Day1 | 如何做好科研 · 边缘计算速览

怼烎@ 2022-05-18 06:10 213阅读 0赞

### **| How to Be a Scientist?** ###

1. 给做系统的人的建议：不要执迷于paper，要深入进系统、与现实结合，做出真正能用的东西。施老师念研究生时做出的JIAJIA系统，连国外都有人用，也因此在圈子中有了知名度。（个人感悟：一个普及度高的好系统，可能抵过一篇好paper，毕竟用系统的人都会知道说哦这是谁谁谁做的系统，可paper的受众只有学者小圈子。不过对个人来说，做系统的难度可能也要难得多吧。。）

做系统的人并不会改进算法，他们只是拿来用。那么，讲清选择使用某个算法的原因是非常重要的。

2. 一个学科的研究寿命大约10年，要时刻关注大的趋势，不然毕业时可能要面临失业、转业。不过施老师的转业经历使得他具有了快速掌握一门新学科的能力，对他来说是因祸得福。（对有些人来说，困境意味着新世界，不过前提是自己要足够牛足够拼。估计对于大多数人，困境就只是困境了。。）

3. 关于出国和读博

决定出国读博前先自问：你有足够强大的内心吗？你有足够强大的动力吗？国外上课很辛苦，平均每学期3门课，每门课每周需要花费15-20小时，但好处是好好完成课程作业说不定就能发一篇paper。

决定读Phd之前先看看自己是否具备以下要素：

*  self-motivation 强大的动力
 *  independent capability 独立思考解决问题的习惯和能力
 *  diligence 勤奋
 *  communication 沟通能力（合作能力）
 *  strong technical skills 嗯……大约是科研能力？

4. 国内学者太在意SCI了，但施教授认为国内早晚会舍弃SCI这个概念。

5. 我们应该把眼光放长远。真正的top是能做出被国际上学者认可的东西而不是在某某期刊上发表一篇文章；把自己打造成真正的top，那么便没人再能用所谓的等级、影响因子等标签衡量你。（我的感受：在我的固有观念里，一般的学校->一般的老师->一般的学生。可就在昨天，听同学说起一个普普通通的学校的老师，由于工作成果太过轰动，直接被清华挖走。我很吃惊也很鼓舞，看来不能用学校这个标签去judge别人，更不能因为自己所在的环境就给自己设了天花板。真正厉害的人，无论在哪里都能发光。）

四类学者：

*  不care文章在哪里发表（我是大牛，在哪里发都一样）
 *  top conferences, no journal
 *  top journals + good conferences
 *  so so journals + so so conferences

6. 做科研的大忌：

*  抄：如果跟别人文章中的内容有连续6个字相同，即被视为“抄袭”！
 *  改实验数据
 *  将英文文章翻译成中文再发一遍（这种做法略有些极端吧。。）
 *  multiple submissions，施老师审文章时就遇到过前后收到三份不同期刊的待审文章，结果都是同一篇。（这样的做法一旦被发现影响相当恶劣呀，估计那整个实验室都会被拉入黑名单吧。我们绝不能抱侥幸心理。）
 *  参与了工作的人必须挂名。施老师的做法是在写文章之前就商量好作者都有谁。

### | Why Edge Computing? ###

1. Data center is the computer：能在100万个核上跑的应用要怎么写？你要会这些。MapReduce和Spark等等都是计算机领域学生必须掌握的。

2. 边缘计算的产生

\- 云服务面临的挑战：

*  reduce latency 响应延迟要尽可能小
 *  availability 现在云上的服务器不够用，会出现无法响应的问题
 *  bandwidth 带宽是要钱的，在边缘部署小型数据中心可以大大节省带宽，也就是省钱

\- 物联网的需求：

*  real-time computing
 *  resource constraint 物联网设备大多计算资源、存储资源不足
 *  security/privacy requirements 需要把物联网设备收集到的数据先在边缘做加密然后再上传到云

3. 大的研究方向

*  Architecture 适合于边缘处理器的架构，会不会与现有的架构不同？需要设计专门的指令集吗？
 *  System 分布式协作，资源管理，命名机制（类似于网络域名那种），自动系统等等
 *  Secure by design 自动驾驶场景，我的代码需要在你的车上运行，如何保证足够安全？如果车载系统隔几天就崩溃、reboot，那将十分可怕
 *  network 中国的网联车已计划使用5G网络
 *  Applications 医疗，智慧校园，制造业等等

先找准应用场景，再进行研究。