thu | 2017/8/31, Mon Updated