杰

杰哥好,哈哈!
要有魄力,即使失败,也不要让自己的人生平庸! 如果您觉得看过的文章还不错,请帮我点一个右边广告(没有任何副作用),谢谢!
 
 

常用链接

  • 我的随笔
  • 我的评论
  • 我参与的随笔

留言簿(57)

  • 给我留言
  • 查看公开留言
  • 查看私人留言

随笔分类

  • Matlab(58) (rss)
  • Optimization(7) (rss)
  • Python(4) (rss)
  • Search(30) (rss)
  • 名人(9) (rss)
  • 软件使用(Software)(66) (rss)
  • 学术(102) (rss)

随笔档案

  • 2021年3月 (2)
  • 2021年2月 (1)
  • 2021年1月 (1)
  • 2020年10月 (1)
  • 2020年9月 (1)
  • 2019年2月 (1)
  • 2018年10月 (1)
  • 2018年9月 (2)
  • 2018年8月 (1)
  • 2018年7月 (2)
  • 2018年6月 (1)
  • 2018年5月 (1)
  • 2018年4月 (1)
  • 2018年3月 (4)
  • 2018年2月 (2)
  • 2018年1月 (1)
  • 2017年12月 (4)
  • 2017年11月 (2)
  • 2017年9月 (2)
  • 2017年8月 (1)
  • 2017年7月 (1)
  • 2017年6月 (4)
  • 2017年5月 (3)
  • 2017年4月 (1)
  • 2017年1月 (1)
  • 2016年12月 (8)
  • 2016年11月 (3)
  • 2016年10月 (3)
  • 2016年9月 (2)
  • 2016年8月 (2)
  • 2016年7月 (4)
  • 2016年6月 (6)
  • 2016年5月 (7)
  • 2016年4月 (1)
  • 2016年3月 (3)
  • 2016年2月 (1)
  • 2016年1月 (2)
  • 2015年12月 (6)
  • 2015年11月 (3)
  • 2015年10月 (4)
  • 2015年9月 (3)
  • 2015年8月 (5)
  • 2015年7月 (6)
  • 2015年6月 (7)
  • 2015年5月 (8)
  • 2015年4月 (9)
  • 2015年3月 (4)
  • 2015年2月 (1)
  • 2015年1月 (3)
  • 2014年12月 (4)
  • 2014年11月 (2)
  • 2014年10月 (5)
  • 2014年9月 (3)
  • 2014年8月 (5)
  • 2014年7月 (7)
  • 2014年6月 (4)
  • 2014年5月 (1)
  • 2014年4月 (1)
  • 2014年3月 (2)
  • 2013年12月 (4)
  • 2013年11月 (3)
  • 2013年9月 (4)
  • 2013年8月 (3)
  • 2013年7月 (6)
  • 2013年6月 (4)
  • 2013年5月 (1)
  • 2013年4月 (1)
  • 2013年3月 (2)
  • 2013年2月 (1)
  • 2013年1月 (3)
  • 2012年12月 (3)
  • 2012年11月 (10)
  • 2012年10月 (11)
  • 2012年9月 (2)
  • 2012年8月 (6)
  • 2012年7月 (6)
  • 2012年6月 (4)
  • 2012年5月 (1)
  • 2012年4月 (3)
  • 2012年3月 (5)
  • 2012年1月 (1)
  • 2011年12月 (1)
  • 2011年11月 (4)
  • 2011年10月 (3)
  • 2011年9月 (3)
  • 2011年8月 (1)
  • 2011年7月 (1)
  • 2011年6月 (2)
  • 2011年5月 (2)
  • 2011年2月 (1)
  • 2011年1月 (3)
  • 2010年12月 (7)
  • 2010年11月 (5)
  • 2010年10月 (7)
  • 2010年9月 (3)
  • 2010年8月 (7)
  • 2010年7月 (7)
  • 2010年5月 (5)
  • 2010年3月 (6)
  • 2010年1月 (5)
  • 2009年12月 (5)
  • 2009年11月 (4)
  • 2009年10月 (5)
  • 2009年9月 (4)
  • 2009年8月 (1)
  • 2009年7月 (2)
  • 2009年6月 (3)
  • 2009年5月 (1)
  • 2009年4月 (3)
  • 2009年3月 (5)
  • 2009年2月 (2)
  • 2009年1月 (1)
  • 2008年12月 (1)
  • 2008年10月 (1)
  • 2008年9月 (1)
  • 2008年8月 (1)
  • 2008年7月 (4)
  • 2008年5月 (2)
  • 2008年1月 (1)
  • 2006年11月 (1)
  • 2006年4月 (1)

