科技
nat. comm.中机器学习耦合计算化学
- 通过利用深度迁移学习的计算和实验数据增强材料性能预测（形成能等）：Jha, D., Choudhary, K., Tavazza, F. et al. Enhancing materials property prediction by leveraging computational and experimental data using deep transfer learning. Nat Commun 10, 5316 (2019). https://doi.org/10.1038/s41467-019-13297-w
- 无监督发现固态锂离子导体（电导率等）：Zhang, Y., He, X., Chen, Z. et al. Unsupervised discovery of solid-state lithium ion conductors. Nat Commun 10, 5260 (2019). https://doi.org/10.1038/s41467-019-13214-1
- 可合成材料发现的网络分析（凸自由能面+无标度网络）：Aykol, M., Hegde, V.I., Hung, L. et al. Network analysis of synthesizable materials discovery. Nat Commun 10, 2018 (2019). https://doi.org/10.1038/s41467-019-10030-5
- 用于二氧化碳还原的强大的合成光催化剂：一项数据驱动材料的发现（第一性原理筛选）：Singh, A.K., Montoya, J.H., Gregoire, J.M. et al. Robust and synthesizable photocatalysts for CO2 reduction: a data-driven materials discovery. Nat Commun 10, 443 (2019). https://doi.org/10.1038/s41467-019-08356-1
- 机器学习在固体分子中的化学位移：Paruzzo, F.M., Hofstetter, A., Musil, F. et al. Chemical shifts in molecular solids by machine learning. Nat Commun 9, 4501 (2018). https://doi.org/10.1038/s41467-018-06972-x
- 材料原子尺度动力学无监督学习的动态网络图：Xie, T., France-Lanord, A., Wang, Y. et al. Graph dynamical networks for unsupervised learning of atomic scale dynamics in materials. Nat Commun 10, 2667 (2019). https://doi.org/10.1038/s41467-019-10663-6
- 物理通知的材料原子建模人工神经网络：Pun, G.P.P., Batra, R., Ramprasad, R. et al. Physically informed artificial neural networks for atomistic modeling of materials. Nat Commun 10, 2339 (2019). https://doi.org/10.1038/s41467-019-10343-5
- 机器学习粗粒度模型的水：Chan, H., Cherukara, M.J., Narayanan, B. et al. Machine learning coarse grained models for water. Nat Commun 10, 379 (2019). https://doi.org/10.1038/s41467-018-08222-6
- 用机器学习力场进行精确分子动力学模拟：Chmiela, S., Sauceda, H.E., Müller, KR. et al. Towards exact molecular dynamics simulations with machine-learned force fields. Nat Commun 9, 3887 (2018). https://doi.org/10.1038/s41467-018-06169-2
- 用机器学习绕过科恩-沙姆方程：Brockherde, F., Vogt, L., Li, L. et al. Bypassing the Kohn-Sham equations with machine learning. Nat Commun 8, 872 (2017). https://doi.org/10.1038/s41467-017-00839-3
参考资料：
龚剑萍2020年工作回顾
部分水凝胶进展
语录
- The size of your dreams must always exceed your current capacity to achieve them.
