施一公：如何成爲一名優秀的博士生？

點擊上方「3D視覺工坊」，選擇「星標」

乾貨第一時間送達

本文科研大匠綜合整理自施一公科學網博客

近日，研究生新生已開始陸續開學，不少同窗問：如何成爲一名優秀的博士生？對這個問題，施一公院士曾進行深刻的思考，他結合本身的親身經歷，專門寫了兩篇長篇博文進行總結，樸實精闢，流傳甚廣，獲得不少導師及學長學姐們的極力推薦，如下爲完整版，分享給你們。 

序： 我從得到博士學位至今已經整整16個春秋，但博士階段的感覺仍然歷歷在目。我從指導本身獨立實驗室的第一個博士生到如今也已經13年了，其中的博士研究生和博士後中已經有11人在美國和中國的大學裏擔任獨立實驗室的PI。他們的成長過程差異極大，性格、能力也各有不一樣。應該說，沒有任何一個學生能夠簡單地遵循另一個優秀科學家的足跡脫穎而出。從這個意義上講，科學家的成功是不可能複製的。可是，優秀科學家經常具有的共同特色應該對年輕學生有很大啓發。

文主要來自我在清華大學研究生入學教育裏一次2.5小時的講座，又綜合了一些隨後的思考和總結。在那次講座中，我一再強調，個人目的不是要求研究生徹底按照我講的去作，而是但願從根本上衝擊、振盪一下研究生的思考角度，啓發你們找到最適合本身的成才之路。

時間的付出

全部成功的科學家必定具備的共同點，就是他們必須付出大量的時間和心血。這是一條真理。實際上，不管社會上哪種職業，要想成爲本行業中的佼佼者，都必須付出比常人多的時間。有時，個別優秀科學家在回答學生或媒體的問題時，輕描淡寫地說本身的成功憑藉的是運氣，不是苦幹。這種回答其實不夠客觀、也有些不負責任，由於他們有意忽略了本身在時間上的大量付出，而只是強調成功過程當中的一個偶然因素，這樣說的效果經常對年輕學生形成很大的誤導，由於有些幼稚的學生甚至會所以開始投機取巧、不全力進取而是等待所謂的運氣；另一些學生則開始尋找他們的運氣，把至關一部分精力和時間用在了與科學研究無關的事情上面。說極端一點：若是真有這樣主要憑運氣而非時間付出取得成功的科學家，那麼他的成功極可能是攫取別人的成果，而本身十有八九不具有真正在領域內領先的學術水平。 

大約在十年前，著名的華人生物學家蒲慕明先生曾經有一封很是著名的email在網上廣爲流傳，這封email是蒲先生寫給本身實驗室全部博士生和博士後的，其中的觀點我徹底贊同。這封email寫的語重心長，從中能夠看出蒲先生的良苦用心。我不管是在普林斯頓仍是在清華大學都把這封email轉給了我實驗室的全部學生，讓他們體會。其中的一段是這樣說的：

「The most important thing is what I consider to be sufficient amount of time and effort in the lab work. I mentioned that about 60 hr working time per week is what I consider the minimal time an average successful young scientist in these days has to put into the lab work……I suggest that everyone puts in at least 6 hr concentrated bench work and 2+ hr reading and other research-related activity each day. Reading papers and books should be done mostly after work.」

我認爲最重要的事情就是在實驗室裏的工做時間，當今一個成功的年輕科學家平均每週要有60小時左右的時間投入到實驗室的研究工做......我建議每一個人天天至少有6小時的緊張實驗操做和兩小時以上的與科研直接有關的閱讀等。文獻和書籍的閱讀應該在這些工做時間以外進行。

蒲慕明

有些學生讀完蒲先生的email後告訴我，「看來我不是作學術的料，由於我真的吃不起這份苦。」我經常回複道，「我在你這麼大年紀的時候，也會以爲長期這樣工做難以想象。但在不知不覺之中，你會逐漸被科學研究的精妙所打動，也會爲本身的努力和成績驕傲，你會逐漸適應這種生活方式！」這句話表面上是勸學生，實則是我本身的經歷與體會。 