相册

  • 搞笑图片

Other

  • 安徽电力公司客服网站
  • 编程
  • 程序员联合开发网
  • 经典歌曲
  • 两全其美
  • 新雨丝
  • 中国工商银行
  • 中国建设银行
  • 中国建设银行信用卡
  • 中国农业银行

Paper submission

  • ACM Computing Surveys
  • AI in medicine
  • amino acids
  • Artificial Intelligence Review
  • Bioinformatics
  • BMCBioinformatics
  • conference Rankings
  • conference(CVPR)
  • conference(ICML)
  • conference(NIPS)
  • conferences
  • Current Bioinformatics
  • CVIU
  • Electronics Letters
  • IJCM
  • IJCV
  • IJPRAI
  • Image and Vision Computing
  • Neural Computing and Applications (NCA)
  • Neural Networks
  • Neurocomputing
  • Pattern Recognition
  • Pattern Recognition Letters
  • pieee
  • TASE
  • TBD
  • Tbiom
  • TCDS
  • TCSS
  • TCSVT
  • TCYB
  • TGRS
  • TIFS
  • TII
  • TIP
  • TKDE
  • TMM
  • TNNLS
  • TPAMI
  • TSMCS
  • TVT

福彩

  • 安徽福彩网
  • 双色球玩法规则介绍

留学相关

  • Google翻译
  • 爱词霸在线词典
  • 美国总领事馆
  • 普特英语听力
  • 太傻论坛
  • 在线科技词典

论坛

  • 科大bbs
  • 科学岛论坛
  • 模式识别爱好者论坛

搜索

  • arxiv
  • google ipv6
  • google台湾
  • google香港
  • google学术搜索
  • Journal citation reports (JCR)
  • scholarpedia
  • wikipedia维基百科
  • 北京天气预报
  • 电驴
  • 合肥天气预报
  • 乐乎(下载电影)
  • 微软学术搜索

学者

  • Dacheng tao
  • Deng Cai
  • Dengyong Zhou
  • dodo
  • Jian Yang
  • Jie Gui
  • Meina Kan
  • Tianyi Zhou
  • Tongliang Liu
  • Weifeng Liu
  • Xiaojin Zhu
  • yong xu (hit)
  • Zhen Lei (ia)
  • 桂卫华
  • 中科院水生所所长桂建芳

邮箱

  • 126邮箱abroad
  • 126邮箱国内
  • google 邮箱
  • hotmail
  • Seu (东南大学)
  • 科大校友邮箱
  • 科大邮箱
  • 中科院

中科大和中科院

  • Niu Group (inside)
  • Niu Group (Outside)
  • 合肥研究院图书馆
  • 智能所

搜索

  •  

最新评论

  • 1. re: Office 2010中删除Endnote web 插件
  • 真是救了我呀!
  • --ss
  • 2. re: metric learning(度量学习)
  • 76765
  • --656
  • 3. re: 全新的美国计算机学科排名[未登录]
  • 随便拉出一个来就能秒天朝的 北*大学,清*大学到火星...
  • --chipset
  • 4. re:【超智多能思维科学研究所】致 蒲慕明教授的eMail
  • 评论内容较长,点击标题查看
  • --江伟
  • 5. re: Adobe distiller: Cambria not found, using Courier. 报错解决办法
  • 解决了,谢谢!
  • --lyh