- 优秀的人讨论思想，普通的人讨论事件，狭隘的人讨论人。– 埃莉诺·罗斯福，罗斯福总统夫人
- You don’t sharpen your skills with resources, books, or articles. You sharpen your skills with practice. If you want get better, go do the thing.——Jason Fried（Basecamp 的创始人）
言论
- 好奇不设限+事半功倍+持续精进：Kaito：如何在压力中成长？我的学习方法论分享
- 为什么成年人学习外语，不如儿童快？一个主要原因是，如果小孩犯了语法错误，随时会得到纠正；成年人犯了语法错误，别人会不好意思指出，如果当面指出，很可能得罪人。– Hacker News 读者
- 逻辑学还存在另一种三值逻辑， 认为任何一个判断有三种可能，除了真伪，还有一种中间状态，即非真非伪。如果你采用三值逻辑的思维模式，看待世界的心态会完全不一样。遇到陌生人的时候，二值逻辑只有好人和坏人两种结果，这必然导致”党同伐异”（结交同类，反对异类的意思）。但是，三值逻辑认为可能有第三种结果，对方算不是好人，但也不是坏人，可以中性对待。所以，三值逻辑就会导致一种比较温和包容的世界观。一个哲学家说过，中国哲学与西方哲学的最大区别，就在于西方哲学是二值逻辑，追求事物的真伪，一定要搞清楚真理和谬误； 中国哲学是三值逻辑，不追求真理和谬误，而提倡恪守中间道路，也就是中庸。三值逻辑的缺点是不利于追求真相，也没有明确的立场。顺便提一下，逻辑学还有多值逻辑（一个判断存在 n 种结果）和模糊逻辑（分不清结果）。如果是那样的世界观，就更无所谓对错了，一切都是模模糊糊的，学着接受就可以了。——Frank Ruan
- 德国科学家发表论文，认为城市夜晚的照明（广告、建筑物、停车场、体育场等）大部分都浪费了，因为很大一部分灯光都向上发射到太空，形成光污染，而没有集中照亮路标、街道或建筑物。生活中很多问题都没解决，玺洛克突然想起来之前万华说过的一句话，可以做的很多，好玩意太多了，做不过来。
- 在科学、技术、工程领域，不同人才选择不同的方向，充分发挥每个人的才智。多学科交叉突破会更有可能，横向融合创新才能形成颠覆性的效果；科学、技术、工程垂直打通才会形成能力，真正落实创新驱动发展的理念。因此合作交流越来越重要，当然，大学还是应偏科学理论，偏重发现；企业偏重技术、工程，偏重发明，结合起来，力量才会更强大。——任正非《向上捅破天，向下扎到根》
- 我们今天的科研状况很像二战前的美国，二战前50年时间，尽管美国产业已经领先全球，但在科研上充满功利主义，不重视基础研究、基础教育，大量依赖欧洲的灯塔照耀，利用欧洲的基础研究成果，发展短、平、快的产业。二战即将结束时，罗斯福总统的科技顾问范内瓦·布什在“科学：无尽的前沿”中提出要重视不以应用为目的的基础研究，面向长远，逐步摆脱了对欧洲基础科学研究的依赖，从此，美国基础科学研究远远领跑全球，形成若干重大突破。美国经过几十年的实践，上世纪九十年代，美国普林斯顿大学的唐纳德·斯托克斯1997年在“基础科学与技术创新：巴斯德象限”中，强调美国不仅需要纯技术研究，即波尔象限，也要纯应用开发的爱迪生象限，更强调应用驱动的基础科学研究。理论上遥遥领先，又与应用结合，这样既拓展了科学认知，又能创造价值。——同上
- 北大张平文副校长说，据说波音777飞机的风洞吹风是使用全新的空气动力学软件模拟仿真的，使过去需要80次风洞试验减少到现在的7次左右，那么说明美国已把空气动力学的漩涡都变成了经典力学方程。而我们不吹风还不敢造飞机。俄罗斯将核发动机小型化，形成了战略威慑；美国把核弹小型化、战术化、无污染化。和平需要实力相当才可获取，祥林嫂式的和平是不存在的。美国的科技发展史就是一面镜子，我们以此来反思我国的科技发展战略的系统性、科学性。学人之长，长自己之力。——同上
- 如果你想成为一流的网球运动员，你很快就会发现，这是没有希望的。但是，如果你想成为一流的水暖工，那么大部分人都可以做到。只要具有意志，坚持下去了解这个行业，精通手艺，假以时日，这是可以实现的目标。你无法成为网球明星，但是在其他领域，你可以慢慢发展自己的竞争力。这种竞争力，一部分来自你的内在因素（兴趣、学习能力、毅力、纪律性等等），另一部分来自通过工作的缓慢积累。——查理·芒格
- “快能力”更多地取决于天赋或外部条件，所以普通人不容易成功；”慢能力”则是取决于后天的努力，可以用时间来换。芒格建议，如果没有天赋，就尽量选择”慢能力”的行业，这样你才有机会通过日复一日的积累做到优秀。前端开发大概是属于”快能力”。因为这个行业要求你快速形成生产力，根本没有时间积累，而且积累的效果不明显，因为开发工具变得太快。相比之下，C / C++ 语言应该属于”慢能力”，坚持写20年，会越写越好，但是前端不是这样，几年就换一套技术栈，代码的生命周期非常短。所以，想要进入前端的同学，要有清醒的认识。优秀的前端程序员，其实比的是”冲刺能力”，你想一直在这个行业，就要一直在冲刺。”快能力”的行业都是如此，一段时间出不了成绩，就会被淘汰。如果你不适应这种生活，可能就需要做一些准备，想想能不能换到”慢能力”的行业。——Frank Ruan
有趣
手机版“神探玺洛克”请扫码
