科研面对面

科研面对面 的全部节目

共 10 集。

解读对话阿姆斯特丹大学noël教授

解读对话阿姆斯特丹大学noël教授

科研面对面

第二期 · AI 碰撞 Flow:走进 Timothy Noël 的自驱动化学世界 在这一期里,我们聊的是一位“在重写化学操作系统”的人——比利时化学家 Timothy Noël。 他的研究横跨有机合成与化学工程,却远远不止于“做反应”:他用 流动化学 + 自动化 + AI,在重新设计“如何做科学”这件事本身。 我们从一个问题出发: 当 AI 遇上 Flow 化学,会把传统烧杯里的世界,改写成什么样? 🧪 本期你会听到什么? * Flow 化学到底牛在哪里? 用比头发丝还细的毛细管做光催化,为什么每一个分子都能被“照亮”? 为什么从 1 g 放大到 1 kg,在 Flow 里更像“拉长生产线”,而不是重写一整个工艺? * AI 在化学里,是 buzzword 还是真革命? AI 如何在优化反应时,跳出人类“经验偏见”的舒适区,去探索我们根本不会尝试的条件? 从“帮你调条件”走向“直接预测新分子的最佳合成路线”,化学研发会被怎样改写? * 为什么他说:不要买设备,要自己造? 商业仪器为什么往往是为“已知问题”设计的? 自己用 3D 打印、开源硬件搭设备,如何让前沿研究更便宜、更可复制,也不再是“黑箱”? * 失败、暂停与“小胜利”的重要性 为同一个欧洲顶级基金连败 6 次、第 7 次才中,他从中学到了什么? 什么是“策略性暂停”?为什么在长时间失败后,先去做一个容易成功的小项目,反而更有利于突破? * 他眼中最重要的,不是论文,而是人 站在国际大会上,看学生的成果被世界顶尖科学家认真提问,是怎样的体验? 科学作为“全球朋友圈”的纽带:让不同文化背景的人因为同一个问题坐在一起。 看一个胆怯的新博士生,成长为能独当一面的研究者,他为什么说: “科学只是催化剂,真正发生反应的是人的成长和连接。” * 给年轻研究者的几条“真心话建议” 去“面试”你未来的导师和课题组:为什么一定要和在组里的学生私下聊? 如何用健康的心态面对拒稿和基金失败,“允许难过 1–2 天,然后继续前进”? 💡 一句带走的话 努尔教授说:努力工作、认真思考,好运自然会来。真正关键的是永远保持积极,因为只有这样,你才看得见运气

10 分钟 99+ 次播放 1年前

第二期:AI对撞Flow—对话阿姆斯特丹大学Timothy Noël教授

第二期:AI对撞Flow—对话阿姆斯特丹大学Timothy Noël教授

科研面对面

访谈全文翻译见链接帖子附件 🎧 Show Notes 在本期节目中,我们邀请了 Timothy Noël 教授——flow chemistry 与光化学领域的领军人物,也是连续化合成、自动化平台和工艺尺度化方面最有影响力的化学工程科学家之一。 我们围绕他的研究理念、团队文化以及对未来化学发展的看法,展开了深入而真实的对话。从如何将微观反应放大到工业规模,到自动化平台如何改变科研效率,再到年轻科研人员如何应对失败、建立判断力与保持长期动力,本期节目为正在科研道路上的你带来非常实在的启发。 🧪 本期重点议题 1. Flow Chemistry 的核心价值 * 为什么连续流体系天然适合规模化,从毫克到公斤级放大有一致性。 * flow reactor 如何提高安全性、传质效率与重现性。 * 他认为“flow 并不是替代 batch,而是扩展我们能做的化学空间”。 2. 自动化与机器人如何改变化学研究 * 自动化并不是为了完全取代研究者,而是为了提升“反应探索速度”和“决策质量”。 * 自动化平台在反应 screening、selectivity 优化中的作用。 * 自动化系统如何帮助年轻学生更快获得“直觉”和“反馈循环”。 3. 从研究想法到 industrial scale:团队如何做决策? * 判断一条路线是否能“scale”的关键指标。 * 如何选择研究方向:先问价值,再问难度。 * “如果做一年还没有答案,就要敢于止损换方向”。 4. 科研中的失败、坚持与判断力 * 他强调:化学研究不是 stubbornly try everything,而是学会判断。 * 什么时候要坚持?什么时候要果断停止? * 面对失败的心理建设:“保持积极才能更快看到机会”。 5. 领导力与团队文化 * 如何带领一个跨学科团队(化学、工程、建模)协同工作。 * 对学生的要求:主动、独立、有判断力,而不是简单执行。 * 保持高标准但不压迫,是 Noël 实验室的核心氛围。

