響應速度。你的探測器響應速度 1 微秒，別人的 1 納秒。結果不穩定的自由基壽命只有幾百納秒。你的探測器直接看不到。怎麼搞？

信噪比。給定條件下，信噪比 * n，積分時間需要 * n^2。別人的信噪比倘若是你的 10 倍，測量時間就可以比你快 100 倍。人家一天實驗做完了，你得連著做三個月（還得祈禱中間儀器一直狀態穩定）。等你數據剛拿到手，人家文章都發了。怎麼搞？

更不要說，有些大牛組還有全球額外的稀缺資源。有的組有大量的同步輻射光源時間，有的組和天文臺、航天局有合作，能夠幫他們測試最新一代地面和空間望遠鏡上的光譜儀原型機。加州理工隔壁就是 JPL，有各種全世界最先進的譜儀。哪怕人家 10 年前的貨淘汰下來，可能都比商業上能買到的好。普通人買得到嗎？沒得賣！

硬體條件不夠的話，別人能看得見，你完全看不見，別人搞得到的數據，你根本搞不到。還搞個毛線？洗洗睡吧。

科研往往是一個試錯的過程，充足的硬體意味著更多的試錯機會，或是更低的試錯成本。

在硬體條件有限的情況下，我們往往只能去選擇做一些短平快的研究，不敢去嘗試新穎有風險的項目。這種情況下，很難取得出人意料的科研成果。

我是做計算模擬的，最主要的科研硬體就是超級計算機。

一開始，我手上有個粗糙的理論模型，需要用大量的計算去驗證以及完善這個模型。粗略估計了一下，大約需要計算一萬個數據。

當時課題組的計算資源是人均100 cpu 核心不到。而100個cpu 核心一小時大概能算8個數據。一萬個數據需要大約52天。耗時太長，無奈擱置。

好在不久後我去了國外一個大學進行聯合培養。該校的超算比較給力，牟足了勁我能用1000+的cpu 核心。我如同劉姥姥進大觀園，趕緊把以前擱置的想法拿出來實踐。得益於計算資源的數量級增長，計算這一萬個數據加上期建模調試代碼的時間，也就花了一週左右。

很不幸，這一萬個數據並不理想，重新修改模型進行計算，反覆兩三次之後，纔得到了比較滿意的結果。

但如果我擁有的計算資源一直是100個cpu核心，我是很難鼓起勇氣去算這一萬個數據的——要是結果不好我博士就畢不了業了啊。

所以我認為，想要取得滿意的科研成果，充足的硬體確實是必要條件。

謝 @芝士喵 邀。

別的領域不清楚，但是道理應該是相通的。硬體的好壞直接決定效率的高低，砍樹用電鋸或是斧頭，效率是高下立判的。所以在我們有機化學領域，一般來說硬體能幫你節省的時間越多，你的效率自然越高，做出成果的可能性越高，自然影響就會很大。

很榮幸，因為老闆的緣故，美國的代表性公立和私立大學都待過，不得不說美國大學科研硬體是真的強（相比於幾年前我還在北大的時候，現在不清楚差距如何）。

四年前剛來美國的時候，走進實驗室我以為在做夢。我的通風櫥比以前在國內加寬了一倍左右，通風櫥裡面有完備的氣路設備，這都是以前無法想像的。做實驗的直觀體驗就是，我能同時架三四個反應還有足夠大的空間來過柱子和處理別的實驗，這在以前那個空間下是做不到的。完備的氣路設備能讓我快速獲得低真空、空氣壓縮和惰性氣氛，過柱子和開反應的效率都極大提高。說起有機磚工大家最喜歡自嘲自己是過柱子的，你就知道過柱子的效率對你的科研效率有多大的影響。有了這些硬體設備，我過柱子開反應都更高效了，實驗進展也就更快了。

