與一些人聊天的感受

09-20

與一些人聊天的感受

大約一個月前，我和Hernan Garcia聊了半個小時。最近一周里，我去了一些別的地方，與Arvind Murugan和Howard Stone都聊了一些。加上Kranthi，我也算是見了四個老師，開了一點眼界。

Kranthi和Howard是一類人。他們有工程和經典力學的背景，和生物的人合作一些問題。Kranthi說他的興趣就是整個經典力學的範圍，雖然我看他那裡基本上是圍繞著Transportation Phenomena的一些東西。有一點彈性，一點流體，一點平衡和非平衡統計。

Howard（作為一個被廣泛認為是物理學家的人）認為物理系的很多人是在向內看（桂清躺槍，實際上，桂清這個情況比美帝還要嚴重得多。物理系基本上只有「硬」的物理學，而且大部分都是和凝聚態、量子計算、量子信息之類相關的，不過系小沒辦法。我也不是很懂這些領域。不能給出更多的意見。），而向外看的是很多工科的人。由於觀測手段、實驗手段變好，近些年來很多別的地方，不僅僅是生物，許多重要的問題可以用物理學一些簡單的手段倆解決；或者從物理學一些舊的角度看也會有新的啟發之類（桂清這點做的並不好，美帝許多好學校的化工系、分子工程系大把大把做統計物理的人）。

很多人不喜歡這類問題。也許愛因斯坦說的在薄木板上鑽孔的人做的就是這類問題。但我覺得很有意思，因為我的智力不足以和非常高明的科學或者非常厚的木板談笑風生。另外一些純物理背景的人也不喜歡這類問題。Arvind認為其中一些問題是過於還原論了，不能帶來正確的理解，或者說對於實際的知識體系沒有幫助，就像測量iMac零件的力學性質一樣，它並不能告訴人們電腦是怎樣工作的。但我認為這類只是極端的情況，就像那個生物學家拆車的笑話一樣，並不是每一個問題都要面對一整輛車。你也可能只是需要搞清楚iMac裡面的風扇是怎樣工作的，以及為什麼要有這個風扇。Arvind還認為很多問題，比如生物力學的大部分問題，Polymer Physics之類，都是過時的。他們這類人自詡做的是Quantitative Biology，這名字並不響亮，但描繪的圖景很激動人心。

這個學科主要研究的是複雜系統的性質。它最先是叫做system biology的，研究生物體內的諸多網路——主要指的是轉錄網路——的動力學。這個方向廣泛的用到非線性動力學和微分方程。同樣的理論也適用於生態學的一些問題，例如生態系統。湯超實驗室仍有許多人在做這兩種問題。Garcia做的主要就是這一類問題，他正構想著一個圖景，通過循序漸進，規劃得當的方式，以果蠅的胚胎為載體，試驗從簡單到複雜的轉錄網路系統，最終不僅弄清果蠅的事情，還要把果蠅胚胎弄成複雜動力系統的一個實驗室。這是很長遠而有意義的思路，並且現在來看，是穩步前進的，但是我個人卻對這件事情並沒有很大興趣。

Arvind最近在做的事情與深度學習關係很大，湯超也一樣。Arvind在國慶之後會去拜訪湯超的實驗室。Arvind稱這個事情的理論是intermediate timescale physics。這個來源於深度學習和一些生物過程裡面的共同點。例如免疫系統，需要識別特定抗原的模式，某種程度上，要最快而準確的提取一類抗原的特徵。由於我對於深度學習毫不了解，因此只能滿口胡言：深度學習很多時候是在高維空間的勢能上作梯度下降，並且需要快而准地找到全局的最小值。據說訓練集的輸入會不斷地改變這個勢能面的形狀。現已有一些關於spin glass的模型希望把這個化成可以用物理手段來分析的物理模型，而不同的一些輸入策略可能會使得勢能面的變化形式（之類的東西）產生區別。Arvind認為實驗上已經有足夠的證據說明勢能面變化的時間尺度和梯度下降的時間尺度可以相比的時候對找到全局的最小值幫助最大。對此我並沒有很多了解，但顯然這一類過程我並沒有聽說過前人的描述，因此是新的領域。或許會比較有意思。不過這方面的東西，由於我所知不多，因此恐怕全程腦補，難以說清。

Arvind提到了幾個重要的人，Rama Ranganathan，Surya Ganguli，Nigel Goldenfeld。我目測第一位是Quantitative Biology的大佬，所做的研究許多與蛋白質結構關係密切，第二位是圍繞著神經網路理論做研究的，而最後一位應該是凝聚態出身，但興趣極其廣泛。