如何看待本科生科研？

临床医师

如何看待本科生科研？
原文地址：https://www.zhihu.com/question/457315333

队长是我

数了一下，过去六年中，我与本科生共同发表过十篇论文，这些本科生去了加州理工、麻省理工、剑桥、牛津、圆周研究所、麦吉尔、东京大学等。借这道题，自己总结、反思一下，也与大家分享。
本科生要不要做科研？

取决于同学以后是不是想以科学为职业。
如果未来不想搞研究的话，除非觉得不体验一下太遗憾，想尝试尝试的（这样的一般做个毕业论文也可以满足体验需要了）以外，一般没必要做科研。可以用这个时间干点更有意义的事，把课程学扎实，去公司做做实习，发展点业余爱好，谈谈恋爱等等。
如果未来想搞研究，就应该本科生阶段开始做，大二或大三就应该开始。有以下几个原因：
第一，最重要的原因是，没有做过研究，就不知道什么是研究。所以“想搞研究”可能是叶公好龙式的爱好；或者是觉得自己善于读书，就沿着硕士博士一直读下去；或者是随大流，看别人读研自己也想读。可能你未必喜欢真实的研究生活。只有做过研究，才知道是不是未来真想搞研究，有没有必要读个硕士博士，或者是读个科研为主的还是应用为主的学位。
第二，在想搞研究的条件下，选研究方向也至关重要。基本上每个老师都会跟你说他的研究方向好。做点实际的研究，同时有机会和研究生师兄师姐接触，有助于在感兴趣和有前途的结合点上选择研究方向。如果搞了一个方向感觉不喜欢，可以换一个。本科生换导师一般比研究生换导师容易得多。
第三，竞争。虽然我这边本科生也有只通过 GPA 申到很好学校的，但是发过文章明显会有优势。总体上，我觉得这是个好现象。如果说这是卷的话，那不发文章的话，卷在考试成绩 94 分和 95 分的区别，可能更无聊。
上述第三点是很实际的，前两点有点“虚头八脑”，但是其实，长远看来前两点更重要。这三点都需要至少从大三开始做研究。这样才有试错和改正的机会。
其实我自己本科的时候，大二下学期开始进实验室，大三、大四一直在做工作，但是科研做得很不顺利，也没有发过论文。但是我还是觉得这是我愿意做的事情，并且不顺利的原因可以克服，应该是暂时的。所以就一直做了下来。我研究生阶段尽管换了个方向，但是上手较快，也基本顺利。本科的科研经验起到了重要作用。
如何开始本科生科研？

尽早找个导师问问。比如大一、大二，学哪个老师的课想进一步了解的，就可以问问这方面怎么进入科研（未必以后和这位老师做，但是同一方向的要求是类似的）。因为不同学校的情况，以及不同科研方向都是不一样的。问问需要学过哪些课才能开始，需要重点培养哪些技能，学校哪些导师做这个方向，都有什么特点等等。
然后，对绝大多数科研方向而言，有些课要早点学，跳着学。这样才能接触到科研前沿。这是争议很大的一点。有的观点认为，这会造成学习不扎实，这样的学生走不远，等等。我的观点是，大学课程的学习是一个高度非线性的过程。学了后边的课，以及做了点科研，以高级课程和科研的思维强度，回头再去学前面的课，也会有更深的理解。所以，只要自己一直在学习，而不是学过的课程就扔下不管了，那么这种前后折返往复的学习方式是很有效的。并且，如果你未来想搞科研的话，未来要终身处于一个不断学习的环境中，这种学习没有人给你制订预修课程，所以非线性学习的能力非常重要。
学习的过程中，开始和导师保持沟通（尽量以不打扰导师的方式）。问问开始科研需要读哪些论文，一边学课程，一边开始读论文。刚开始读论文是非常痛苦的，通常会感受知识断层和英语环境的双重暴击。面对这种痛苦，一方面要坚持下来，另一方面也要脸皮厚点，多请教师兄师姐。可能很多不懂的知识点，只是几句话的事情。但如果不问，自己找一个月也找不到。
刚开始做科研的时候，注重把科研工作“落实”的能力。比如做理论物理，导师说了一堆物理图像，物理意义，这些都尽量理解，但关键是这个东西怎么转化成方程，怎么算。落实到“怎么算”，就和微积分、线性代数、数理方法、计算机编程联系上，可以利用学过的知识解决了。然后，有一点成果就向导师（或师兄师姐）汇报一点。因为自己物理理解不全面的情况下，如果闷头算一大堆，容易走歪了，结果算出来的东西都没用。要及时得到反馈，自己算的结果是不是真正解决了物理问题，需要怎么改进，等等。
有了“落实”能力之后，就要多想（此处不是占便宜）。在持续把导师要的东西落实成方程（或别的学科程序、实验结果等）的同时，开始逐步理解这些东西的科学意义。小而言之，只有理解了这些科学意义，才能写出一篇科研论文（而不是习题解答或实验报告）；大而言之，理解了科学意义，才能知道哪些方向重要，这些方向里面哪些课题重要，一步步为自己成为一个独立科研工作者做好准备。这一步在本科未必有机会完成，但是要尽量争取，这样可以为研究生打下更好的基础，以及和本科导师学到的，可能和未来研究生导师不同，值得兼收并蓄。
导师如何指导本科生？