阅读排行榜

  • 1. [转贴]Google被封、gmail.com邮箱、gmail登录不了的办法(25654)
  • 2. arg min的含义是什么?(24439)
  • 3. latex问题集锦(19399)
  • 4. matlab命令窗口输出函数disp和display(17313)
  • 5. MATLAB字符串数组(15436)

评论排行榜

  • 1. K近邻分类器的matlab代码(Matlab code of k-nearest neighbors)(13)
  • 2. LibSVM学习记录(6)
  • 3. EndNote 乱码 解决方案(5)
  • 4. 孟岩blog理解矩阵一、二, 三(5)
  • 5. 全国接听免费附加套餐(5)

Powered by: 博客园
模板提供:沪江博客
C++博客 | 首页 | 发新随笔 | 发新文章 | 联系 | 聚合 | 管理

How to solve AX + XB = C for X using matlab?
X = sylvester(A,B,C)
http://cn.mathworks.com/help/matlab/ref/sylvester.html
posted @ 2015-07-06 15:28 杰哥 阅读(911) | 评论 (0) | 编辑 收藏
 
f-measure matlab
supervised discrete hashing的evaluate_macro代码理解:在主程序中调用时,evaluate_macro的前一个输入参数是cateTrainTest,是训练样本数*测试样本数的矩阵。evaluate_macro函数体中,对每个测试样本,retrieved_relevant_num代表TP;relevant_num代表TP+FN;retrieved_num代表TP+FP。所有样本分别的平均precision即是最终的输出precision,所有样本分别的平均recall即是最终的输出recall。
cat_apcal函数是计算MAP的,代码意义很好理解,比如按距离排序,前七个只有1、3、5和7是和query相同的类,则MAP=(1+2/3+3/5+4/7)/4 (This is with discussing with Shu Zhang). 但Deep hashing for compact (CVPR 2015) mean average
precision (mAP): which computes the area under the precision-recall curve.
matlab曲线下如何求面积?
如果知道函数表达式的话,调用quad函数就可以了。如果不知道函数表达式只知道这一系列离散点,x和y,则trapz(x,y)即可
例1:本机Hashing\code\ITQ\delete\test_cifar_PCA_ITQ_V01.m,对画出的precison和recall曲线,计算曲线下的面积,用trapz(recall,precision)即可
Shu Zhang说不知以上两种是否等价,如果按照Deep hashing for compact (CVPR 2015)算面积,则直接就能看出不同的方法谁的MAP大,因为谁的曲线在上方就谁大

身份证照片和真人的比对有两个指标
误识率:他明明不是张三,但你错误地把他判断成了张三。误识率1%,意味着有100个人来冒充其他人,有1个人会冒充成功。应该就是FAR
识别率:张三有10%左右的概率被系统说你不是张三,识别率90%。应该就是1-FRR
二代证比真人:识别率90% (误识率1%)
即使在1%的认假率的情况下,识别率目前可能大概做到90%左右。当然这个前提条件是说,我们用的是二代证卡内的那张低质量,压缩得非常狠,照片的分辨率不够高的那张小照片。如果我们用的是一张清晰的,近期的证件照,那么这个结论可以做到大概,误识率可以做到万分之一的情况下,识别率可以做到90%以上的正确率。
Reference:
造就Talk | 山世光:天眼系统终将开启,你准备好了吗?http://mp.weixin.qq.com/s?__biz=MzAwNTcyNDU5MQ==&mid=509662068&idx=1&sn=f14840fb7927497ad0d49e1d18eb6b5a&scene=1&srcid=0529xR8z0qC240GLkQZuUAG9&from=groupmessage&isappinstalled=0#wechat_redirect 已看两次

http://www.mathworks.com/matlabcentral/fileexchange/37758-performance-measures-for-classification/content/Evaluate.m

function EVAL = Evaluate(ACTUAL,PREDICTED)
% This fucntion evaluates the performance of a classification model by 
% calculating the common performance measures: Accuracy, Sensitivity, 
% Specificity, Precision, Recall, F-Measure, G-mean.
% Input: ACTUAL = Column matrix with actual class labels of the training
%                 examples
%        PREDICTED = Column matrix with predicted class labels by the
%                    classification model
% Output: EVAL = Row matrix with all the performance measures


