-
讓品牌有溫度、有情感
專注品牌策劃15年
-
當前位置：首頁 > 創(chuàng)意學院 > 技術 > 專題列表 > 正文
中國基礎科學研究（中國基礎科學研究院）
發(fā)布時間：2023-04-14 07:59:31
稿源：
創(chuàng)意嶺 閱讀：
128
大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于中國基礎科學研究的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。
開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等
只需要輸入關鍵詞，就能返回你想要的內容，越精準，寫出的就越詳細，有微信小程序端、在線網頁版、PC客戶端
創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008
本文目錄:
一、中國能不能在基礎科學研究上搭便車？
這個問題其實就是簡單的科學就能達到你說的這個問題。具體的情況我想大概的說一說，希望能解決你的疑惑。
首先
我們可以思考人類的發(fā)展。對于整個人類來說，只有不斷地推進我們認知的邊界，才能更好地發(fā)展和生存。然而，基礎研究是昂貴的。世界上絕大多數國家都無法真正實施有效的基礎研究。他們沒有錢，也沒有研究系統(tǒng)的規(guī)模。因此，推進人類認知邊界和促進人類對客觀世界的認知的任務落在具有開展此類研究能力的國家身上。如果我們不學習，我們就不會進步。其次，我們可以從國內發(fā)展的角度來考慮。
其次
推進人類認知邊界和促進人類對客觀世界的認知的任務落在具有開展此類研究能力的國家身上。如果我們不學習，我們就不會進步。我們可以從國內發(fā)展的角度來考慮。以科研為基礎，將帶來一系列的教育體系、科研體系、能夠輸出高質量的人才，并使行業(yè)能夠跟上基本學科的發(fā)展。幾十年來，許多重要的工業(yè)技術落后于基礎學科的發(fā)展。
再次
如果沒有相關的人才，這個過程可能會更慢。而且，一旦一個基本的學科技術可以進入工業(yè)化軌道，必要的人才就足夠多了。如果你以前沒有投資過相關的研究領域，那么在商業(yè)化的過程中，你會在哪里獲得如此多的專業(yè)人員呢?一個國家的發(fā)展，尤其是它的發(fā)展，需要無數的產業(yè)才能到達世界的頂端，并且有大量的產業(yè)是獨一無二的。在這些行業(yè)的發(fā)展背后是大量的研究投入。沒有足夠的研究投入，就沒有發(fā)達的經濟。一些發(fā)達國家在這方面犯了錯誤。我們國家不應該犯類似的錯誤。
最后
現在的科學研究早已經不是那個單打獨斗的時代了，意思就是說科學研究不僅是為了研究問題，更是為了能夠培養(yǎng)人才隊伍。
二、近些年有什么基礎科技技術的突破？
近些年來，基礎科技領域發(fā)生了許多重大的突破。以下是其中一些值得關注的：
1、量子計算機：
2019年，谷歌宣布在其Sycamore量子計算機上完成了一項具有里程碑意義的計算任務，證明了量子計算機在某些情況下比傳統(tǒng)計算機更有效。這項技術的發(fā)展可能會導致許多應用程序的重大突破，例如更快的藥物開發(fā)和更高效的數據加密。
2、基因編輯：
基因編輯技術，特別是CRISPR-Cas9技術，已成為生命科學領域的一個重要工具。它可以準確地更改基因序列，對于治療遺傳性疾病、創(chuàng)新農業(yè)生產和研究動植物等領域都具有巨大的潛力。
3、人工智能：
深度學習和神經網絡技術的進步使得人工智能在許多領域的應用更加廣泛和深入。例如，自然語言處理和計算機視覺技術的進步，使得機器能夠理解自然語言和圖像，從而實現更加智能的自動化和人機交互。
4、太陽能技術：
太陽能技術的成本在過去十年中急劇下降，這使得太陽能電力的使用變得更加實惠和可行。此外，新的太陽能電池技術也在不斷研究和開發(fā)中，可能會進一步提高太陽能電力的效率和可靠性。
5、量子通信：
量子通信是一種基于量子力學原理的安全通信技術，它可以實現絕對安全的數據傳輸。近年來，量子通信技術取得了重大進展，例如實現了遠距離量子密鑰分發(fā)和量子保密直接通信。
這些技術突破將對許多行業(yè)和領域產生深遠的影響，帶來新的商業(yè)機會和社會發(fā)展機遇。
三、什么中國古代技術發(fā)達,但是近代少有原創(chuàng)性的基礎科學研究成果?
