学习
实践
活动
专区
工具
TVP
写文章

第一篇小论文的发表心得

小编最近在看新的文章,突然回忆起第一篇文章的种种过往。很想来絮叨絮叨。说实在的,一个人闷着头搞研究,出第一篇文章真的相当难,那时一直是孤军奋战的感觉。现在想想,大概是因为自己当时关注的太少,只是低头看论文。所以很想把这一路的研究经历分享给大家,希望大家少走些弯路。

本期预告

灵感来源

研究经历

投稿经历

灵感来源

大概是博二下学期,好像是3月份的时候,我刚刚接触量子机器学习领域,也感谢当时导师的推荐。当时有点兴趣,但什么都不懂。有些量子计算的简单基础(也不深),对人工智能完全不了解。虽然是学计算机的,但本科毕业后再也没有碰过编程,数学也是半吊子。这是当时接触这个领域的一个基本状况。

幸运的是南航有一个相当厉害的人工智能的团队。我就跑去听他们团队的研讨会,当然,基本上听不懂,只能听的懂背景介绍。很多专业名词(也许只是AI的入门词汇)我都要重新一个个的学习。有一次听到一个学妹介绍支持矩阵机算法(support matrix machines, SMM),我很感兴趣。第一,因为它是一个用于图像分类的算法(我喜欢拍照、喜欢图像);第二,那个时间我正好在啃第一篇量子机器学习的文章:量子支持向量机(quantum support vector machines, QSVM),当时我有种感觉,我可以类似的设计一种新的算法:QSMM(历经一年半才发表)。然后我兴冲冲的跑回了实验室,开始我的研究。

研究经历

【泛读QML综述】接触这个领域时我看了一些综述文章,但是最喜欢的还是后来遇到的一本书。Wittek, P发表的《Quantum machine learning: what quantum computing means to data mining》。我当时大概花了一个月左右的时间,把这本书从头到尾的研读了一遍,收获颇丰。

【精读QML文章】专业算法的第一篇文章,就是前面提到的QSVM。这篇文章精读了至少3个月,现在也不能说全看懂了。在学习这篇文章的过程中,涉及的基础知识、专业知识都是从头一点点学的。学习中,又不断有参考文献、参考文献的参考文献...需要来读。不过这种精读效果很好,时间久了,原本看英文文献很吃力,逐渐就变得轻松,很多套路模版式的结构也会慢慢呈现出来。

【经典机器学习算法】基本上理解了QSVM算法,就开始学习经典的SMM算法。每次看这些算法,都觉得算法设计者设计的相当巧妙。在学习过程中,一定不要忘记动手实验。把算法跑一遍,通过实验也许会发现一些理论研究中漏掉的细节。

【量子机器学习算法研究】算法的流程很简单,对应的关键问题提取出来,接下来就是用量子算法进行加速。在这个过程中遇到了两个关键问题:

问题1: 经典算法如何转换成量子算法所能解决的线性问题(这个真是要相当的感谢冬大喵童鞋)。

问题2: 设计新的量子奇异值阈值算法(quantum singular value thresholding,QSVT)。

第一个问题在大牛的帮助下解决的比较顺畅。第二个问题大概持续了大半年的时间,有过各种设想最终都被否认了。这个过程一定是走了不少弯路,现在想想,如果当初能和这个领域的研究者一起讨论,很多问题很快就能解决了(这也是我建立平台的初衷之一)。

庆幸的是,在一稿一稿的写作中,在某一个晚上11点左右,我钻在被子里拿4.7的小屏手机看论文,突然看到一篇文章能用来解决我一直未解决的维数不匹配的问题。接下来几天通过邮件向作者Maria Schuld请教以及后来在matlab的实验验证,终于搞定了。

最终文章在李丹老师的帮助下重新整理了结构,在涂华伟老师的帮助下改了很多稿的摘要和introduction。终于开启投稿路程。

特别感谢两位老师,给我提供了莫大的帮助。

投稿经历

3月底左右投稿,第一篇觉得研究了一年,试试PRA(Physical Review A)吧,送审之后一个多月,一审意见回来,说效果不好,创新不够,拒稿。

当时真的相当痛苦。因为拒稿的理由我认为不充分,我的创新并没有被认可,于是我不甘心,进行了一次argue。

大概准备了一个星期的时间,把argue提交了上去。直到两个多月之后,终于收到了二审意见。

特别记得那会在校园里,阳光明媚,心情相当的舒展。二审中认为我创新足够,只需小修即可。

再过了一周左右,这篇论文终于被接受了。

小结

功不唐捐。这是我现在最喜欢的四个字。

研究是从喜欢的点开始,哪怕稍微有点兴趣。做研究,你会发现那些top期刊里传递的思想,相当有趣。这些趣味性,加之你不断想要验证的冲动,会让你发现不一样的问题。很庆幸,经历了这么多年,我才开始喜欢做研究,才开始享受这个过程。但never too late.

我应该比很多关注公众号的小伙伴都年长很多。我也才刚刚起步,相信你们的未来,更有无限的潜力。

一起在热爱的领域努力的玩儿~

搜索公众号:量子机器学习

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171215G0DU3G00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

关注

腾讯云开发者公众号
10元无门槛代金券
洞察腾讯核心技术
剖析业界实践案例
腾讯云开发者公众号二维码

扫码关注腾讯云开发者

领取腾讯云代金券