計算物理在物理學界是什麼樣的地位？

11-29

做實驗的人眼中：

做計算的：這個不能算，那個算不準，還喜歡搞一些沒啥卵用的小玩意兒自（灌）娛（大）自（水）樂；不過要衝刺好文章，還需要這些綠葉來陪襯。

做理論的：安貧樂道的大神；不過不會被餓死么？

做理論的人眼中：

做實驗的：寫文章猶如看圖說話的小學生；業績考核標準全被你們拉高了；不過要想拿諾獎，還需要這些綠葉來陪襯。

做計算的：山中無老虎，猴子稱大王。

做計算的人眼中：

做實驗的：這也想算，那也想算，當超算中心我家開的啊；寫文章猶如看圖說話的小學生；業績考核標準全被你們拉高了。

做理論的：

他們又故意的高聲嚷道，「你一定又被拒稿了！」孔乙己睜大眼睛說，「你怎麼這樣憑空污人清白……」「什麼清白？我前天親耳聽人說你投了篇PRL，被審稿人批成狗。」孔乙己便漲紅了臉，額上的青筋條條綻出，爭辯道，「被PRL拒稿不丟人……PRL么……你們投怕是都不會送審……」接連便是難懂的話，什麼「symmetry-protected topological phase」，什麼「Weyl semi-metal」之類，引得眾人都鬨笑起來。教研室內外充滿了快活的空氣。

謝邀。大家的吐槽都說得特好，我就不吐了，簡單說些我自己的看法。

「計算物理」所涉及的物理學領域同樣是很廣的，就像做實驗的人，會有一些不需要任何理論背景，只是簡單組合或者重複的工作，也會有許多富有創意且有深厚物理背景的工作一樣。在計算方面，我想，從研究的目的出發，我個人覺得可以將其粗略地分成兩塊。

實驗結果驅動的計算。我是指那些希望通過計算，構建各種接近物理實際的體系，通過計算來「預測」實驗結果的工作，這些計算的計算量比較大，也是目前發展比較快的領域。
理論模型驅動的計算。我是指那些在理論物理學研究中必要的計算，這些計算往往涉及的是比較抽象的體系，計算量跟前者比起來相對小一些，在這些問題的研究中，「計算」更像是在輔助理論研究的工作。

如果我們單看前者，其實大家的吐槽都挺對的。個人感覺同樣如此，在物理學（而非工程）的範圍內，我認為理論、實驗、計算真正三足鼎立的時代還沒有到來，一方面是因為現在被廣泛使用的諸多演算法其實總是相對比較簡單的，更重要的是，現在計算還沒有到可以獨當一面的程度，只是有的朋友相信這只是時間問題，有的朋友會更悲觀些。不過不管怎樣，在目前的在大多數情況下，計算的「預測」是為了降低實驗的成本、理解實驗、預言某些可能的現象等等，但最後的裁判總是實驗，實驗測出來是怎樣那就是怎樣。想到這裡會覺得心都碎了。

但如果看「理論模型驅動的計算」，要知道在那些推導之外，今天理論物理的研究者已經不能再離開計算機了，儘管這些計算的計算量跟前者比起來仍然很小，而且當前者在計算各種酷炫體系的時候，理論研究者仍然在利用計算處理一些接近傳統的問題：矩陣運算、各種 Ising 模型的變形，各類隨機行走、基本的微分方程求解……這時的計算物理是一種如呼吸般的必要，又是最便捷的手段。更重要的是，通過適當的簡化，計算可以幫助我們對我們關注的問題建立清晰直觀的物理圖像，這是我們理解各類抽象模型的關鍵所在。這些計算真正改變了現在理論研究的面貌，當然，只是如果這些研究者被人問起來，「你是做計算的嗎？」他們會回答：「不不不，我是做理論的。」

雖然搞計算的認為是與理論物理和實驗物理三足鼎立，但是搞理論和搞實驗的互黑的時候並不會帶上搞計算的（參見在物理學中，是否可以說有一部分做理論的人對於應用學科或者做實驗的人存在優越感？）。

在我做的 QCD 這塊已經開始形成實驗、理論、計算三足鼎立的狀態。主要是因爲 QCD 理論實在是沒法算，模型又不靠譜。而 lattice QCD 至少是第一性的。現在像 muon g-2 這些量用模型計算和實驗值衝突，就需要 lattice 來算一下。

凝聚態那邊計算用的也很多，貌似是比如有人搞出一個巨詭異的作用量，大家一時間不知道怎麼算，就先模擬一下這樣，不過我不是很瞭解。

我的感覺是計算的角色會越來越重要。超級計算機的效率正在越來越高，更重要的是在高能這一塊，計算的週期一般比實驗要短，高能實驗一做動輒就是五到十年，發出論文來成百上千的作者… 感覺略坑爹啊…

作爲一個搞計算的科學工作者，我跟人聊天時經常把「未來是計算的世界」這句話掛在嘴邊…

———————————

UPDATE: 今天（2015-07-15）的 lattice 會議有一個很牛逼的 talk 是算 CKM matrix 里的矩陣元，精度已經比實驗高了，而且為解決試驗和理論的 discrepency 提供了很好地 input. 牛逼閃閃，我很欣慰。