idx = (ACTUAL()==1);

p = length(ACTUAL(idx));
n = length(ACTUAL(~idx));
N = p+n;

tp = sum(ACTUAL(idx)==PREDICTED(idx));
tn = sum(ACTUAL(~idx)==PREDICTED(~idx));
fp = n-tn;
fn = p-tp;

tp_rate = tp/p;
tn_rate = tn/n;

accuracy = (tp+tn)/N;
sensitivity = tp_rate;
specificity = tn_rate;
precision = tp/(tp+fp);
recall = sensitivity;
f_measure = 2*((precision*recall)/(precision + recall));
gmean = sqrt(tp_rate*tn_rate);

EVAL = [accuracy sensitivity specificity precision recall f_measure gmean];
posted @ 2015-06-30 21:07 杰哥 阅读(3415) | 评论 (0) | 编辑 收藏
 
潜心科研,砥砺前行,让梦想照进现实——记西安交通大学校友孙剑博士专访
http://blog.sina.com.cn/s/blog_4caedc7a0102vpur.html

近日,微软亚洲研究院视觉计算组首席研究员、西安交通大学和中国科技大学的兼职教授孙剑博士应邀参加了由西安交通大学电信学院主办的网络与数据科学研讨会,在他《深度图像理解:从图像到人脸,从物体到像素》的报告后,我们有幸与孙剑博士进行了访谈。

科研的迷惑:深与广的抉择

最近,一款基于云的智能计算 “颜龄机器人”How-Old.Net (http://cn.how-old.net/) 火爆全球社交网络,它能够根据用户上传的照片迅速定位、检测、识别并且判断年龄,将计算机视觉的方法与强大的云支持相结合。而孙剑博士则见证了这个有趣的机器人从构想、诞生到变为“全明星”的过程。我们很好奇,孙剑博士为何会参与到这个自己研究主线之外的项目中去?孙剑博士解释道:“事实上这也是计算机视觉的一部分。计算机视觉对未来生活的影响及改变是多方面的,它现在主要的作用是辅助人做一些事情,比如自动驾驶车、辅助机器人、物联网,以及微软酷炫的“黑科技”HoloLens等等。这些研究融合了多个领域的内容,采用了Augmented Reality (AR) 技术,超越了原有的交互方式,这都是很重要的应用。但是不是一个单一、具体的,而是普遍使用的。”

因此,当我们向他寻求科研的建议——究竟是深入研究更重要还是广泛研究更重要时,孙剑博士认为,要做好研究,深与广都应兼顾,研究经典问题是一个最佳选择。在科技飞速发展日新月异的今天,经典问题之所以经久不衰,不仅是它所蕴含的逻辑关系和哲学思想可以帮助研究者们开拓思维攻克难题;在不断地重复研究经典问题的过程中,研究者们还能积累丰富的经验并在此基础上推陈出新,迸发出更多创新的想法,站在巨人的肩膀上前进。因此,尤其是博士生,更应该深入研究经典问题。

曾经他也误认为经典问题相对保守,在已有结论的基础上去研究提升的空间较小,做图形学应该尝试一新的东西。有些人在新问题下功夫并顺利地开辟出了一个新的方向,这是让人十分欣喜的事情。然而这种情况并不常见,我们往往看到的是解决短期问题,获得一些小成就之后就将其抛之脑后。勇于解决新问题固然不错,但由于思考与实践的周期太短,研究成果往往只是皮毛,没有触及精髓。在不断寻找新方向,转换新方向的过程中,注意力也不知不觉中被分散了。科研需要的是一个明确的方向并且可以持之以恒长线发展,在一段时期内专攻一个经典问题则能够训练人的思维和逻辑,更利于科研发展。