我從小就特別貪玩，並不喜歡學習。但來自學校和父母的教育與壓力迫使本身儘可能刻苦讀書；我高中就讀於河南省實驗中學，憑藉着比別人更加刻苦的努力，綜合成績始終名列前茅。1984年全國高中數學聯賽我得到河南賽區第一名，保送進入清華大學。大學階段，我保持了刻苦的傳統，綜合成績全班第一併提早一年畢業。但這種應試和灌輸教育的結果就是我不多真正獨立思考、對專業不感興趣。大學畢業時，我本沒有打算從事科學研究，而是一心一意想下海經商。陰差陽錯之間，我踏上了赴美留學之路。

 

可想而知，留學的第一年，我情緒波動很大，心裏浮躁而迷茫，根本無意念書、作研究，而是花了不少時間在中餐館打工、選修計算機課程。第二年，我開始逐漸適應科研的「枯燥」，並開始有了一點本身的體會，有時領會了一些精妙之處後會洋洋得意，也會產生「原來不過如此」的想法，逐漸對本身的科研能力有了一點自信。這期間，博士研究生的課程所有修完，我每週五天、天天從上午9點作實驗到晚上七、8點，週末也會去兩個半天。到了第三年，我已經開始領會到科研的邏輯，有點兒躍躍欲試的感受，在組會上經常提問，而這種「入門」的感受又讓我對研究增長了不少興趣，晚上經常幹到11點多，趕最後一班校車從霍普金斯醫學院回Homewood campus（我住在附近）。1993年我曾經在本身的實驗記錄本的日期旁標註「This is the 21st consecutive day of working in the lab.」（這是我連續第21天在實驗室工做。）以激勵本身。其實，這多少有做秀之嫌，由於其中的一個週末我一共只作了5、六個小時的實驗。到第四年之後，我徹底適應了實驗室的科研環境，也不會再感覺到枯燥或時間上的壓力了。時間安排徹底服從實驗的須要，儘可能往前趕。其實，這段時期的實驗時間遠多於剛剛進實驗室的時候，但感受上好多了。

 

研究生階段後期，個人刻苦在實驗室是出了名的。在紐約作博士後時期則是我這輩子最苦的兩年，天天晚上作實驗到半夜三點左右，回到住處躺下來睡覺時經常已經是四點之後；但天天早晨八點都會被窗外紐約第一大道(First Avenue)上的汽車喧鬧聲吵醒，九點左右又回到實驗室開始了新的一天。天天三餐都在實驗室，分別在上午9點、下午3點和晚上九、10點。這樣的生活節奏持續11天，從週一到第二個星期的週五，週五晚上作灰狗長途汽車回到巴爾地摩(Baltimore)的家裏，週末兩天天天睡上近十個小時，彌補過去11天嚴重缺失的睡眠。週一早晨再開始下一個11天的奮鬥。雖然體力上很累，但我內心很知足、很驕傲，我知道本身在用行動打造將來、在創業。有時我也會在日記裏鼓勵本身。我住在紐約市曼哈頓區65街與第一大道路口附近，離紐約著名的中心公園(Central Park)很近，那裏也時有文化娛樂活動，但在紐約工做整整兩年，我從未邁進中心公園一步。 

求學時期的施一公，圖源：互動百科

我必定會把本身的這段經歷講給每個我本身的學生聽，新生經常問我：「老師，您以爲本身苦嗎？」我一般回答，「只有作本身沒有興趣的事情時候以爲很苦。有興趣之後一點也不以爲苦。」 是啊，一個精彩的實驗帶給個人享受比看一部美國大片強多了。如今回想起當時的刻苦，感受仍很驕傲、很振奮！有時我想：若是本身在博士生、博士後階段的那七年半不努力進取，而是不加節制地看電影、讀小說、找娛樂（當時的互聯網遠沒有如今這麼內容豐富），如今該是什麼情況？ 

