- 组织方式:给定学习材料,分配好内容,每一个人给大家讲授其中的一部分,但是所有内容每一个人都要看。
- 开设时间:每一到两年一次,有足够数量新的学生就开,基本上用一个学期的时间,每周一次;有必要也可以集中开设。
- 参与学习者:没有限制,本校或者其他学校的本科生、研究生、老师、高中学生,都行。不严肃的勿扰。每一个讨论版最好三人以上,十人以内。
- 目前正在开设和已经开设过的有:博弈论、投入产出、量子与统计物理学讨论班。目前正在打算开设的:复杂网络、数值线性代数讨论班。
- 讨论班:
- 复杂网络讨论班
- 学习资料:
- 吴金闪、狄增如的综述文章《从统计物理学看复杂网络研究》
- Barabasi的复杂网络的新书:Network Science
- 《网络科学导论》汪小帆、李翔、陈关荣,基本概念比较详细完整准确
- 《Spectral Graph Theory》Fun Chung
- Newman的经典书《Network, An Introduction》
- 软件:1、NetworkX + Pyhton 或者 2、iGraph + C
- 学习目标:
- 复杂网络的思考方式,事物之间的联系,从数据出发通过分析计算来研究问题,一些典型应用
- 复杂网络分析的基本概念、基本计算分析工具
- 软件包,语言,实际计算分析经验
- 需要的基础:统计学、物理学的思考问题方式、编程语言
- 需要注意的事:看书的时候要想办法自己去做计算,把各种东西实现。计算程序部分不会有讲解
- 数值线性代数讨论班
- 学习资料:
- Y. Saad,Iterative Methods for Sparse Linear Systems
- BLAS、Lapack、Petsc、Slepc、acml的使用,分模块讲解程序
- 学习目标:
- 数值线性代数的基本计算(矩阵乘法、本征问题、线性系统),基本计算的实现原理
- 各个软件系统中上述基本计算的实现
- 软件包,语言,实际计算分析经验
- 需要的基础:线性代数、C或者Fortran或者Python
- 博弈论讨论班
- 学习资料:
- Open Yale Courses:Game Theory
- Games of Strategy by Dixit etal
- A Primer in Game Theory by Robert Gibbons
- 演化博弈论 by 威布尔
- 学习目标:
- 博弈的思考方式,把实际问题抽象成博弈问题的能力
- 博弈与博弈的解、解的精炼、求解方法
- 趋向解的过程,学习,演化博弈
- 解的描述能力
- 博弈的计算分析技术
- 需要的基础:线性代数、微积分、稳定性分析
- 需要注意的事:用博弈论来思考和认识世界。演化博弈需要计算分析的实现,可能是数值计算。
- 投入产出讨论班
- 学习资料:
- Ronald E. Miller, Peter D. Blair, Input-Output Analysis
- Erik Dietzenbacher, Michael L.Lahr, Wassily Leontief and
Input-Output Economics - 学习目标:
- 投入产出分析的思考方式,把实际问题抽象成投入产出问题的能力
- 投出产出分析的基本概念与技术(线性方程)、影响力指标、结构分解;投入产出分析与网络分析的联系
- 投入产出的计算分析技术
- 需要的基础:线性代数、经济学导论或者经济学原理
- 量子物理学、统计物理学讨论班
- 学习资料:
- 非常简短而深刻的物理学精华:分析力学、量子力学、统计力学,吴金闪讲授。按照张江的建议,希望我真的能够哪一天把这些内容整理成书
- 吴金闪博士论文《Quantum Transport Through Open Systems》
- 学习目标:
- 统计平衡分布,概率论
- 量子振幅、密度算符、叠加原理、测量
- 量子态的演化
- 开放量子统计系统态的演化
- 统计物理学、量子力学的研究面貌
- 需要的基础I:力学、统计力学、量子力学,最好有分析力学的基础
- 需要的基础II:数值线性代数
- 高等统计物理讨论班
- 学习资料:
- 相变与临界现象,Newman的统计物理学中的Monte Carlo方法
- 随机过程,Risken的FPE
- Birgerson的平衡与非平衡统计物理学
- 学习目标:
- 相变与临界指数的发现,表示,计算
- 随机过程的模拟
- 离散Markovian过程的分析与数值计算
- 需要的基础I:力学、统计力学、概率论
- 需要的基础II:数值线性代数
- 概念地图讨论班
- 学习资料:
- Learning, Creating and Using Knowledge by J.D. Novak
- 学习目标:
- 追寻事物之间联系的思考方式
