实验室的硬件条件好坏对你的科研有多大影响？ 第1页

不同学科不一样。在实验光谱学里面，硬件几乎就是一切。这不是一道选择题，这是一道是非题！

灵敏度/动态范围、频谱分辨率、响应速度、噪声水平，直接决定了你的装置能探测到多微弱的信号、多快的信号。

灵敏度上，你的卡是 8-bit，人家的卡是 12-bit，你的动态范围只有 2^8，人家的是 2^12，人家的卡能读出的电压，你的卡读出来就只有 0 和 1。怎么搞？（参见某感动牌的 CMOS 和索尼大法的 CMOS）

频谱分辨率。你只能看到一个大包，别人能看见精细结构。怎么搞？

响应速度。你的探测器响应速度 1 微秒，别人的 1 纳秒。结果不稳定的自由基寿命只有几百纳秒。你的探测器直接看不到。怎么搞？

信噪比。给定条件下，信噪比 * n，积分时间需要 * n^2。别人的信噪比倘若是你的 10 倍，测量时间就可以比你快 100 倍。人家一天实验做完了，你得连着做三个月（还得祈祷中间仪器一直状态稳定）。等你数据刚拿到手，人家文章都发了。怎么搞？

更不要说，有些大牛组还有全球额外的稀缺资源。有的组有大量的同步辐射光源时间，有的组和天文台、航天局有合作，能够帮他们测试最新一代地面和空间望远镜上的光谱仪原型机。加州理工隔壁就是 JPL，有各种全世界最先进的谱仪。哪怕人家 10 年前的货淘汰下来，可能都比商业上能买到的好。普通人买得到吗？没得卖！

硬件条件不够的话，别人能看得见，你完全看不见，别人搞得到的数据，你根本搞不到。还搞个毛线？洗洗睡吧。

科研往往是一个试错的过程，充足的硬件意味着更多的试错机会，或是更低的试错成本。

在硬件条件有限的情况下，我们往往只能去选择做一些短平快的研究，不敢去尝试新颖有风险的项目。这种情况下，很难取得出人意料的科研成果。

我是做计算模拟的，最主要的科研硬件就是超级计算机。

一开始，我手上有个粗糙的理论模型，需要用大量的计算去验证以及完善这个模型。粗略估计了一下，大约需要计算一万个数据。

当时课题组的计算资源是人均100 cpu 核心不到。而100个cpu 核心一小时大概能算8个数据。一万个数据需要大约52天。耗时太长，无奈搁置。

好在不久后我去了国外一个大学进行联合培养。该校的超算比较给力，牟足了劲我能用1000+的cpu 核心。我如同刘姥姥进大观园，赶紧把以前搁置的想法拿出来实践。得益于计算资源的数量级增长，计算这一万个数据加上期建模调试代码的时间，也就花了一周左右。

很不幸，这一万个数据并不理想，重新修改模型进行计算，反复两三次之后，才得到了比较满意的结果。

但如果我拥有的计算资源一直是100个cpu核心，我是很难鼓起勇气去算这一万个数据的——要是结果不好我博士就毕不了业了啊。

所以我认为，想要取得满意的科研成果，充足的硬件确实是必要条件。