邯郸论文组

本科发表PRL之后的奇幻20年

科学网2018-12-05 16:41:37

欢迎点击「科学网」↑关注我们!


1995年,北大本科生尉海清和导师韩汝珊教授合作,在Phys. Rev. Lett.上发表了论文Quantum Phase of Induced Dipoles Moving in a Magnetic Field(论文及中文介绍见末尾附件),国际上著名实验室的立即验证跟进,后续的理论和实验研究此起彼伏,至今还牵引着研究人员的目光。

少年发表顶级刊物,可谓偶然,二十余载保持长青,才是传奇。论文作者尉海清后来的人生经历如何?

请看下文。

我1989年考入北大,先在军校里训练了一年,1990年实入燕园,1994年毕业。1993年北大无人毕业。再就是,我于2000年初在McGill呆足了“the residence requirement” of Ph.D. candidacy per university policy,修完了必需的课件,并没有立马拿着博士学位(McGill的治学还是很严谨的,学位并不好混),就到硅谷加入了“高科技”大潮。当时那模式很盛行,俺老尉也随波逐流了。后来边工作边research,2006年得博士证书。

回首20余载,自知学术上无甚重要建树,却无愧为虔诚的科学信徒。小弟确是自很小的时候就对数学和物理产生了浓厚的兴趣,直至今日,而且随年岁的增长单调增强。对于有兴趣的学科或问题,学习钻研有原动力,不觉得累,偶尔出点新结果是自然的。这一点,我想刘教授必是感同身受。我自认为还算是充实的大学生活,受益于当时校园里良好的教研氛围和周边的读书听讲座条件。老先生们身体力行,贵在先做事,求真知,而后得。对于学生,他(她)们善于引导,注重支持和鼓励,提倡学术民主,注意培养独立思考能力。教导学生不要畏惧和盲从所谓的学术权威和大师,而是提供便利条件促进接触交流,让年轻人认得权威和大师亦为常人,日后必能与其为伍,只要努力不懈。

尤为重要的是,那时的学术思潮,追求的是真知和长远的业务素养,而不是短时的名利。你不必拥有百万或千万经费,佣有数十名弟子,再加几百篇论文的list(其中多少真有创意,确有价值?又有多少是那“大老板”花了心思真正懂得的?),只要您对波函数或者Lebesgue测度或者Feynman路径和的真正涵义理解深刻,讲解透彻,我等便是肃然起敬,心服口服。恕我妄加揣测,若那时的治学和工作风气沿袭至今,即便假定当时的设施和经济条件,我中华之科教和工业技术水准,可及更高境界。当今现实,经济发达了,硬件设施先进了,但软设施建设不可忽视。这包括人心所向,思想修养,敬业精神,待人接物之真诚态度,奋发上进之精神,“彼人能,吾亦能”之勇气,都是可贵的群体素质。援引我们学生时代大喇叭里常听到的成语“精神和物质两个文明一齐抓”。不然,优越的设备和经济条件会浪费在许多地方和不少投机者手里。

在我看来,不论是科学研究,还是工作在各行各业里,发掘和培养兴趣,对所攻业务的热情和执着,是做好事情的关键。科学家痴迷于工作的故事是太多了。刘教授举例的Gates和Jobs,也是本着推广personal computing的浓厚兴趣和PC的必要性的坚定信心,加上成就一番商业伟绩的极大热情,而成就大事的。我的两位同窗好友的故事,也会让人深受启迪。现浙江大学教授冯波,Purdue University教授胡江平,本科时期即凸显对物理和数学之痴狂,读书悦文孜孜不倦,并勤于深思酷研,身为学徒即有重要著述见报,被誉为“物理诸系学生中真正喜爱物理之人”。后来二人分别到MIT和Stanford University领先物理研究组学习,得博士学位。冯在超弦和M-理论上颇有建树,与Witten等人合作,得“Direct Proof of Tree-Level Recursion Relation in Yang-Mills Theory”之精妙成果 (http://prl.aps.org/abstract/PRL/v94/i18/e181602),为Arkani-Hamed  (http://en.wikipedia.org/wiki/Nima_Arkani-Hamed)等人的新论,“Quantum field  theory based on scattering amplitudes without Feynman diagram expansions”,提供了典型素材。胡则在高级数学物理工具到固态物理理论的应用上多有收获。例如,2001年他在《Science》上撰文推广量子霍尔效应到四维空间上,并讨论了量子霍尔及其他特殊物质状态赖以存在的深刻的代数和几何根源(http://www.sciencemag.org/content/294/5543/823.short)。在我等了解其人的同窗看来,此二贤取得这般成绩,乃水到渠成,自然之果。