我的个人观点是，给本科生（以及缺乏科研经历的新研究生）的前一两件工作，需要有明确的落实途径。就是说，这个工作一步一步怎么做，途径都是在导师心里很明确的，让同学实现出来就行了。而不是给学生高度探索性的课题。这样的好处有：
第一，让学生尽快走完一个从调研到发表，完整的科研流程。这样有助于学生对科研有完整的认识，以及发表过文章，也会减少一些压力和负面情绪。
第二，把想法落实的能力是学生科研的基本功。值得先把基本功练好。这就好比运动员会一个技术动作一个技术动作分解练习一样。
第三，这种“落实”，把一个听起来“高大上”的东西变成解一大堆方程，算一大堆积分，写一大堆代码，也会及时劝退一些对科研有不切实际幻想的同学。让同学认识到科研中往往是充斥着这些枯燥内容的。
说这是个人观点，因为这种方式也存在一定争议。有人认为，导师作为科研工作者，应该凡事以科研为出发点。如果一个工作，没希望达到导师历史上前五篇最好论文的水平，就可以不要做了。而除了运气很好的情况外，探索性较小，步骤明确的科研往往达不到这么大的科研意义。但是我觉得，导师除了考虑工作的科研意义，也要考虑培养人的教育意义。从培养人的角度来讲，与其一开始就给个一将功成万骨枯的课题，不如循序渐进。只要指导同学过程中，给同学一个科研的品味，让同学不要满足在较低水平就好。
另外，导师的时间有效分配也很重要。我刚做老师的时候，由于研究生少，本科生科研可以花很多时间跟进。现在研究生多了，指导本科生科研就没办法花以前那么多的时间。所以现在的做法是，找个靠谱的研究生，和我一起指导。比如我们每周一起讨论一次，而本科生可以和研究生随时沟通。这样，就在有限时间的现实下尽量提高了效率。

