世界

闭上眼睛,想象科学家你看到了什么

也许阿尔伯特·爱因斯坦专心地盯着一块难以理解的方程式的黑板,或亚历山大·弗莱明,蜷缩在实验室的长凳上,盯着培养皿

可能的是,你会把科学家想象成一个有智慧的个体,与大自然的秘密英勇地斗争,并寻找将改变我们对宇宙的理解的“尤里卡!”时刻

这种个人努力的概念隐含在日常用语中科学家们自己我们谈论牛顿运动定律或孟德尔遗传我们每年都有诺贝尔委员会的声明,它将科学奖项授予每个类别中至多三个活着的个体当代流行文化向我们展示了大爆炸理论的谢尔顿库珀等人物

一心一意地追求一切理论但是上个世纪的科学实践已经见证了从个人到群体的重大转变,因为科学研究变得更加专业化,研究问题的本质也随之而来变得更加复杂,需要越来越复杂的方法孤独的科学st似乎几乎是一个神话现在进行的大部分科学是大科学,其特点是由多政府十亿美元的投资支持的主要国际合作例子包括努力建立下一个原子粉碎机来寻找希格斯玻色子,揭开第一代恒星或星系的望远镜,以及解开人类基因组复杂秘密的技术科学发展的关键驱动力之一是计算机功率和存储的同样惊人的增长大科学现在等于大数据 - 例如,当平方公里阵列在2020年开始观测天空时,它将在第一天生成比当时互联网上存在的更多数据

强大的超级计算机是研究人员用来筛选的宇宙观测产生的大量数据,无论大小,同时,它们被用来提供对复杂现象的见解在模拟宇宙中 - 从原子和分子排列在新材料表面的方式,到折叠蛋白质的复杂性,以及由暗物质和暗能量占主导地位的宇宙中的结构演化,大科学已经导致了我们对宇宙的理解,但它对尖端计算的依赖已经带来了许多新的挑战,不仅在超级计算机和海量数据存储的成本和运行费用方面,而且在于如何利用这种新的功能不同于一般计算机用户 - 他们可能只想查看电子邮件,社交媒体或浏览照片 - 科学家们经常需要让计算机做一些以前没有做过的事情

它可以通过预测形成星系中暗物质和原子的复杂运动来做任何事情

或者在生物信息学领域挖掘丰富的遗传数据与普通用户不同,科学家很少有现成的解决方案和软件包要解决他们的研究问题他们需要新的本土项目,需要从头开始编写但现代科学家的培训很难为这样一个高科技的未来做好准备研究一个专注于理论和实验的传统科学学位,他们对支撑现代科学的计算和数据密集型方法的接触有限这种方式在他们进入研究生阶段时会发生变化 - 这些科学家在训练中处于研究的最前沿,但最前沿的计算工具通常不会他们必须开发它们结果是许多训练中的科学家没有能力编写适合目的的软件(或代码,用研究人员的日常用语),就像驾驶和孩子一样如果你试图批评他们的努力,他们可能会变得非常交叉,或者建议有更好的做法

这种系统性的失败更加复杂于g的写作在科学的真正努力中,这种技巧并不是一种琐碎的工艺(一种让我们感到绝望的态度)

因此,许多领域充斥着糟糕,低效的代码和数据集,这可能并不令人惊讶

太广泛而无法正确探索 当然,有些人可以更有效地使用高效和尖端的编码

他们可以编写程序来模拟Universe并利用新的基于GPU的超级计算机,或者有效地查询多维基因组数据库编写这样的代码可能是一项重大任务,耗费整整三到四年的博士学位对于一些人来说,他们能够使用他们的代码来获得新的科学成果但是,代码开发的全部性质往往意味着个别研究人员可能无法揭露主要的科学成果,错过了作为现代科学的货币的出版物和引文

其他研究人员,那些只是使用而不是开发此类代码的人,能够获得回报,这更好地为学术生涯铺平了道路

给那些寻求回答问题的人带来的回报,而不是那些能够解决问题的回报

随着出版物的减少,那些开发了s所需工具的那些科学界发现自己被推向市场,而学术界一些资深学者认识到这种职业自杀的道路,年轻的研究人员被引导进入一个更加稳定的未来项目(像学术职业一样稳定)但我们当时面临着对于谁将为大科学继续蓬勃发展开发必要工具的挑战越来越大所以,答案是什么

显而易见,科学需要在理解什么才能成为一名优秀的现代科学家的过程中进行文化变革以及与我们的计算机科学家同事建立联系,我们需要判断早期科学家的文章输出和引文数量以上我们需要检查他们的贡献在更广泛的背景下,在这种背景下,我们需要建立一个职业结构,奖励那些制造允许大科学发生的工具的人,没有他们,超级计算机会用低效的代码呻吟,我们只是淹没在迎面而来的大量数据