除了每天朝夕相處的通風櫥，很榮幸的是，我們實驗室擁有各種儀器設備，GC，GCMS，HPLC，FTIR，GPC，旋光儀，溶劑處理系統等等。在你需要做相應表徵的時候，你不需要依賴別人就能快速獲得你要的數據，這一點對提高效率至關重要，這意味著你的效率完全掌握在自己的手裡；當你需要高質量的溶劑的時候，溶劑系統能幫你節省大部分蒸餾乾燥的時間，也減少了蒸餾溶劑需要接觸到的潛在危險。

除了自己實驗室，整個化學系的硬體也很重要。不管是我之前待過的公立學校UT Austin還是現在私立芝加哥大學，化學系的儀器設備條件都非常完備。對比之下，以前在北大化院的時候，雖然部分儀器可以自己操作，但是儀器的數量有限人一多這排上隊效率立馬就掉下來了；部分高級的儀器還不能自己操作，只能提交樣品等待管理員幫你測試。現在啊媽媽再也不用擔心我遇到這些問題了，所有儀器培訓之後全部可以自己操作，對，你沒看錯，通通自己操作！設備量也很足，所以雖然我們系裡幾十人的大組很常見，但是大多數時候提前預約好都不需要等待，所以基本上想什麼時候拿到數據就能短時間拿到，完全不依賴別人。當然這兩所學校不能代表全部，但即便是不能自己操作，只要自己提前安排好時間，也能更快拿到數據，畢竟硬體設備就擺在那兒不是開玩笑的。

有了硬體支持，自己做實驗體驗更好了，心情也更好了，效率想不高都難。

作為一個即將/希望今年畢業的計算機博士，從成長曆程聊一下實驗室的硬體條件好壞對我科研/論文發表的影響。

前言 - 自從本科組成原理課程設計用邏輯門電路搭了一個簡單的處理器開始，就對計算機系統結構產生了濃厚的興趣，也就一腳踏進了這個領域。時至今日，已有八九年了。計算機系統結構的研究，需要用模擬器來驗證自己的想法，使用benchmark大量跑simulation。因此對實驗室的硬體條件有較高的要求。

下面，分4步講一下我從國內到國外，逐漸打怪升級的成長路線。

Step1－初出茅廬

六七年前開始在一個號稱建造了當時全球最快的超級計算機的高校讀研，需要跑simulation，只有自己的臺式機可以用，4-core。然後腆著臉去另外一個實驗室蹭他們的32-core的伺服器，被他們的老師指著鼻子罵出來。現在想想，當時的場景真是記憶猶新。

總算實驗數據啥的都跑了出來，把工作投到了全國計算機體系結構學術年會(ACA)，還拿個best student paper的award。一把辛酸淚。

Step2－小試牛刀

後來我把實驗室沒人用的，已經淘汰的臺式機找了出來，2-core, 4-core的都有，大概四五臺的樣子，搭建了一個小的cluster,在上面繼續跑simulation。當時覺得自己真是聰明，美滋滋。

在這一個小cluster上大概用了一年時間做了兩個工作，一個中了ICCD，一個中了DAC。

Step3－登堂入室

出國讀博之前，我換了筆記本電腦，用兩臺Mac Pro的銀子，買了臺戴爾的移動工作站。原因只有一個，如果國外的實驗室也像國內的一樣，我就用自己的移動工作站跑simulation, 自帶乾糧搞研究。

然後到了國外，問實驗室裏的人有沒有伺服器讓我跑simulation。被告知我們有個一個小集羣，8臺32-core伺服器，但是需要提交任務到該集羣，然後由調度器統一調度執行。問題是目前調度器只支持我們實驗室自己的模擬器sniper,跑不了我的模擬器GPGPU-sim。正在我認為要歇菜的時候，他們說咱們實驗室還有幾臺閑置的伺服器，沒有在集羣裡面，給你一臺，你自己隨便折騰去吧。於是，我一個人開始使用一個32-core伺服器。後來，趕deadline時，我把那幾臺閑置的全部搞過來跑實驗了，總共5臺，真覺得自己像土財主，富得流油。

用實驗室的伺服器跑的數據，發了兩篇文章，一篇CALs, 一篇TPDS.