古代的技術再發(fā)達，也是遠遠比不上現代技術的。題主所說的古代技術發(fā)達，只是因為當時全世界都不發(fā)達，對比起來顯得比較發(fā)達而已。三十年河東，三十年河西，更因為歷代封建王朝對技術的不重視，其他國家也發(fā)展起來并超過了中國。這沒什么，現在中國對技術也重視起來了，只要肯投人和錢，找對方向，技術什么的都會有的。
四、“把問題底層原理搞清楚”就是基礎研究
作者 包云崗
最近，谷歌旗下的DeepMind公司在Nature上發(fā)表論文宣布使用其開發(fā)的人工智能程序AlphaFold 2將人類98.5%的蛋白質預測了一遍，并決定公開AlphaFold 2的源代碼，免費開源有關數據集，供全世界科研人員使用。
那么，AlphaFold算基礎研究嗎？
對此，中國工程院院士李國杰將AlphaFold歸為工程科學技術——“工程科學技術不只是工具，也不僅僅是基礎研究成果的應用，而是在基礎研究中可以發(fā)揮巨大作用的重要組成部分”。
筆者對于李國杰的這個論述特別有共鳴，同時個人對基礎研究有以下幾個觀點，謹為拋磚引玉。
科研有其自身的規(guī)律與法則，如果不按規(guī)律辦事，就會事倍功半。
那么，基礎研究有什么規(guī)律？事實上，對于基礎研究不同的定義反應了不同角度的認知，對應的具體實施方式也不同。
總的來說，過去幾十年主要有兩種對基礎研究的定義：
其一，Vannevar Bush在線性模型下定義基礎研究和應用研究，這種模式就把基礎研究看作是一個知識儲備池，是技術進步的源泉。
在這種定義下，基礎研究的作用是產生知識，不需要考慮和具體技術的關系，因此在實施層面，“廣撒網”可能是最有效的產生多樣化知識的方式。
其二，Donald E. Stokes通過四個象限來定義不同的研究類型，Stokes把基礎研究分為純粹基礎研究（玻爾象限）與“由應用驅動的”基礎研究（巴斯德象限）。
在實施層面，波爾象限和線性模型下的基礎研究基本一致。
而巴斯德象限中，要用尖端的基礎科學研究來解決迫切、強烈且巨大的現實需求；在實踐時，通過解決實際問題“倒逼”科研人員把一些應用問題的底層原理搞清楚。
筆者更青睞Stokes的四象限模型。
在筆者看來，“把問題的底層原理搞清楚”就是基礎研究。
其實波爾象限與巴斯德象限在具體科研實踐時其實是一樣的，就是“把問題的底層原理搞清楚”，只是問題的來源有所不同而已。
波爾象限的問題來源主要來自學科自身，如為什么會有量子糾纏現象；而巴斯德象限的問題來源主要來自現實應用，如牛奶如何保鮮。
從“把問題的底層原理搞清楚”這個角度來看，只要能提出一些未解的問題，那就有潛力做出好的基礎研究工作。
我們可能都有一個體會， 科技 攻關時“第一次”往往特別困難，比如第一架飛機、第一顆原子彈、第一顆人造衛(wèi)星、第一款CPU、第一次火星登陸等等。哪怕曾經有其他國家實現過，另一個國家要實現“第一次”依然很艱難。
為什么？這主要因為這些“第一次”輸出的不僅僅是一款原型系統(tǒng)，還包含背后一套研制該原型系統(tǒng)的技術流程以及相應的平臺、材料、試劑、設備、儀器等，也就是科研基礎設施。
這些科研基礎設施的作用正是“把問題的底層原理搞清楚”，比如為研制飛機建設的風洞，研制CPU需要有高精度的仿真器和模擬器。
即使在物理、化學、天文等領域的基礎研究，現在也都離不開各種尖端設備和儀器，像研究核聚變的EAST托卡馬克裝置、研究天文的FAST望遠鏡等。
在筆者從事的CPU芯片設計領域，很多人都看作是純粹的工程技術，認為這里面沒有基礎研究。
但在筆者看來，能把CPU設計空間中一些問題的底層原理搞清楚，就是基礎研究。
舉個例子，蘋果最近推出的M1處理器性能甚至超越Intel的桌面處理器，這得益于Ml采用了約600項ROB，這完全顛覆了傳統(tǒng)CPU架構設計人員的觀念，因為以往CPU的ROB一般都不超過200項。
也許用反向工程思維，可以很快做出一個也具有600項的CPU架構設計來。
但是，誰知道蘋果為什么敢這么設計？為什么是600項ROB，而不是400項，或者800項？反向工程只是工程技術，但是如果能把這些問題的底層原理徹底搞清楚，那就是CPU架構設計領域的基礎研究。