学在微软,探索不息

潜心科研,砥砺前行,让梦想照进现实——记西安交通大学校友孙剑博士专访


了解到孙剑博士是微软亚洲研究院与西安交通大学联合培养的博士,我们邀请他分享一下在微软亚洲研究院读博的经历。“联合培养带给我的不仅是丰硕的科研成果和难忘的科研经历,更让我感受到了微软亚洲研究院永怀热情,探索不息的学术精神。我非常喜欢微软亚洲研究院的科研氛围,在这里永远是学术至上。这段经历也是我毕业后选择留下来继续潜心科研的原因之一。”

在微软亚洲研究院这个全球一流科研中心里,有许多功力深厚的“键客”怀抱着一颗永不退却的决心,怀揣着执行到底的热情潜心科研。他们低调谦逊,思维活跃;但又耐得住寂寞,全心全意投身于信息产业的发展中。“见贤思齐焉”——这里有许多非常优秀的人,他们虽然在各自的领域里有了令人羡艳的成就,但仍保持一颗热爱科研的赤子之心。他们犹如一位天真的孩童充满勇气和求知欲,把每天都看作是全新的开始,乐于创新,永不止步。“以人为镜,可以明得失”——在这样良性的创新圈里,你会从别人身上看到自己的不足,始终保持一颗谦逊的科研之心,行在不止,探索不息。

2004年时,孙剑博士参与了一项图形学的项目研究工作。在deadline的前几个月,他和同事们都卯足了劲,日夜不休的讨论项目中遇到的棘手问题。为了方便大家加班的时候叫餐,一位同事还专门做了一个订餐的网页,方便每个人登陆进去选择自己喜欢的食物。每每提及这段有趣的经历时,孙剑博士都面带笑容。“那时候一点都不觉得累,反而非常的满足。一个人最幸福的事情就是朝着自己的目标大步向前,看着梦想触手可及,那种幸福感是其他事情无法相提并论的。”

目标的力量

谈话中,孙剑博士与我们多次强调树立目标的重要性。他认为,不管做什么事情,首先要有一个明确的目标,再坚定不移地去执行到底。“最痛苦的事情不是受挫或身体上的疲惫,而是没有目标,彷徨无措”,孙剑博士语重心长地同我们说道,“以科研为例,如果你决定要走科研这条道路,就应当树立‘争先’意识,尽早地进入实验室,在实践中培养自己的科研习惯。”一些目标明确的学生从大一进校开始就进入实验室,起初他们可能并不能清楚地知道何为科研,但在主动地研究问题和与实验室同学、老师的讨论交流中他们会不断汲取知识,渐渐明晰之后的路。课堂上的知识有限,所以更需要我们主动地去接触科研,去了解科研。从前科研机会较少,但如今学校为大家提供了许多机会,鼓励大家走出课堂主动地去攫取知识,同学们更应该尽早明确目标,抓住机会,一步步踏实、认真地走下去。


作为交大人,心系母校的孙剑博士每年都会到回校,看着熟悉的建筑和一张张年轻的脸庞,他不禁回想起当年欢乐的大学时光。令他最为欣喜的是交大正以一种积极的态度一点点地变化发展。今年恰逢交大120周年校庆,孙剑博士为母校送上诚挚的祝福:祝愿母校桃李满天下,更续辉煌,同时也希望在校学生珍惜时光,积极生活,潜心学术,学会感恩,饮水思源,以优异的成就回报母校。

西安交通大学微软学生技术俱乐部张骏崔天依刘鹏宇

通讯社王春会
阅读记录:read twice



posted @ 2015-06-16 10:20 杰哥 阅读(539) | 评论 (0) | 编辑 收藏
 
Homebrew作者解不出面试题,被Google拒绝

Homebrew是Mac上一套流行的软件包管理工具,可以通过命令行搜索、安装、卸载软件包。近日,其作者在进入Google的面试中,因解不出一个二叉树翻转的问题,直接被Google拒绝。

Max Howell在Twitter上推文大意如下:

Google:虽然我们90%的工程师都在用你写的Homebrew,但这也并没有什么卵用,你连二叉树翻转都写不出,直接滚蛋吧!