卡卡

还是看带的学生怎么样，要是碰到一个不开窍的，你就算把东西算到只有一步就到正确的东西了，他可能还是不会，碰到这种就是最难受的了。我读博士第五年的时候，我老板让我带一个二年级的中国师弟做一点小东西，反正那叫一个带不动啊，一个非常简单的小问题算了半年都没算出来，要是这种就别做数学算了，哎。。。不知道他现在能不能毕业，第五年了，还么有任何一个小工作出来，可能在憋大猜想把。
要是碰到一个非常聪明又勤奋的那就是享受了。 之前带过一个PCP项目的高中生，做一点整数上线性代数的小东西，那叫一个算得快啊，那叫一个理解得快啊，反正最后我给他写了最强的推荐信，虽然他最后学计算机去了。
最近两个月带的这个本科生真的是绝了，我去一个学校做报告，讲我最近的一个工作，其中的一个重要步骤是要证明一个classical的三维fano variety上的Gieseker moduli space是Bridgeland moduli space，然后报告末尾我说我有一个观察，可以作为本科生或者硕士的论文，做出来了，是个不错的结果，可以给Manivel-Iliev的一个经典的结果一个现代的证明，而且还可以加一个小结果。因为用到的东西不算多，而且就是仿照我之前的工作，照葫芦画瓢，会算sheaf cohomology就行了，但是吧，我觉得要把这里面的东西搞清楚的话，你至少得学个不说长了，三个月，得要吧，尤其是你之前没接触过这套东西的话，比如说，你要把wall-crossing这玩意搞清楚就需要花不少时间的。 当然你要做一个东西并不见得要把它完全弄懂了……
然后这哥们，两个星期就把开始我给的小问题算的差不多了，而且文章也打得极快，tex file都打得差不多了，尼玛的。 首先我最近的工作虽然文章写好了，但是没有挂到arxiv上，他能看到的步骤就是我讲的PPT，而且我PPT没有给他，他就是现场拍的照片，然后照着那个步骤算的，中间问过我四五次具体的计算，我当时还在想，你check我这个计算没啥意义啊，没想到他是把这个计算apply到我提的那个问题上，然后吧，这里面比较难算的是一些two term complex F 的Ext^2（F,F）， 一般来说，算这个东西，要么就去短正合列诱导长正合列去算，要么就用谱序列。他是用的前者，那个计算的熟练啊，我基本上不用特别仔细check就知道是对的，因为算这东西，我最近算的太熟悉了，该用哪个正合列去诱导，他一二三步都用的是正确的那个，而且这里面的计算，有的还得用vector bundle的stability 去比较斜率，而且有的vector bundle你还得先用一些经典方法证明它是semistable的，这哥们算得那叫一个熟练啊，然后中间用到很多计算，要cite别人的一些结果，而那些结果我之前都没告诉他在哪篇文章里，但是他都找到了那些结果。不得不说，有的人你不告诉他，他自己绝对不知道要去哪里找一些要用的经典结果的，从找文献这方面人和人就有巨大的差距。
然后我看他这么厉害，就又给了另一个小问题，这个问题我非常确定是对的，具体的证明我几乎知道是怎么做的，因为之前在做一个别的问题的时候想过这个证明。但是我博后老板不建议我把他写出来，他说这个结果单独写出来不会增加什么特别新的东西。 但是对于一个本科生或者硕士来说，能写下来就是非常厉害的了，非常好的了。于是我就叫他做，这个问题，有一个方向比较简单。 虽然这个方法是标准的，但是这是一个本科生…… 然后另一个方向呢，是难的地方，你得证明一个Bridgeland stable object in the Kuznetsov component 在double tilted heart里还是tilted stable的，而且最后还得去证明它是一个 semistable甚至是Gieseker stable sheaf.  这种就是很标准的wall crossing的argument, 我之前想过这个证明，可以不是非常难（但对于一个没接触过的人来说，正常得花个至少两个月去理解这个东西吧）的证明他是一个 semistable的sheaf，然后我就让他仿照我们之前引用的一片标准文献的方法来做这个问题，他也很快的做出来了，虽然写出来的东西有这样那样的问题，有一些错误，但是我迅速地指出后，他都立马改对了，对于一个以前从来没有玩过这一套东西的人，尤其还是本科生来说，非常了不起。 但是我们最终要的结果是Gieseker-stable的。斜率半稳定和Gieseker stable还是差了一个等级的，用Bayer-Macri-Stellari的标准技术，只能做到斜率半稳定。我之前没有仔细想过，他跟我说了这个障碍，结果我那天晚上刚刚开始想的时候，他说他想出来了，然后给我发过来证明，已经打好了，用了之前领域内一个专家文章里的一个方法，做出来了……哎呀，太厉害了。。。。其实这个结果对于一个硕士生，甚至低年级博士生来说就是一个很不错的进展了，结果这人还是一个大二的本科生。。。
后来嘛，我就想找一个应用， 因为如果能够用已经证明的一些观察和expected的结果证明一个真正的不错的东西，这个文章就会更好。然后我就把我之前和我一个合作者曾经做了一段时间的问题给他做，这个问题我们其实已经做到了最后一步，卡在了一个计算上很长时间，这个一解决，这个问题就做出来了。 我们连文章都写好了，就是差这个proposition。。。不过后来由于我们有另外一个等价的program去做同一种类似的东西就没继续去特别仔细想这个计算，而且我不太相信死算能算出来…… 然后我就给他做，结果他两天就做出来了……还真的就是死算算出来的，但是我得承认这个死算我是算不出来的，因为得用到一个几何的结果，
A Fourier-Mukai equivalence between non trivial component of cubic threefold and degree 14 prime Fano threefold而这个结果是在他在一个正确的方向走了一段以后，跟我说需要知道这个结果我才去mathoverflow上问的，结果Kuznetsov给了一个回答，我们正在想去理解这个回答的时候，这位同学用另一个方法，用Schubert calculus显示地计算出来了……太强了…… 有了这个结果，我们立马就得到了预期的结果，然后写好了文章。 准备晚些时候挂出来，因为想做一个系统地所有case的结果。我已经叫我的一些同行等我们的文章写好了，让他去给几个talk了。
现在，我们正在一起做另一个问题…… 然后我跟我博后老板推荐了这个同学，我老板还以为他是本科最后一年的，结果我跟他说是第二年，他都惊讶了，还说可以给他找另一个project,亲自指导他的研究。
最后，这位同学关键也是非常主动啊，他还在高铁上跟我视频讨论问题，然后平时我们经常微信讨论和zoom讨论，他那边都是半夜的点。
我们合作的第一篇文章已经被Math.Z接受，接收函已经下来了。