作一個優秀的博士生，時間的付出是必要條件。 

方法論的轉變

要想在科學研究上取得突破和成功，只有時間的付出和刻苦，是不夠的。批判性分析（critical analysis）是必須具有的一種素質。 

研究生與本科生最大的區別是：本科生以吸收學習人類積累的知識爲主、兼顧科學研究和技能訓練；而博士生的本質是經過科學研究來發掘創造新知識，當前和以往學習的知識都是爲了更好地服務於科學研究。在以學習知識爲主的本科生階段，提出問題當然重要，但答案每每已經存在，因此問題是否critical沒有那麼關鍵。博士生階段則徹底不一樣，必須具有critical analysis的能力，不然不可能成爲優秀的科學家。這一點，我稱之爲方法論的轉變。 

其實，整個大學和研究生階段教育的實質就是培養critical analysis的能力，養成可以進行創新科研的方法論。這裏的例子很是多，覆蓋的範圍也很是廣，在此舉幾個讓我終生難忘的例子。 

01

正確分析負面結果（negative results）是成功的關鍵

做爲生命學科的一名博士生，若是每個實驗都很順利、能獲得預料中的正面結果（positive results），除個別研究領域外，通常只須要6-24個月就應該能夠得到博士學位所須要的全部結果了。然而實際上，在美國，生命學科的一個博士研究生，平均須要6年左右的時間才能獲得PhD學位。這一數字自己就說明：絕大多數實驗結果會與預料不符，或者是負面結果（negative results）。大多數低年級的博士生對負面結果的見解很消極，直接影響了他們critical analysis能力的培養。 

其實，只要有適當的對照實驗（control experiments）、判斷無誤的負面實驗結果每每是通往成功的必經之路。通常來講，任何一個探索型課題的每一步進展都有幾種、甚至十幾種可能的途徑（hypothesis），取得進展的過程基本就是排除不正確、找到正確方向的過程，不少狀況下也就是將這幾種、甚至十幾種可能的途徑一一予以嘗試、排除，直到找到一條可行之路的過程。在這個過程當中，一個可信的(conclusive)負面結果每每可讓咱們信心飽滿地放棄目前這一途徑，若是運用得當，這種排除法會確保咱們最終走上正確的實驗途徑。從這個角度講，負面的實驗結果不只很正常、也頗有益於課題的最終成功。 

很是遺憾的是，大多數學生的負面結果並不使人信服，經不起邏輯的推敲！而這一點每每是阻礙科研課題進展的最大阻礙。好比，按照一個常規的 protocol操做時不能獲得positive control的相應結果，或者缺少相應的對照實驗，或者是對可信的實驗結果在分析和判斷上產生了失誤，從而作出「負面結果」或「不肯定」（inconclusive results）的結論，這種結論對整個課題進展的傷害很是大，經常讓學生在從此的實驗中不知所措、苦惱不堪。我告誡並鼓勵我全部的學生：只要你不斷取得conclusive的負面結果，你的課題就會很快走上正路；而在不斷分析負面結果的過程當中所掌握的強大的邏輯分析能力也會使你也會很快成熟，成長爲一名優秀的科學家。

 

我對一路順風、不多取得負面結果的學生老是很擔憂，由於他們沒有真正經歷過科研上critical analysis的訓練。在個人實驗室，偶爾會有這樣的學生只用很短的時間（兩年左右，有時甚至一年）就完成了PhD論文所須要的結果；對這些學生，我必定會讓他們繼續承擔一些富有挑戰性的新課題，讓他們經受負面結果的磨練。沒有這些磨練，他們很難真正具有critical analysis的能力，未來也很難成爲能夠獨立領導一個實驗室的優秀科學家。 