http://img.my.csdn.net/uploads/201506/11/1433987174_9885.png

原推文地址:https://twitter.com/mxcl/status/608682016205344768

posted @ 2015-06-15 09:24 杰哥 阅读(595) | 评论 (0) | 编辑 收藏
 
美国院士李凯:大胆颠覆,不要保守
     摘要: http://mp.weixin.qq.com/s?__biz=MzA3OTgzMzUzOA==&mid=207829559&idx=1&sn=5d4441289c0ceba0d36da298b1dfe59c&scene=1&from=groupmessage&isappinstalled=0#rd 李凯在“理解未来”讲座现...  阅读全文
posted @ 2015-06-13 16:13 杰哥 阅读(289) | 评论 (0) | 编辑 收藏
 
(C++)高效数据降维(可视化)库Tapkee
支持命令行数据处理 http://t.cn/Rwuf32gGitHub:http://t.cn/R20osME Jeroen Janssens的推介文章《Dimensionality reduction at the command line》http://t.cn/R20osMu pdf:http://t.cn/R20osM3
posted @ 2015-06-11 09:28 杰哥 阅读(538) | 评论 (0) | 编辑 收藏
 
年轻人如何做科研
     摘要: http://mp.weixin.qq.com/s?__biz=MzA4MzQxMTAwNA==&mid=204710568&idx=2&sn=5090e7baba4691542b5311be7abf294d&scene=2&from=timeline&isappinstalled=0#rd 编者的话 “从一开始,我一生就...  阅读全文
posted @ 2015-06-04 15:48 杰哥 阅读(531) | 评论 (0) | 编辑 收藏
 
The matlab code of canonical correlation analysis (CCA)

%Reference: the matlab code of "CVPR 2011 Iterative Quantization". I have checked the correctness of the corresponding derivation and matlab code. No need to check again. Just use it

function [Wx, r] = cca(X,Y,reg)

%
% X is input data for the 1st view (image), n*d, n images, d dim
% Y is input data for the 2nd view (Tag), n*D, D dim
% reg is regularization parameter, usually set by validation
% in our work, reg = 0.0001 which works well
%
% Wx is the embedding function for image
% r is the eigenvalue
%
%
% to run the code, you need visual data X and tag data Y
%
% bit = 32, 64, 128 ...
% [eigenvector,r] = cca(X, Y, 0.0001); % this computes CCA projections
% eigenvector = eigenvector(:,1:bit)*diag(r(1:bit)); % this performs a scaling using eigenvalues
% E = X*eigenvector; % final projection to obtain embedding E
%


z = [X, Y];
C = cov(z);
sx = size(X,2);
sy = size(Y,2);
Cxx = C(1:sx, 1:sx) + reg*eye(sx);
Cxy = C(1:sx, sx+1:sx+sy);
Cyx = Cxy';
Cyy = C(sx+1:sx+sy,sx+1:sx+sy) + reg*eye(sy);


Rx = chol(Cxx);
invRx = inv(Rx);
Z = invRx'*Cxy*(Cyy\Cyx)*invRx;
Z = 0.5*(Z' + Z); 


[Wx,r] = eig(Z);   % basis in h (X)
r = sqrt(real(r)); % as the original r we get is lamda^2
Wx = invRx * Wx;   % actual Wx values
r = diag(r);

[r index] = sort(r,'descend');
Wx = Wx(:,index);

 
Other references:

Information Fusion 2017 Multi-view learning overview的公式8和9
Section 2.1 of "NCA 2013 A survey of multi-view machine learning"

 


posted @ 2015-06-02 22:10 杰哥 阅读(1982) | 评论 (0) | 编辑 收藏
 
记薛其坤院士:“科研的快乐让我停不下来”
新华网北京5月30日电(记者张漫子、李峥巍)沉浸于量子世界十余载,他既探索如何同量子世界交流,又保持同外界、学界的对话;他说,实验室生活与其说是刻苦,不如说是忘我;当中国科学院院士、清华大学副校长等光环笼罩着他,他更习惯学生叫他“薛老师”;他说,科学发现没有第二,需要争分夺秒,没有退路……