卡卡

探索是一种学习方式。我们国家的中学教育在这方面能力的培养上很欠缺。这在研究生群体中的效应十分明显。很多基本原则、基本概念、基本流程，在学生那里感觉是完全空白的。本科生科研如果作为一种弥补这种学习能力和方法的教育，是可取的。在这个意义上应该不只搞本科生科研，最好恨不得搞胎儿科研，直接胎教。

同花顺

或许本科生做科研相当一部分不是出于兴趣，而是因为现在985/211大学里卷的太厉害了，本科生为了保研，被迫营业。
想想高中时对大学的憧憬，每周舒舒服服的十几节课，可以不来上课，也可以课上睡觉。晚上和周末的时间自己安排，可以搞搞社团学学吉他谈谈恋爱，美滋滋的。
对这种生活的向往，或许也是苦逼的高中生，特别是身在衡二这样的高考黑作坊的小朋友们，黑暗日子里的一点点光吧。自由和活力胜过焦虑和功利，这才是大学生该有的状态吧。
然而，好不容易进了个重点大学刚刚歇了口气，学哥学姐就告诉你考研竞争激烈，一定要保研，保研一要成绩好，二要有科研论文。
于是大一的你被忽悠进了摆满仪器设备的高大上实验室，开始了日复一日的打杂生活。周末假期时间被占用了，有时候还要逃课去实验室，没时间找对象，王者的段位从星耀掉到了铂金，室友们开黑再也不带你。
终于有一天，带你的研究生大哥，他终于发了一篇SCI，给了洗了两年锥形瓶、配了好几年试剂的你一个五作，你感激涕零，乐的屁颠屁颠一夜没睡。
然而，你的导员告诉你，保研必须有一作的科研成果才作数。于是你不得不去求那个说过要“带你装逼带你飞”的研究生大哥。
他嘟囔着给了你一些边边角角的数据，你天天挑灯夜战学习软件分析数据，终于在大三的最后一个学期拼凑出一篇结构还算完整的论文，投稿多家中文核心杂志社，都告诉你他们不收本科生一作的论文。
投稿无门的你，网上找了一家看似牛逼的代发机构，花掉吃了俩月泡面省下的一千块，把文章发表在了一本普刊上。
保研面试当天，虽然你的成绩在候选人里排名靠后，但你狠狠握了握手里的期刊的录用通知，暗自庆幸这回稳了。
成绩公布了，从来没去过实验室的李教授闺女李阿花和跟张博士后搞暧昧的王小璐各自凭借一篇从天而降的SCI论文，加分加满成功入围保研精英圈子。而你，毫无疑问地当了炮灰。
是夜，你坐在三年没怎么去过的大学操场，点燃了人生中的第一根烟，看着来来往往的人群，眼神迷离了。
你好像突然想明白了什么，突然仰天长啸，去你妹的科研，毁老子的青春。
路过的人停下了脚步，看着你，就像在看一个傻子。