对于刘教授的“游学”之论,我并不一定理解透彻。我的粗浅看法,“游学”的一种基本体现或做法,就是体制、 校方和导师应创造条件让学生能够access more and wider references conveniently, participate more in academic communications and exchanges。学生们则要用好可及的资源和条件,多看多想本专业的资料和信息,多参加与专业相关的学术交流活动,也要关心和参与跨学科、跨系、跨学校、跨城市、甚至跨国度的学术动态和交流。One of the most important resource is your own mind. 应该善于开启它,勇敢地想,认真地做。不要畏惧权威的思路或人物。真理面前人人平等。参加学术活动多了,问的问题多了,见的牛人多了,神理论也就不那么神了,牛人也就不那么牛了,你自己反倒变牛了,无论是心里上还是真实水平上,那时就离出一流的成果不远了。说到底,顶尖的学术成果,一流的技术创新,令人耳目一新的商业模式发明,无一不是其创作者从巧妙的角度提了一个独到的问题,然后 给出往往并不是很困难的解答,与学生完成课后作业或求解考试题目并无二致。敢问并会问问题,是很重要的能力,也是教育过程中应该特别注重培养的一个关键方面,与具体知识和解题技巧同等重要,if not more important. Einstein在最初学习黎曼几何和张量分析时可能并不很牛,绝不是解题高手。传说里他的同学Grossman要比他牛得多,常辅导他,借笔记或习题解答给他。但Einstein 肯定理解和掌握了那学问的真谛。所以当他自问一个前人不曾问及的问题“万有引力是否可以看做是一种空间几何畸变的效应”时,Einstein自然地想起了黎曼几何,formulated his theory of general relativity in the language of Riemannian geometry.

我们上大学时,极大地受益于北大的“一塔湖图”。“塔”和“湖” 概括了燕园优美的学习和生活环境。这里我 主要想说的是“图”。北大图书馆,就一个字,全。好比一眼底蕴丰厚的山泉,任你多少求知若渴的攀山者尽情豪饮,甘美的泉水源源不断。怕的是你不想读。古今中外,不管什么文献,以及文献后面索引的文献,很少让 你失望。偶尔有特别稀少的书籍或文章,骑上自行车,不出海淀区,你就能在科学院或者国家图书馆里找得到。要是还没有,90年代初Internet和Email刚刚兴起,发个message 请国外的好友帮忙。图书馆的每个藏书室,我都爱往里钻,不管数学,物理,化学,电工,或是计算机(做个检讨,我偏科挺严重的,文史是瘸腿,所以不管哪个图书馆,至少有半壁江山,咱连一步都没来得及踏入!),看不懂不在乎,忙不过来也不要紧,至少记住个书名或者内容提要吧,至少认识到咱是多么浅薄,有多少东西咱不知道吧,所以应该更加努力吧。

再应感激的是燕园里和周围那丰富活跃的学术和文化交流。数学、物理报告咱都不想落。化学楼跟咱物理楼是对门儿,他们的报告好多咱也想听听。有时候早上睡懒觉,做了“九三”,逃了课,也没了早饭,就蹬车到物理所,理论物理所,或者数学所,蹭人家的学术报告,还可以混上咖啡和早点(现在在硅谷,还是经常去Stanford蹭人家的talks and refreshments)。学术圈里的人就是这么open和大度,不会有人拒你于门外。跟乱钻图书馆情况类似,大多的报告咱是听不懂的,更实在地讲,几乎所有的报告咱都听不懂,但总是见着好多人脸儿吧,总能揣回来几个新名词儿吧。其实,就是今天,咱自己的狭窄领域里的学术报告,依然是听不懂。一方面是咱注意力不总是很集中,另一面是报告人不见得讲得多透彻,往往是快速地闪PowerPoint,听众哪里来得及消化吸收。但总应该弄回来几个要点和文献索引,日后可细细琢磨。殊不知几年以后,就有那么一个新名词儿启发了咱去借用那位牛人的高招儿,解了咱的难题,写成了一篇妙文章,或是整了一项好发明哩。数年“游学”下来,不敢说别的成效,至少咱在俄文楼(或是附近什么location)里见过听过当时“尚未发迹”(未得诺奖)的Prof. Frank Wilczek, 在物理所听见过Sir Michael  Berry并就咱的拙作和对geometric phase的愚见提问讨论,在理论物理所见过当时也是“尚未发迹”的Prof. Daniel C. Tsui,在昆仑饭店见过STM发明人诺奖得主Heinrich Rohrer并请其审阅我的一篇磁学的文章。。。 感觉上,牛人们也没那么高远,跟咱曾谨言、韩汝珊、苏肇冰老师也挺像。牛理论牛问题也没那么难,咱也可以试着啃两口。