Step4－遊刃有餘

再後來，實驗室的計算資源已經滿足不了我的研究需要了。原因是我之前做的是單任務的優化，假設我有15個程序，我只需要跑15個simulation就可以驗證一種設計方案了。後來，我轉向了多任務的優化，假設我有15個程序，兩個程序的組合就有105種可能，四個程序的組合可能性就更多了。於是，我開始在學校的HPC中心申請賬號跑simulation。本校的HPC中心全球都排不上號，但是給學生免費用，而且用戶體驗特別好。記得一次趕deadline之前，一口氣同時跑了1000多個simulation。

用學校的HPC做的工作，發了篇ICS, TC, ISCA，現在還有一篇被拒的論文在投。好吧，明天就是論文的deadline,我還有空閑時間碼知乎。

想想當年人窮志短，到處求人，勒緊褲腰，喫糠咽菜也要搞科研的窮日子，只能說自己too young, too simple, sometime naive。

一路走來，硬體裝備慢慢變好，自己的研究能力也逐漸增強。總結一句話，認準一個目標，那就在年輕的時候用盡全力去追逐吧。即使最後沒有成功，也不會後悔，畢竟自己在年輕的時候努力過。

附錄

實驗室去年又買了16臺36-core伺服器

加上之前的集羣，大概是800多個物理core。然而，deadline之前還都是滿滿的負載。於是組裡deadline之前，趕paper的同學會羣發封郵件，我們要趕paper了，集羣大家就不要用了。然後他們內部分配一下，XX,你提交500個任務就行了，留300個core給我，我今天晚上還有新的任務要launch上去。

---

能夠讀博士的人大多是智商和努力程度都要高於普通人的。但是出成果卻很大程度上受實驗室條件和科研方向的限制。博士圈最大的謊言是努力就有回報，很多人吭哧吭哧兩年加班加點都做不出成果的比比皆是。能發Nature，science的除了個別人真的是NB到親媽不認，大部分人是沾了導師圈子的光。實驗室條件那更是決定成果的絕對標準。

博士研究基本分三種，理論，實驗，模擬。理論圈是大神圈，能做這個的太少太少。大部分人做的是實驗或模擬。實驗條件對實驗研究的意義沒人會去否認，很多高分答案也談到了。這裡我講個我親身經歷的關於模擬的故事。可能很多人對模擬有偏見，覺著不就是拿臺電腦就能做的嗎。實際上不純粹是。現在大型的模擬動輒上百萬上千萬的計算單元，一臺筆記本是完全算不動的。

我曾經做過一個項目，體系非常龐大，我動用了我們學校的超級計算機資源，排一天的隊申請到16個nodes，一共是256個processor，花三天時間算完一個case，然後存儲下來的data還受超級計算機管理處的最大存儲容量限制。就這樣浪費了接近一年的時間，就驗證出來某個模型是不好使的結論。同樣類似的研究，斯坦福大學某知名學術界大牛也在做，人家相關內容發表的文章都10好幾篇，各種data各種相關研究讓人眼花繚亂。該大牛來我們學校交流的時候，我問他你們為什麼能夠做出來，該大牛問了下我的計算資源，我說大部分時候用64個processor，少部分時候才能用256個processor，還需要排很長時間的隊。該大牛停頓了一下說，他們實驗室裏就有workstation，一個case至少能調用的processor有2000多個，不需要排隊，然後留給我一個要不你換項目吧的眼神。然後我真的就換項目了。

現在已經脫離化工的坑，靠自己還算過得去的編程能力轉行做IT。我覺著那次談話就像是一個wake up call。在絕對的裝備和人民幣玩家優勢面前，你一切的花式操作都是徒勞的。解放軍都有火力不足恐懼症，當一個博士生意識到硬體條件不行的時候，往往已經是博士尾聲了，沒有多少時間留給你了。

在自己寫的勸退帖子（生化環材勸退）中也說過，做博士走學術圈，要麼你真的是NB，要麼你跟了NB的老闆，否則轉行吧，在這個行業混下去沒啥意思，要錢沒錢，要文章沒文章。用你做研究的努力態度和遠高於一般人的英語水平轉行做什麼做不了？

---

推薦閱讀：