因此，不要懼怕負面結果，關鍵是如何從分析負面結果中獲取正確的信息。 

02

耗費時間的完美主義阻礙創新進取

Nikola Pavletich是個人博士後導師，也是對我影響最大的科學家之一，他有着極強的實驗判斷力和思惟能力，作出了一系列包括p5三、Rb、CDK complex、SCF complex、BRCA1等在內的里程碑式的研究工做，享譽世界結構生物學界，31歲時即升任正教授。

施一公博士後導師 Nikola Pavletich

1996年4月，我剛到Nikola實驗室不久，純化一個表達量至關高的蛋白Smad4，兩天下來，蛋白雖然純化了，但結果很不理想：獲得的產量可能只有應該獲得的20%左右。見到Nikola，我很差意思地說：產率很低，我計劃繼續優化蛋白的純化方法，提升產率。他反問我：（大意）

Why do you want to improve the yield? Don’t you have enough protein for crystallization trials? 

你爲何想提升產率？已有的蛋白不夠你作初步的結晶實驗嗎？

我回敬道：

I do have enough protein for crystallization screen. But I need to optimize the yield first so that I can accumulate more materials.

我有足夠的蛋白作結晶篩選，但我須要優化產率以獲得更多的蛋白。

他不客氣地打斷我：

No. The yield is high enough. Your time is more important than yield. Please proceed to crystallization. 

不對。產率夠高了，你的時間比產率重要。請儘快開始結晶。

實踐證實了Nikola建議的價值。我用僅有的幾毫克蛋白進行crystallization screen,很快意識到這個construct並不理想，須要經過protein engineering除去其N-端較flexible的幾十個氨基酸。而除去N-端幾十個氨基酸的蛋白不只表達量高、並且生化性質穩定，純化起來很是容易，根本不用擔憂產率的問題。 

在大刀闊斧進行創新實驗的初期階段，對每一步實驗的設計固然要儘可能仔細，但一旦按計劃開始後對其中間步驟的實驗結果沒必要追求完美，而是應該義無反顧地把實驗一步步推到終點，看看能否獲得大體與假設相符的整體結果。若是大致上相符，你才應該回過頭去仔細地再改進每一步的實驗設計。若是大致不符，而整體實驗設計和操做都沒有錯誤，那你的假設（或整體方向）極可能是有大問題的。 

這個方法論在每一天的實驗中都會用到。好比，結構生物學中，第一次嘗試純化一種新的蛋白不該該追求每一步的產率，而應該儘可能把全部純化步驟進行到底，看看可否拿到適於結晶的蛋白。第一次嘗試limited proteolysis，不該該刻意肯定protease濃度或追求蛋白純度，而是要關注結果中是否有protease-resistant core domain。從1998年開始本身的獨立實驗室到如今，我告訴全部學生：切忌一味追求完美主義。 

我把這個方法論推到極限：只要一個實驗還能往前走，必定要作到終點，儘可能看到每一步的結果，以後須要時再回頭看，逐一解決中間遇到的問題。 

03

科研文獻（literature）與學術講座（seminar）的取與舍

Nikola Pavletich博學多才。在咱們許多博士後的心目中，他必定讀不少文章、經常去聽seminar。沒想到，我最大的驚訝出如今我篤信無疑的這一點。 

在個人博士生階段，個人導師Jeremy Berg很是重視相關科研文獻的閱讀，有每週一次的組內journal club，討論重要的科研進展。剛到Nikola實驗室，我曾試圖表現一下本身讀paper的功底、也想同時與Nikola討論以獲得他的真傳。

施一公博士生導師 Jeremy M. Berg

2016年起擔任Science雜誌主編

96年春季的一天，我精讀了一篇《Nature》article，午餐前遇到Nikola，向他描述這篇文章的精妙，同時期待着他的評述。Nikola面色有點尷尬地對我說：對不起，我還沒看過這篇文章。噢，也許這篇文章太新，他尚未來得及讀。過了幾天，我因故閱讀了一篇幾個月前發表的《Science》research article，又去找Nikola討論，沒想到他又說沒看過。幾回碰壁以後，我不解地問Nikola：

You know so much. You must read a lot of papers. Why is it that you didn’t read the ones I read?