清风寡欲

我从2019年4月到2020年8月指导了一名本科生做科研实习（来自清华大学计算机系的Dingyuan Cao），成功在HPCA 2021上发表了一篇论文（计算机体系结构四大顶会之一，历史上大陆地区总共中过不到40篇，这篇是第一篇本科生一作的）。Dingyuan凭借这篇论文，也收到了UIUC、UChicago等多所名校的PhD offer，并最终选择了UIUC。写下以下文字，以纪念这段愉快、难忘的旅程。
第一次和Dingyuan见面的时候，他正读大二第二学期，基础课还没上完，所以安排了两个月的时间看书（《深入理解计算机系统》）。到7月初基本把书看完了，然后我给Dingyuan提供了三个topic来选，并给他分析了每个topic的难点、发顶会论文的概率以及我能给他提供哪些指导和资源。最后他自己选了ORAM的overhead optimization，并把投稿目标选在了11月27日的ISCA 2020。
根据学生所选的topic，我找到了IIT的Rujia Wang老师来共同指导Dingyuan（因为我对ORAM的算法细节了解有限）。接下来的四个多月时间里，我们首先让Dingyuan去做一系列motivation实验，并根据实验结果分别针对Ring ORAM的存储开销和性能开销进行优化。在整个过程中，我和王老师主要负责根据结果提出idea，Dingyuan负责在模拟器中实现所提出的结构并提供实验数据进行验证。我们陆续提出了4-5个idea，最后通过实验验证选择了效果较好的两个技术点。在论文写作过程中，主要由我和王老师负责写draft，Dingyuan负责提供数据并做proof reading。论文在11月27日早晨顺利投稿ISCA 2020。（这里还有个小插曲：2019年11月27日早晨投稿完这篇论文，我就送太太去医院了，然后28日凌晨我家小宝宝就出生了。）
在ISCA 2020的rebuttal阶段，其中一位审稿人指出我们提出的用于降低Ring ORAM存储开销的技术点A会引发潜在的stash overflow，造成严重的性能问题。因为证明这个问题需要添加的实验工程量较大，无法在rebuttal期间完成，因此论文最终被reject了。在接下来的一个月时间里，我们添加了实验，证明通过少量增大stash size并配合主动更新机制，可以完全避免stash overflow对性能造成影响。我们将修改后的draft投稿到了MICRO 2020。在这一轮recycle过程中，Dingyuan已经开始可以参与技术点的修改。
在MICRO 2020的rebuttal阶段，所有审稿人都接受了我们对于技术点A的介绍和验证结果，但是其中一位审稿人指出我们提出的用于降低Ring ORAM性能开销的技术点B会引入新的安全问题。这个是我们在设计阶段没有考虑到的，因此这篇文章被MICRO 2020 reject。接下来的两个月时间里，我们将激进的技术点B改为略微保守的技术点C，并通过实验证明新的优化方案同样可以大幅度降低Ring ORAM的存储开销和性能开销。这一版修改稿于2020年7月底被投稿至HPCA 2021，并获得了全部审稿人的认可，最终被online accept（小插曲2：那一天是2020年10月28日，我家娃刚好11个月：））。在这一版recycle draft的准备过程中，Dingyuan承担了全部的实验代码开发，并部分参与了draft章节的修改。
在这篇论文的整个周期中，Dingyuan的进步是非常明显的，从第一版中单纯的developer的角色，到第三版已经充分掌握了整个project的技术细节和逻辑脉络。这也为Dingyuan在2021年3月1日的HPCA 2021线上会议报告出色的表现打下了基础。（小插曲3：Dingyuan的报告被安排在Session 1A，在线上讨论环节UIUC的前辈Josep Torrellas教授也来提问，并对Dingyuan的回答表示满意。1个月后，Dingyuan接受了Torrellas教授的Ph. D offer。）
总结一下Dingyuan的整个实习过程，我觉得以下几个方面的经验值得其他同学注意：
1. 快速、持续、主动的学习能力。在我第一次和DIngyuan见面的时候，他的基础知识是正常的大二同学的水平，全面但不够系统。但是通过接下来两个的突击学习，Dingyuan已经初步建立了computer architecture基础知识的脉络，并大致了解了各部分之间的联系。在开始具体的研究之后，Dingyuan还快速学习了构造motivation实验和分析实验数据的方法，并在之后不断的recycle过程中提升自己的参与度。
2. 扎实的coding和dubug能力。computer architecture研究的一个难点是需要读懂复杂的模拟器代码并根据自身研究的需要进行修改和调试。在整个研究过程中，Dingyuan的代码能力给我留下了深刻的印象。在2019年9月-10月，Dingyuan通常能够在当天完成早晨online meeting中讨论的技术点修改方案，并在当天晚上给出初步的实验数据和结论。这种快速迭代也为论文顺利投稿ISCA 2020提供了有力支持。在MICRO 2020和HPCA 2021的投稿过程中，Dingyuan也能根据讨论中确定的方案快速实现模拟器代码，并及时提供实验数据。（在准备ISCA 2020的同时，Dingyuan还参与清华大学著名的“奋战三星期，造台计算机”项目，没有强大的coding能力是难以做到的）