30 分钟 85 次播放 1年前

揭秘AGI的认知鸿沟:用人类标准给AI做体检

揭秘AGI的认知鸿沟:用人类标准给AI做体检

科研面对面

本期从“AGI 究竟是什么、为什么难以定义”入手,带你走进 Dan Hendrycks 等人在《A Definition of AGI》中的核心思想:基于 CHC(Cattell–Horn–Carroll)认知理论,构建十个核心认知域的量化框架,并据此评估当前大模型的“通用智能谱系”。我们讨论了 GPT-4(27%)与 GPT-5(57%)的差异、能力不均衡带来的“锯齿状”认知画像,以及“能力扭曲(Capability Contortions)”如何用长上下文与检索增强暂时掩盖长期记忆缺陷。最后聊到 Yoshua Bengio 在 System 2 AI 方向上的长期主张,以及这项工作对未来 AGI 路线图的启发。 要点总结 / Key Takeaways * 定义框架:用 CHC 理论将 AGI 量化为十个认知域,统一“通用性”讨论坐标系。 * 客观测评:以心理计量学思路构造测试,避免“拍脑袋定标准”。 * 现状画像:模型在语言、数学等域进步显著,但 长期记忆(MS)与检索(MR)的内生能力不足。 * 能力扭曲:长上下文与 RAG 更像“外挂”而非内生记忆系统。 * 路线启示:System 2 能力(慢思、因果、规划、长期记忆)是迈向真正 AGI 的关键。 延伸阅读 / Resources * Dan Hendrycks et al., A Definition of AGI (2025) — 基于 CHC 的十域认知评估框架 * Yoshua Bengio — System 2 AI:可解释推理、因果结构与长期记忆的研究方向

6 分钟 64 次播放 1年前

解读对话《Matter》杂志主编Steve

解读对话《Matter》杂志主编Steve

科研面对面

🎧 节目简介 你有没有想过:一篇研究要怎样写、怎样讲,才能在众多论文中脱颖而出,被顶刊编辑“看见”? 在这一期节目中,我们深入解读了《Matter》主编 Steve Crawford 的一次独家访谈——从期刊定位到评审机制,从投稿技巧到AI在科研出版中的角色,全方位剖析“顶刊编辑的脑回路”。 无论你正为论文投稿焦虑,还是对科学传播背后的逻辑感兴趣,这期节目都会给你带来编辑视角下的科研世界,帮助你更聪明地讲述自己的科学故事。 🧠 本期亮点 01|期刊生态与定位差异 * 《Matter》在 Cell Press 家族中是怎样的存在? * 它与《Chem》《Joule》《Device》之间的微妙差别是什么? * 内部转投真的有用吗?主编亲口揭秘编辑之间如何“通气”。 02|编辑眼中的“好论文” * 最常见的拒稿原因竟然不是研究不行,而是“故事没讲好”; * 如何在 Introduction 和 Conclusion 中打动编辑? * Cover letter 的写作要点与雷区。 03|评审机制背后的逻辑 * 审稿人怎么选?为什么博士后也能当审稿人? * 推荐审稿人和避审名单,编辑到底怎么看? * 审稿难的真实现状与潜在策略。 04|AI 浪潮下的学术出版 * AI 在材料科学研究中的真实渗透比例; * 哪些算“AI 驱动研究”,哪些只是“蹭热度”? * 编辑如何看待AI 写作与审稿的伦理边界。 05|主编的工作日常与社交新玩法 * 顶刊主编每天在忙什么? * Steve Crawford 为何迷上小红书? * 他如何通过小红书认识中国科研圈、甚至挖掘到新稿件? 💡 核心观点摘录 “很多稿件被拒不是因为不够好,而是因为没能让编辑看懂哪里好。”“Cover letter 是你唯一能直接和编辑‘推销’研究的机会。”“我们希望《Matter》能展示材料科学的全貌——而不仅仅是热门方向。”“AI 是工具,但不是魔法。真正有价值的是用AI 提出新的科学问题。”“小红书让我看到科研的‘人味’,看到年轻研究者真实的思考与挣扎。” 🧭 结尾思考 当AI 逐渐介入科研写作与评审, 当发现过程被自动化和加速, “创新”与“作者身份” 会如何被重新定义? 科学的意义,又将如何演变?

17 分钟 71 次播放 1年前

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