要搞清楚底層原理并不容易，這需要一整套CPU架構設計基礎設施的支撐——從程序特征分析技術、設計空間 探索 技術、高精度模擬器、系統(tǒng)仿真技術、驗證技術等；還需要對大量程序特征進行分析，需要收集大量的原始數據，需要大量細致的量化分析，需要大量的模擬仿真……這些都是為了把底層原理搞清楚。
某種程度上，相比較于原型系統(tǒng)，平臺/材料/試劑/設備/儀器等科研基礎設施是更重要的輸出。
只有具備這些，才能不斷地去深入 探索 各種現象的底層原理，才能支持后續(xù)的迭代優(yōu)化，同時也能成為培養(yǎng)人才的基地。
基礎研究和工程技術并不是簡單的二元對立。
相反，在很多領域基礎研究和工程開發(fā)是交融在一起的。
出現這種交融是因為很多研究所需要的科研基礎設施，如新平臺、新設備、新流程都需要工程投入。
即使是探測引力波、希格斯粒子這樣的基礎研究，也需要工程投入研制LIGO、LHC這樣的儀器設備。
一旦有了這類科研基礎設施，其他人在上面開展科研就會容易很多。
美國基礎研究很強，其中一個原因在于有不少學者在大學里和企業(yè)研究院里建這些科研基礎設施。
比如在CPU芯片設計領域，有GEM5模擬器、CACTI模型、FireSim仿真平臺等一系列基礎設施，這可以讓其他大學的學者更容易開展研究。
因此，有一些學者認為基礎研究不需要工程，主要還是因為有人幫他們把底層的科研基礎設施已經搭建完善，讓他們可以更容易地去做優(yōu)化，更容易發(fā)表論文。
美國的很多 科技 企業(yè)內部也會構建一套和學術界總體上打通的科研基礎設施（有開源共享的、有內部自研的）。
通過將業(yè)務需求和內部數據導入到企業(yè)的科研基礎設施中，就能很容易消化學術界產生的新想法，集成到企業(yè)的產品中。
因此，打通的基礎設施加上人才流通，這是美國學術界—產業(yè)界形成“創(chuàng)新想法—得到應用—收集反饋—新的創(chuàng)新想法—得到新的應用”這個閉環(huán)的重要原因。
但是，中國的學術界—產業(yè)界之間尚未形成這種高效的閉環(huán)，大多數企業(yè)還沒有和學術界打通的科研基礎設施。
所以對于中國的學術界來說，更需要參與科研基礎設施的建設，尤其是和企業(yè)一起來補科研基礎設施的課。
雖然很多基礎研究是純理論 探索 ，幾個人的小團隊甚至一個人便可開展。
但也有很多基礎研究需要大團隊，需要管理與組織，例如探測希格斯粒子、研制LIGO觀測引力波等。
美國國防部高級研究計劃局（DARPA）資助了很多顛覆性創(chuàng)新項目。
我們觀察DARPA的項目立項與執(zhí)行過程，可以看到有一些共性特征：首先會暢想未來，設立激進的目標；科學地把激進目標分解為一系列子任務；制定具體子任務的實施計劃，包括目標、時間節(jié)點等；子任務最后要集成到一個原型系統(tǒng)中。
“項目主管”會負責上述4個任務，具有絕對的項目決策權，同時也對項目負責，相當于抓總。大量實踐證明，這種科研組織管理模式具有很高的效率。
這種模式對基礎研究也有效。
以清華大學類腦計算研究中心為例，該中心于2014年成立，成員來自清華大學不同的院系。
他們的研究模式就類似DARPA項目，整個團隊圍繞“天機”類腦芯片開展全棧研究，并集成到自動駕駛自行車系統(tǒng)中，形成具有很好顯示度的科研成果，發(fā)表多篇Nature、Science論文，入選中國十大 科技 進展等，同時也把清華的類腦計算學科建立了起來。
回到本文開頭的問題：AlphaFold算基礎研究嗎？
根據本文的討論，我們可以得出如下結論：第一，AlphaFold研發(fā)的過程中面臨很多未知的問題，把這些問題的底層原理搞清楚，就需要基礎研究；第二，Alpha Fold是蛋白質結構預測領域的科研基礎設施，它本身就屬于蛋白質結構預測領域基礎研究的一部分。
（作者系中國科學院計算技術研究所副所長、研究員）
以上就是關于中國基礎科學研究相關問題的回答。希望能幫到你，如有更多相關問題，您也可以聯系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內容。
推薦閱讀：
中國古典園林景觀設計優(yōu)點（中國古典園林景觀設計優(yōu)點和缺點）
贛公網安備 50019002502384號
