学术随笔（一）：如何在一个新领域开始做研究

很久没有写文章了，以前写的很多是技术类文章，现在看回这些文章，有些地方感觉自己理解得还不够透彻，不知道能不能带给读者正确且准确的信息，另外也觉得，技术和模型更新迭代得太快，我可以勉强追着这个更新的速度学习，但要同步写文章总结还是太难了，最近思考了一下，比起一些技术类的东西，可能在学术过程中学习到的感悟对大家也会有帮助，所以就记录一下这一年来在学术圈学习到的一些感悟体会。

首先我想谈谈如何开始做研究，这是一个很大的问题，可能比较适合高年级本科生和研究生看，我不奢望自己能给出完美的答案，只是简单说说我的一些想法。

以我自己为例，我是从深度学习转去神经科学领域的，这个跨度还是挺大的，所以一开始几乎完全不懂，在这样刚进入一个新学科的时候，可以做的第一件事情就是了解一下这个学科目前的一些大的研究方向，以神经科学为例，这是一个非常大的学科，研究的问题主要是围绕着大脑的，细分一点的话，有研究大脑的疾病的，有研究大脑的工作机制的，有研究大脑的信号的，再细一点，对于大脑的信号，目前有EEG、fMRI、SEEG等等等等，然后其中EEG是数据量比较大、比较容易采集到的一种电信号数据，所以我第一个问题就打算以EEG作为切入点。

因为我本身是从深度学习转去神经科学的，我当然希望结合深度学习的模型对神经科学的问题做分析，而EEG的数据量比较大，所以两者就可以比较好地结合做分析了，但是具体的问题有哪些呢，这就需要进一步了解整理了，比如说基于EEG做疾病的分类、脑机接口那些运动想象的分类、还有EEG的降噪等等，其实到了这一层面，问题就已经比较细致了，而且也和传统的算法问题比较接近，就比较好入手了，最后我选择的是EEG的降噪问题，原因有几点，第一，降噪问题在其他领域已经研究得比较多，我可以把其他领域的成果搬过来做研究，第二，这个问题理解起来不难，我可以很快上手做出初步的成果，第三，这个问题是脑机接口应用中影响较大的一个问题，比较有实际意义。

上面我聊的这些东西呢，主要就是想说明，对我来说，当我进入一个新的领域，我更偏向于了解这个领域的整体架构，然后找出一个我有能力做的、比较简单的一个小问题，以这个小问题作为切入点，慢慢补充学习相关的知识，一步步做出成果来，对我来说，这比起买几本教科书完整看一遍更实在，因为往往这样看下来既耗费时间，看完也不知道哪些知识用得上，最后又慢慢忘了，所以说，带着问题去学习、去做研究总是更好更高效的。

当然，我上面所说的都是针对高年级本科生、研究生的一些心得体会，为什么这样说呢，主要就是这一切一切的前提都是基础要扎实，这一年里我带过很多本科生，跟他们说傅里叶变换他们说没学过，叫他们写个模型还要学一遍pytorch，所以，如果基础还不够扎实的话，建议还是先把基础巩固一下，再进一步做研究。那基础包括什么呢，一方面是代码的能力，如果是结合深度学习做研究，numpy、pandas、matplotlib这些数据分析的包都要熟，pytorch、tensorflow二选一也要掌握，这些都是基础中的基础，学起来也不难，花个一两周就可以学号，除此之外，理论基础也要扎实，代数、凸优化之类的东西学一下，特别是趁着低年级有时间真的建议好好学学，不要等到高年级了觉得没时间又懒得学，这些理论基础，我个人的想法是，在你研究初期，他不能帮到你太多，因为你可能还不知道各方面的理论是怎么结合起来的，但到了后期，慢慢你就会明白很多东西背后都是相通的，到了那一刻你就会有新的体会和灵感了。

最后再总结一下，如果你是一个新入学的研究生，刚刚接触一个全新的课题，那么我的体会就是，想看看自己的基础扎不扎实，同时整理一下这个领域的研究进展和问题，和导师一起商量出一个简单可行的问题，快速做一个小项目，在做的过程中补知识，同时学习一些学术的规范，包括写作、作图的规范等等，一两个月下来慢慢你就会有感觉了。