3. 抗压和扛挫折能力。与CS其他方向相比，computer architecture研究的门槛较高、实验周期长、工程量大，同时顶会的竞争也更为激烈（录取率<20%）。在ISCA的准备过程中，我们先后提出了5个技术点，但前三个都被实验证明效果不佳，因此在整个准备过程中需要不断推倒重来。另外我们这篇论文总共投稿了3次，在ISCA和MICRO的投稿过程中，审稿人都针对我们的技术点提出了尖锐的问题，因此在修改的过程中几乎也是需要推倒重来的。这对于一名刚刚接触科研的本科同学来说，需要强大的心理承受能力支持。
作为指导老师，我觉得也有以下几方面的经验需要注意：
1. 给学生充足的学习时间和明确的学习目标。本科生（其实对低年级硕士生、博士生也是一样的）在刚开始接触科研的时候，往往存在基础知识不系统的问题。这时候需要给予其足够的学习时间（但也不要太长，1-2个月即可），用这段时间去读一些经典的教科书（推荐《深入理解计算机系统》，效果比《量化研究方法》要好）。让学生一开始就去读论文或者综述，往往欲速则不达。
2. 与学生协商确定研究内容。最好不要直接给学生指派研究内容或者方向，而是让其通过前一阶段的学习，自主或半自主选择研究方向和内容。也不要完全让学生自由选择研究方向，最好是给予其几个选择，并为其分析清楚每个选择的利弊，通过共同协商引导学生选择研究方向。在这个过程中，学生也可以有机会学习如何做出理性选择。
3. 协调好工程和研究的关系。工程开发和研究并不是对立的，而是相辅相成的。没有强大的工程能力支持，也很难做出好的研究成果。如果学生的工程能力基础不足，在时间允许的情况下先做一段工程开发其实对学生是有利的。但也要和学生讲明这样安排的目的和时限。
4. 寻找好的合作者。如果和学生共同商定的研究方向超出了自己熟悉的范围，最好找一位熟悉该方向的合作伙伴共同指导。能够为学生提供充足的资源支持其发展也是很重要的。
5. 深度参与和共同成长。在学生开始具体的实验之后一定要深度参与研究过程，定期讨论并参与研究走向的确定（在学生刚开始开始学术研究训练时，指导老师提出idea并深入讨论，学生主要负责实现，这样的模式是合理的）。同时在整个研究过程中，指导老师也需要和学生共同成长，不断同步学习所需要的一切相关知识。
以上。
<hr/>关于一作的问题
关于给Dingyuan一作的问题，当时我是这样考虑的：
首先，我的博士学业是在中科院计算所完成的，在计算所习惯上是做实验的学生作为论文一作，哪怕导师帮助修改了论文文字部分。另外我在芝加哥大学联培的时候，发现Prof Shan Lu老师的组里，也是学生负责做实验，老师负责写论文，然后学生是一作。所以我觉得这种分工和论文署名分配方式应该并不罕见。
其次，Dingyuan在整个project里出色的完成了全部实验，并在recycle过程中不断提升自己的参与度。他的表现对于一个本科生来说是非常出色的，甚至要强于一些低年级硕士生和博士生，因此在分配署名是我和Rujia老师也就直接默认Dingyuan是一作，我和Rujia老师作为共同一作（equal contribution）。
最后，Dingyuan作为科研新人，未来的路还有很长，希望这篇论文的一作能给他未来的发展道路带来勇气和自信。
<hr/>关于这篇论文背后的故事，其实我不是清华大学的老师，2019年时我还在中科院计算所做助理研究员，Dingyuan是一位师兄引荐给我的，是我指导的第一位本科实习生。欢迎大家访问我的个人主页：https://mingzhe-zhang.github.io，如果对我的研究工作感兴趣，也欢迎大家给我发邮件。
<hr/>最后发个广告吧。
我上个月底加入了中科院信息工程研究所的信息安全国家重点实验室，研究方向是面向新型安全应用和近数据计算的存储器体系结构优化。目前我的课题组正在招收学生（硕士生、博士生、客座硕士生/博士生）和博士后，欢迎对计算机体系结构感兴趣、希望在这一领域进行探索的同学与我联系（https://mingzhe-zhang.github.io）。
如果有同学计划出国留学并进行计算机体系结构相关研究，也可以联系Rujia老师（Home）。
此外，还有几位与我有合作的海外学者，也都非常愿意对学生进行细致的指导，供大家参考：

• 来自芝加哥大学的Prof. Frederic T. Chong（http://people.cs.uchicago.edu/~ftchong/）。这位是我博士期间在芝加哥大学进行联合培养时的导师，是计算机体系结构领域的国际顶级学者之一，近几年的主要研究方向是Quantum Computing Architecture。
  
• 来自Indiana University Bloomington的Lei Jiang老师（profile），近几年的主要研究方向是Accelerator for Bioinformatic applications。
  
• 来自Pittsburgh University的Xulong Tang老师（Xulong Tang），近几年的主要研究方向是GPU architecture。