- 利用概念地图技术抓住主要概念,主要脉络,跨领域横向联系的能力
- 制作概念地图的技术
- 需要的基础:思考概念之间联系的思考方法
- 英文科技论文写作讨论班
- 学习资料:
- The Elements of Style by W. Strunk and E.B. White
- Scientific Writing 2.0 by Jean-Luc Lebrun
- Duke大学研究性写作课程
- 学习目标:
- 用清晰的逻辑呈现研究问题、研究结果、研究技术的能力
- 科技论文写作风格:最主要的先写、简单句和复杂的句子的协调
- 他人已经整理出来的写作上的操作指南
- 需要的基础:无
分类: 学生培养
做好一个研究生的学术方面、学术交流方面
- 学会欣赏,欣赏定理、结论、推理过程、计算技术、思考方式,欣赏他人的工作
- 学会计算,基本的解析(分析代数微分方程)数值计算(数值线性代数、Monte Carlo)
- 学会思考,第一步王氏三板斧(做了什么、有什么好的地方和缺陷、我能做什么);第二步,跳出问题,价值判断
- 有独特的分析计算技术体系,例如对微分方程、随机微分方程特别熟悉,数值线性代数认识特别深刻
- 有非常熟悉的具体系统的知识背景,例如量子物理学、语言学、情报学、经济学等等
- 学会研究型学习:
- 了解基本的问题是什么;
- 目前和将来这个领域主要大家在思考什么,自己去实现去回答,可以参考经典教材;
- 翻阅教材和综述文献,对自己的答案给一个批判性检验;
- 阅读研究论文、综述论文开展具体问题的研究
- 学会团队学习:
- 选择好的学习材料(参考工具、课程与学习资料),好的团队成员;
- 分配好各位成员的学习内容;
- 做好自己需要讲授的部分的阅读(这个时候可能需要阅读材料的其他部分),并讲解;
- 在学习他人讲解内容之后,阅读学习材料相应的部分
- 学会写作,逻辑、内容、文法同样重要,参考工具、课程与学习资料
- 学会做学术报告,深入浅出,启发思考
推荐一个视频“how to be a good graduate student”
Professor Biswanath Mukherjee’s talk “How to be a Good Graduate Student”
video on YouTube and slide in pdf file
转自
Zhaojun Bai, Professor of Computer Science and Mathematics at University of California.
学会随时思考如何传道解惑
混学术界的,总有一天需要当老师的,所以随时都要从传道授业解惑的角度来思考问题。记得自己当学生的时候的体会,想法,用这个经验将来当好老师。我记得很多我上小学一直到研究生时候听课的体会,时时去思考和反复。
我当学生的时候也会思考这样的问题:作为老师面对这个问题的时候怎么想。例如,我做助教的时候,每一次改完作业,我都会发一个报告,多少人交了作业,做的怎样,什么问题做的好,那些问题需要额外的讲解,常见的错误有哪一些。这些都是对于老师授课有意义的信息。
这些事情很容易想到吧,想不到就是没有用脑子去思考过。
推荐一篇文章:Nature12407 Globally networked risks and how to respond
Helbing 学数学、物理学,研究社会学的,如何思考问题,很大的问题,并提出框
架以及完成细致的工作。Helbing的工作涉及统计物理学、社会学、博弈、金融风
险、复杂网络、知识工程,但是他的基础就是数学、物理学。
下周确定谁来讲这篇文章。博弈小组的几位同学,这个文章对你们也很重要。Helbing还关心科学学、知识工程的问题,科学学小组的,也因该注意他的工作。
顺便推荐大家养成看文献的习惯。第一、主流期刊的RSS订阅。一般来说订阅可以选择分类,不要全选,看不完的。按照自己的兴趣选择。我一般留意Science、Nature除了生物学之外的所有文章的摘要,PNAS的物理学、博弈论,PRL的统计物理学、量子力学基本问题、量子信息,PRB的非平衡统计,AER的博弈,Game and Economic Behavior没有订阅,想起来会去浏览。加上arXiv上基本上所有关心领域的摘要,这个可以快一步,还是不错的。第二、个别科学家的工作跟踪。这个挑选更加要仔细。我一般留意Prosen和Saito(非平衡的),Helbing, Vespignani(大数据的那个), Newmann(网络的,统计物理出身)。过几个月就上他们的网页上去看看他们的工作。我一直不屑Nowak,现在慢慢地发现他也做一些地道的博弈论,而不单纯是网络上、空间上的博弈。以后也应该跟踪一下。
当然,再强调一下,用运用研究性学习方法,文献和书不是根本,思考,独立思考,才是根本。