其實在強關聯電子這一塊兒，計算還是相當重要的。絕大多數的工作是計算，實驗和理論都不太好做。

但是要說靠譜這件事，我對實驗理論懂得不多。僅就我了解的來看，實驗，理論，計算都沒有太多靠譜的東西，這也是為啥在強關聯領域，大家都還相安無事。

實驗物理認為計算物理是理論物理；理論物理認為計算物理是實驗物理

如果把理論和實驗比喻成兩軍交戰的話，那做計算的就是給兩邊賣軍火的。

好想讓丁澤軍來回答………

修改
已經上了丁老師的課，丁老師一臉無奈，因為理論的認為計算物理是數值，實驗的認為計算物理是理論。然後還不怎麼受科院某些頭頭待見

三足鼎立啊，計算需要符合理論和實驗，但完全可以獨立出來自成一派。計算可以搞起來可以和理論幾乎沒有任何關係啊。只要別違背理論就好。演算法嘛，好用就是了。具體是基於什麼理論的可以慢慢想。

比如MD（分子動力學）這個玩意，你要細究起來理論上也是解釋不通的。原子尺度的相互作用怎麼可能用經典力學去解釋？當然，從演算法的角度來說我覺得MD是一個非常巧妙的設計。實際上MD的五個步驟最大的好處是，代碼會搞得比較好寫。再比如說，蒙特卡洛演算法的一個最大的好處就是，如果我們用其他方法強行求解一個複雜體系，這個演算法的時間複雜度會很大（也就是說，我們可能什麼結果都得不到，或者得到的成本會很高很高）。那麼怎麼辦呢？用MC可以大幅減小其中的計算成本。這就很好了。

當然這背後有Born-Oppenheimer近似這個理論去支撐。推導也非常簡單。原子之間的相互作用，必然用量子力學解釋。然後方程右邊寫兩項：S.E(薛定諤方程)+Born-Oppenheimer近似。接下來把方程列出來：

H=sum(原子核的勢能)+sum（電子之間的相互作用勢能)+external field

然後用單位原子去簡化公式。接著我們從最簡單的角度來看：只考慮原子核的相互作用勢能（把電子之間的相互作用勢能可以去除），一個很簡單的integrator一構造：okay，代碼就可以寫了，演算法也可以做了。

我的意思也很簡單：Although quantum mechanics and statistical physics are precise science and MD, MC are all about approximation, but our goal is just to solve the problem. 而且往往這種演算法貌似很複雜，但背後還是有well-established theory的。

沒有well-established theory的計算演算法其實生命力也不會非常茁壯。比如做MD，有一個很容易想到的演算法：Taylor series展開，然後用不同的冪次去試。為啥這個演算法是不存在的呢？因為違背了關於原子相互作用的基礎理論啊。

但假如被化學，生物，金融工程用MD，MC的朋友們吐槽怎麼辦？把演算法做的精細一些咯，當然，計算成本也會往上上升。越複雜的問題就用越好的模型嘛。

我覺得你與其說MD是不是對的，不如討論，這玩意好用不好用。不好用嘛，換蒙特卡洛，量子模擬，機器學習，反正好用才是第一位的。

其實類似的思想，工業界的程序員也可以學習一個。比如某年阿里的機器學習大賽，最優秀的那個組用的演算法反而很簡單：好用+結合業務流（你不要違背業務邏輯，同時把演算法搞得很明白很簡潔，當然我知道樓上那一堆MD和MC的演算法你可能理解起來比較困難，假如你沒學過統計力學的話）。

演算法這個東西，不違背業務邏輯（基礎理論），盡量做簡單，就是最好的。他應該是一幅寫意的畫，而不是工筆畫。

有一句人神共憤的說法（請勿傷害信使），

一流的工作是在信封背面做出來的；二流的工作是在草稿紙上做出來的；三流的工作是在超級計算機上做出來的。

灌水之王。

節省了物理研究人員的時間，延長了物理研究人員的壽命

據我了解，引力相對論領域有個分支叫數值相對論的，在求解黑洞解的時候，跟理論的區別在於他得到的解往往是近似解，由於藉助計算機的數值分析，可以得到更多理論暫時無法得到的解。但這些近似解往往被搞理論的認為意義不那麼大，或者換句話說對搞理論的人來說，即使得到了近似解對他們的工作也不算多大幫助，因為他們要的是精確解。
所以我認為，計算物理的意義只能在應用領域實現吧！

搞計算化學的表示：物理學不過搞物理的，編程編不過搞CS的，實驗做不過搞化學的，那就只有滾去做計算咯。

我只知道計算電磁學不屬於物理，算是工科。

現在做理論的，同時不做大規模計算的，還有嗎？

按照老闆一臉鄙視的說法：計算機是算不出諾貝爾獎的。

作為學界叛徒，冒昧寫點。
計算物理，或者科學計算應用，毫無疑問當與理論、實驗齊肩比立。
不管是簡單的toy model，或者是高大上的超級計算並行才能求解的分子動力學、第一性原理計算，都是拓寬認知邊界的工具和手段，而如何認知、理解世界，那隻能取決於人或人類的想像力和創造力。