你知識如此淵博，必定是普遍閱讀了大量文獻。你爲何剛好沒有讀我提到的這幾篇論文呢？

Nikola看着我說: 

I don’t read a lot.我閱讀不普遍。

我反問：

If you don’t read a lot, how can you be so good at research? And how can you reference so many papers in your own publications?

若是你不普遍閱讀，你的科研怎麼會這麼好？你怎麼能在本身的論文裏引用這麼多文獻？）

Nikola的回答讓我完全意外：（大意）

I only read papers that are directly relevant to my research interests, and I only read more papers when it comes to writing my own papers

我只讀與個人研究興趣有直接關係的論文。而且只有在我寫論文時纔會大量閱讀。

我作博士後的單位Memorial Sloan-Kettering Cancer Center有很好的系列學術講座(Institute Seminar Series)，經常會請來各個生命科學領域的大牛來演講。有一次，一個諾貝爾獎得主來說Institute seminar,而且點名要與Nikola交談。在絕大多數人看來，這但是一個不可多得的好機會去接近大人物、取得好印象。Nikola告訴他的祕書：請你替我轉達個人歉意，seminar那天我剛好不在。咱們也爲Nikola遺憾。讓我萬萬想不到的是，諾貝爾獎得主seminar的那天,Nikola把本身關在辦公室裏，早晨來了之後直到傍晚一直沒有出門，固然也沒有去聽講座。固然，這也許是巧合 – Nikola取消了他的出行計劃；但以咱們對Nikola的瞭解，他十有八九是在寫paper。後來，咱們也意識到，這樣的事情發生在Nikola身上已經見多不怪了。 

在我離開Nikola實驗室前，我帶着始終沒有徹底解開的謎，問他：

若是你不怎麼讀papers，又不怎麼去聽講座，你怎麼還能作一個如此出色的科學家？

他回答說：（大意）

個人時間有限，天天只有10小時左右在實驗室，權衡利弊以後，我只能把個人有限時間用在我認爲最重要的事情上，如解析結構、分析結構、與學生討論課題、寫文章。若是沒有足夠的時間，我只能少讀文章、少聽講座了。 

Nikola的回答表述了一個簡單的道理：一我的必須對他作的事情作些取捨，不可能面面俱到。不管是科研文獻的閱讀仍是學術講座的聽取，都是爲了借鑑相關經驗、更好地服務於本身的科研課題。 

在博士生階段，尤爲是前兩年，我認爲必須花足夠的時間去聽各相關領域的學術講座、並進行科研文獻的普遍閱讀，打好critical thinking的基礎；但隨着科研課題的深刻，對於文獻閱讀和學術講座就須要有必定的針對性，也要開始權衡時間的分配了。 

04

挑戰傳統思惟

從我懂事開始，就受到教育：凡事失敗都有其道理，應該找到失敗的緣由後再從新開始嘗試。直到1996年，我在實驗上也遵循這一原則。但在Nikola 的實驗室，這一基本原則也受到有理有據的挑戰。

 

有一次，一個比較複雜的實驗失敗了。我很沮喪，準備花幾天時間多作一些control實驗找到問題所在。沒想到，Nikola阻止了我，他皺着眉頭問我 （大意）

Tell me why you want to figure out why your experiment failed?

告訴我你爲何要搞明白實驗爲什麼失敗？

我以爲這個問題太沒道理，義正詞嚴地回答：

I need to know what went wrong so that I can get it to work next time.  

我得知道哪裏錯了才能保證下一次能夠成功。

Nikola立刻評論道：（大意）

You don’t need to. All you need to do is to carefully repeat your experiment and hopefully it will work next time. Many times figuring out why your previous experiment failed will take much longer time than simply repeating your experiment. For a sophisticated, one-time experiment, the best solution to a failed experiment is to repeat it carefully.