他是与时间赛跑的物理学家、量子反常霍尔效应的发现者薛其坤。

同时间赛跑 享受“7-11”生活

2013年3月15日,《科学》杂志发表了一项震惊物理学界的成果——薛其坤领衔的团队在实验中首次发现量子反常霍尔效应。

新闻发布会上,杨振宁的评价让人更加明白这项成果的分量。“这让我想起很多年前接到物理学家吴健雄的电话,她第一次告诉我在实验室做出了宇称不守恒的实验,这个发现震惊了世界。今天,薛其坤及其团队的实验成果,不仅是科学界的喜事,也是整个国家的喜事。”

有人说,如果没有“同时间赛跑”的执著,就没有这项科研成果。

“真是拼。”清华大学物理系前主任朱邦芬院士如此感叹,“早上7点进实验室,晚上11点才离开,这样的作息时间,其坤已经坚持了20年。”几乎所有认识薛其坤的人都知道他“7-11”的生活轨迹。

学生们亲切称他为“7-11”,也曾在心里较劲,“和薛老师比比,看谁先到实验室、谁最后离开”,然而多年来几乎无人能赢。这种近乎苦行的“修炼”,薛其坤从中体会到的是快乐而非痛苦。

在薛其坤看来,他最缺少的就是时间。“就我了解,全世界从事实验物理研究并取得重要成就的人,无一例外都是刻苦的。”他平静地说。

薛其坤的团队认为,刻苦是他们攻坚克难的第一秘诀。

“不管再晚再忙,只要不出差,薛老师总要到实验室看一看,和学生聊一聊,那种对科研的热爱和精力,真是让人惊叹。”进入“量子反常霍尔效应”实验团队两年,清华大学物理系博士生冯硝也被薛其坤的刻苦精神深深感染,“一开始觉得这样很累很枯燥,可在薛老师带领下,每观测到一个漂亮的数据,那幸福真是无以言表!薛老师做到今天这种程度,还这么努力,我们更没有理由不努力。”

而在薛其坤看来,实验室里的日复一日更像是一种“忘我”:“每天8个小时分析实验数据、看实验结果,你会忘记时间的存在。”

除了精力上的投入,在这个人人都急于出成果的年代,薛其坤更关注的是基本功的训练。

“我们做实验物理的,不完全在于发了多少文章,首先需要掌握的是扎实的实验技术。任何一个大的实验物理学家,都是扎扎实实做出来的。”薛其坤说。

而如今,身担科学院院士、清华大学副校长、科研团队掌舵人等多重责任,时间对他而言更加紧张。“我一直在寻找一个平衡,白天处理学校的科研事务,晚上泡在实验室。”

他常说,“7-11”的生活不是谁都可以。你若不能深入其中,这样的刻苦便是一种痛苦,最终会让人崩溃;你若进入了这个科学的世界,便能从中获得快乐,这样的坚持是一种享受。

用极致追求 向世界科学“亮剑”

2012年10月的一个晚上,薛其坤收到学生短信,他们在实验中发现了量子反常霍尔效应的迹象。

薛其坤立即组织团队人员,设计实验方案,部署实验细节,马上实施检测实验。

接下来几天的实验中,团队成员用“诚惶诚恐”形容当时的心情。25800欧姆,所有人期待着这个标志性的数值。数据不停地跳动着,15800、20000、25800!数据停住了!