我说的这些优越条件可能有些是北大特有的。有人会说别的地方和院校并不具备这样的条件。有一定道理。所以政府和社会各界应重视教育投入,关心教研条件的建设。但这也不能成为借口。相信近年来受益于腾飞的经济发展,国家和地方政府的大力支持,我国大多城市的大学院校,都已具备很好的学习和研究的条件和设施,特别是Internet电子信息检索的普及,是二十年前我们所想象不到的。试问,就算是现有的条件是有限的,我们是否充分利用好了呢?这里的图书馆藏书不多,但是有多少次你急切地要一本书或一篇文章,本校的图书馆没有?你不懈努力,尝试其它渠道了吗?去同一城市的姐妹院校查过了吗?找过你在北京或上海或国外的好友帮忙了吗?我就经常去Stanford或Berkeley帮我弟弟查找资料。

再有另一个担心,就是兴趣太广,战线拉得过长,恐不专不深。也有道理。所以要因人而异,平衡取舍。不过我还有一个心得,就是细致划分的学科之间,存在着惊人的类同和共通之处,知识和理解经常是可以移植和借用的。用比较形式化的数学的术语来说,好多学科之间存在着isomorphism 或是homomorphism 类似的对应。你在A, B, C, D 多科目上所貌似分散花费的时间和精力,其实will coherently and constructively superimpose together, 而这相干叠加的总和会作用到A, B, C, D 每一个科目上,加深你对每一个科目的理解。还是举咱们老本行里的例子,大学基础物理课里,一个共通的很重要的概念,就是一个体系的态S,它可能是一个简单的标量,或是低维向量(如 Newton 力学里的坐标和速度),或是一个广义的向量(电磁系统的场分布,扩散或热传导问题里的粒子密度或温度分布,量子体系的波函数)。态这个概念之所以重要,而且being so powerful, 在于它在任一时刻都简洁而完备地表示体系在该时刻的所有内容,体系在时间轴上的运动,亦即变化dS/dt,只依赖于当时的态S,是S的函数,记作F(S). 就这么一个简单的态的概念,把Newton力学,理论力学,热物理学,电磁学,光学,量子物理,化学反应扩散现象,随机过程理论,信号和系统工程学,控制论等等多门学科里的大多问题统一到一个数学框架下,即微分方程或称演化体系,dS/dt = F(S). 每一个上述具体学科的学习过程,其实都是要弄懂和体会在该学科里的那个态的概念,剩下的就是处理和求解微分方程的数学技巧。而态的概念,在抽象的广义的理解的层面上是一致的。关于微分方程的数学技巧,就更是相通的了。再具体一点,好多情况下,F(S) 是一个linear mapping,描述的是一个线性系统,所以各学科里的工作者都经常使用数学上称之为谱分析(Spectral  Analysis)的方法,具体表现为Fourier分析和变换方法,Laplace变换方法,特征函数或者特征模分解方法,等等。数学上无非都是线性算子的谱分析。

当年我从物理换到工程系,要学很多“新”课程,包括Signals and Systems, Digital Signal Processing, Random Processes, Stochastic Control,甚至具体到Antenna and  Wave Propagation, Wave Guide Theory等等,我总是觉得这些东西在物理本科时全都学过,只是在复习而已。特别地,我总是不能理解stochastic process研究者们为什么那么推崇Markov和他的那个chain,定义为某个随机序列{X(n)}满足Pr[X(n+1) | X(n), X(n-1), X(n-2), X(n-3), ...] = Pr[X(n+1) | X(n)]. 就是说,对于一个Markov 过程,要预言它的明天,只需要知道它今天的信息,昨天的,前天的,和更早的历史,都不用管。这不就是在说这个体系无记忆吗,也就是说这种过程有一个相应的态的概念吗?这玩意儿咱物理门的Newton 先生早两百年就注意到了并加以利用了。“态”这观念咱们早在大学一年级学习力学和热学的时候就体会到了,后来电磁学,光学,量子物理,都重复了好几遍!再就是这Markov chain科目里用的数学技倆,什么算子半群,左特征向量,右特征向量,俺在弄量子力学的时候就熟悉了,只不过那时倒腾的是取复数值的分布函数,现在只需折腾取非负实数值的分布函数罢了。所以Random Processes不算新课程。

就侃到这里吧。莫见笑。

尉海清, Wappingers Falls, New York, USA



1995 PRL Quantum Phase of Induced Dipoles Moving in a Magnetic Field.pdf


1996, 物理, 在磁场中运动诱导的偶极子量子相位.pdf


转载本文请联系原作者获取授权,同时请注明本文来自刘全慧科学网博客。
链接地址:http://blog.sciencenet.cn/blog-3377-1105064.html

关注我们

微信号:sciencenet-cas (←长按复制) 或长按下方二维码