不須要。你真正要作的是把實驗重複一遍，也許下次就能夠作成。與其花大把時間搞清楚一個實驗爲什麼失敗，不如先重複一遍。面對一個失敗了的複雜的一次性實驗，最好的辦法就是認認真真從新作一次。

後來，Nikola又把他的觀點昇華: （大意）

It is a philosophical decision whether to figure out why an experiment failed. The conventional wisdom of understanding every glitch may not represent the best approach.

仔細想一想，這些話頗有道理。並非全部失敗的實驗都必定要找到其緣由，尤爲是生命科學的實驗，過程繁瑣複雜；大部分失敗的實驗是由簡單的操做錯誤引發的，好比PCR忘記加某種成分了，能夠仔細從新作一遍；這樣每每能夠解決問題。只有那些關鍵的、不找到失敗緣由就沒法前行的實驗才須要刨根究源。 

我選擇的這些例子多少有點「極端」，但只有這樣才能更好地起到震盪你們思惟的做用。其實，在我本身的實驗室裏，這幾個例子早已經給全部學生反覆講過屢次了，並且每次講完以後，我都會告訴你們打破迷信、懷疑成規，而關鍵的關鍵是：

Follow logic！跟着邏輯走！

我天天在實驗室裏註定會重複講的一句話就是：Follow logic！天天對不一樣的學生講，加在一塊兒至少有5遍以上吧。而我本身每次與博士生討論課題也老是遵循嚴密的邏輯，用推理、排除法找到實驗的下一步解決方案。 

嚴密的邏輯是 critical analysis的根本。

來源：募格學術

本文僅作學術分享，若有侵權，請聯繫刪文。

下載1

在「3D視覺工坊」公衆號後臺回覆：3D視覺，便可下載 3D視覺相關資料乾貨，涉及相機標定、三維重建、立體視覺、SLAM、深度學習、點雲後處理、多視圖幾何等方向。

下載2

在「3D視覺工坊」公衆號後臺回覆：3D視覺github資源彙總，便可下載包括結構光、標定源碼、缺陷檢測源碼、深度估計與深度補全源碼、點雲處理相關源碼、立體匹配源碼、單目、雙目3D檢測、基於點雲的3D檢測、6D姿態估計源碼彙總等。

下載3

在「3D視覺工坊」公衆號後臺回覆：相機標定，便可下載獨家相機標定學習課件與視頻網址；後臺回覆：立體匹配，便可下載獨家立體匹配學習課件與視頻網址。

重磅！3DCVer-學術論文寫做投稿 交流羣已成立

掃碼添加小助手微信，可申請加入3D視覺工坊-學術論文寫做與投稿 微信交流羣，旨在交流頂會、頂刊、SCI、EI等寫做與投稿事宜。

同時也可申請加入咱們的細分方向交流羣，目前主要有3D視覺、CV&深度學習、SLAM、三維重建、點雲後處理、自動駕駛、CV入門、三維測量、VR/AR、3D人臉識別、醫療影像、缺陷檢測、行人重識別、目標跟蹤、視覺產品落地、視覺競賽、車牌識別、硬件選型、學術交流、求職交流等微信羣。

必定要備註：研究方向+學校/公司+暱稱，例如：」3D視覺 + 上海交大 + 靜靜「。請按照格式備註，可快速被經過且邀請進羣。原創投稿也請聯繫。

▲長按加微信羣或投稿

▲長按關注公衆號

3D視覺從入門到精通知識星球：針對3D視覺領域的知識點彙總、入門進階學習路線、最新paper分享、疑問解答四個方面進行深耕，更有各種大廠的算法工程人員進行技術指導。與此同時，星球將聯合知名企業發佈3D視覺相關算法開發崗位以及項目對接信息，打形成集技術與就業爲一體的鐵桿粉絲彙集區，近2000星球成員爲創造更好的AI世界共同進步，知識星球入口：

學習3D視覺核心技術，掃描查看介紹，3天內無條件退款

 圈裏有高質量教程資料、可答疑解惑、助你高效解決問題

以爲有用，麻煩給個贊和在看~