世界量子物理学将记住这一刻——在美国物理学家霍尔于1880年发现反常霍尔效应130多年后,人类终于实现了其量子化。

量子反常霍尔效应的特征性行为顺利得到验证:材料在零磁场中的反常霍尔电阻达到量子电阻的数值并形成一个平台,同时纵向电阻急剧降低并趋近于零。

结果揭晓当天,薛其坤带了两瓶香槟,与团队合影,留下这珍贵的回忆。这天,离2008年10月实验开始已整整4年。

对于量子霍尔效应,薛其坤打了个比方:普通状态下的电子运动轨迹是无序的,时有碰撞。量子霍尔效应里的电子在外加磁场的情况下,运动在“高速公路”上,分道行驶。

而在量子反常霍尔效应中,无需在材料中加外磁场,即可实现电子的“分道行驶”。这解决了外加磁场在实际应用中“价格昂贵”“体积庞大”“不适于便携式电子设备”这一难题。

薛其坤介绍,拓扑绝缘体上实现量子反常霍尔效应由美国斯坦福大学华裔科学家张首晟等人在2008年首次提出。然而实际中,能够制出满足实验需求的拓扑绝缘体材料绝非易事。

薛其坤及其团队却勇敢担起使命。

开始,他们沿国际上技术路线进行尝试,总是失败。渐渐地,他们探索用不同元素和结构来生长材料。1000个样品,一次次生长、测量,一次次不顺利、调整,再生长、再测量……终于,一个个激动人心的成果接踵而至:

2010年,完成对1纳米到6纳米厚度薄膜生长和输运测量;2011年,实现对拓扑绝缘体能带结构的精密调控,使其成为真正的绝缘体,去除了体内电子对输运性质的影响;最终利用外加栅极电压实现了对其电子结构的原位精密调控。

如今,量子反常霍尔效应的发现,让薛其坤及其团队“亮剑”国际。在团队眼中,攀登新的科学巅峰时不我待。

心存高远 追求小量子里的大“梦想”

薛其坤的科研人生经历本身就是“中国梦”的一个鲜活注脚。

薛其坤出生和成长于沂蒙山区。作为1978年恢复高考后第四批上大学的幸运儿,上世纪90年代出国深造后,他先后在日美留学和工作8年,在祖国需要的时候,满腔热忱回到中国。

凭借对科学的好奇心、对工作的热爱、对科研的责任心与担当,回国后的薛其坤钻进实验室,十几年如一日,没有休息过一个完整的假期和周末,每年平均工作时间在330天以上,每天工作时间在15小时左右,年平均工作时间高达5000小时……

终于,不论在实验的复杂性、不确定性、实验精度要求和实验难度等方面,薛其坤及其团队都达到世界顶尖水平。

“以每50小时能完成一个特定条件下的实验,则每年可完成100个不同条件下的实验,日积月累,坚持不懈,你一定在领域前列。因为对于科学发现特别是重要发现,没有第二,只有冲,没有退路。”

心存高远,脚踏实地,成为“薛其坤们”的鲜明特征。

“不管是做科研、做教授,一定要做一个真正的科学家,必须要把功夫用到。科学就是科学,来不得半点马虎。”薛其坤说。2013年入选“万人计划”后,他依然以“7-11”节奏工作在一线。

在国家创新驱动发展的战略下,薛其坤感到肩头沉甸甸的责任。

在他看来,国家为越来越多的科学家提供了宽松的科研环境,更多的基础投入,科研人员需要以更大的热情、更忘我的精神再攀高峰。

“把科研工作一步一步做上去,把学生一个一个培养出来,唯有如此才能为实现中华民族伟大复兴的‘中国梦’贡献出自己的力量。”这就是这位科学追梦人如今最朴素的愿望。
阅读记录:read twice

posted @ 2015-05-31 19:35 杰哥 阅读(236) | 评论 (0) | 编辑 收藏
 
最新的一期《Nature》(昨天在线出版),为人工智能方向开辟了专栏
最新的一期《Nature》(昨天在线出版),为人工智能方向开辟了专栏 http://www.nature.com/nature/journal/v521/n7553/index.html#insight,有多篇相关论文发表。包括深度学习三大牛LeCun、Bengio、Hinton的综述文章“Deep Learning”(下载:http://pan.baidu.com/s/1i3zm5Ch),来自别的学者的论文包括:“Machine intelligence” “Reinforcement learning improves behaviour..,”From evolutionary computation to the evolution of things“”Probabilistic machine learning and artificial intelligence“ “Artificial intelligence: Robots with..”等等。
posted @ 2015-05-28 10:08 杰哥 阅读(765) | 评论 (0) | 编辑 收藏
 
仅列出标题
共39页: First 8 9 10 11 12 13 14 15 16 Last