背景提升之斯坦福大學(xué)科研項目

Category: STEM國際競賽 Date: 2020年3月26日上午1:17

相信大家多聽說過斯坦福大學(xué)。它簡稱“斯坦福”，位于美國加州舊金山灣區(qū)南部帕羅奧多市境內(nèi)，臨近著名高科技園區(qū)硅谷，是世界著名私立研究型大學(xué)。斯坦福大學(xué)為硅谷的形成和崛起奠定了堅實的基礎(chǔ)，培養(yǎng)了眾多高科技公司的領(lǐng)導(dǎo)者，其中包括惠普、谷歌、雅虎、耐克、羅技、Snapchat、美國藝電公司、太陽微、NVIDIA、思科及LinkedIn等公司的創(chuàng)辦人。今天小編要介紹的這兩個科研項目也是斯坦福大學(xué)的科研項目。

斯坦福探究項目：模擬凝固態(tài)惰性氣體的原子運動和相變

課題簡介

計算材料學(xué)是材料科學(xué)和計算機科學(xué)的交叉學(xué)科，是一門正在快速發(fā)展的新興學(xué)科，也是材料科學(xué)中一個重要的研究方向。它一方面從實驗數(shù)據(jù)入手，通過建立數(shù)學(xué)模型模型，使用計算機進行模擬計算出實際過程，另一方面是材料的計算機設(shè)計，即直接通過建立材料的理論模型和計算，預(yù)測或者設(shè)計材料的結(jié)構(gòu)和性質(zhì)。計算材料學(xué)既可以解決理論方面研究體系的復(fù)雜性，又可以解決實驗室無法具備的一些特殊環(huán)境，例如超高壓，超高溫等極端環(huán)境。

分子動力學(xué)是計算材料學(xué)的計算模擬方法之一，該方法主要通過牛頓力學(xué)來模擬實際分子體系的運動，是一種多體模擬方法。該方法通過對分子在一定時間內(nèi)的運動狀態(tài)的模擬計算，引入統(tǒng)計物理的概念，計算出該材料的宏觀熱力學(xué)性質(zhì)以及研究系統(tǒng)的演變過程。

蒙特卡羅方法，是一種統(tǒng)計實驗或隨機抽樣的方法，屬于計算數(shù)學(xué)的分支。該方法從物理系統(tǒng)背后的數(shù)學(xué)模型出發(fā)，引入隨機數(shù)和概率統(tǒng)計方法，進行一定次數(shù)的模擬計算得出計算結(jié)果。
在本課題旨在讓學(xué)生了解計算材料學(xué)，深入學(xué)習(xí)分子動力學(xué)和蒙特卡羅方法的基礎(chǔ)理論，結(jié)合惰性氣體的相關(guān)材料學(xué)知識，使用計算機實現(xiàn)該模擬，計算原子體系的部分基礎(chǔ)性質(zhì)，并且讓學(xué)生進行對比試驗，了解兩種方法的優(yōu)點以及缺點。

科研方法

計算機仿真模擬

計算機仿真模擬是一種運用計算機軟件建立抽象模型、模擬真實條件并進行分析的技術(shù)。與傳統(tǒng)的實驗相比，計算機模擬技術(shù)通過數(shù)學(xué)建模，解放了普通實驗對于器材的苛刻要求，具有可多次進行、反復(fù)試錯的優(yōu)點。同時，由于計算機模擬技術(shù)黑箱化了復(fù)雜的理論推導(dǎo)與數(shù)據(jù)計算，能夠以直觀的方式呈現(xiàn)研究的成果，對于初次涉獵科學(xué)研究的高中生而言，也更為簡單易學(xué)、容易上手。

例如：在設(shè)計外太空的衛(wèi)星軌道時，受制于客觀條件，科研工作者無法在地球上重現(xiàn)外太空的環(huán)境，因此，只能借助計算機強大的運算能力，對外太空的情況和衛(wèi)星的軌道進行模擬、反復(fù)實驗，并基于模擬實驗的結(jié)果，完成科學(xué)的軌道設(shè)計。

授課導(dǎo)師

斯坦福大學(xué)材料學(xué)碩士

在斯坦福大學(xué)擔任研究助理，研究方向為二維材料的模擬計算；

本科時獨立研究預(yù)測氮化鉻的性質(zhì)和鋰電池結(jié)構(gòu)問題。

課題要求

本課題適合： 9-12 年級學(xué)生，有較強的邏輯思維和抽象思維能力：

英文：

具備基本的學(xué)術(shù)英語閱讀能力；

接觸過英文寫作，能初步撰寫英文文章；

數(shù)學(xué)：

微積分；

概率統(tǒng)計基礎(chǔ)知識；

計算機：

最好有一定Matlab基礎(chǔ)。

斯坦福探究項目：美國種族歧視問題的多層次回歸與分層（MRP）分析

課題簡介

種族問題一直是美國政治與社會議題中的重要組成部分，種族歧視也是影響美國選舉、政策制定和身份認同的重要因素之一。美國國家選舉研究（American National Election Studies）公開提供的1948年以來的選民抽樣調(diào)查數(shù)據(jù)為深入研究美國民眾對于種族問題的看法提供了機會。

本課題旨在運用多層次回歸后分層分析法對1980年代以來的美國國家選舉研究調(diào)查數(shù)據(jù)進行分析，找出影響種族憎恨（Racial Resentment）的因素，進而利用美國各州的人口成分套用回歸分析的結(jié)果，推算出真實人口中種族憎恨情緒的強度，并將研究結(jié)果以地圖數(shù)據(jù)可視化工具展示研究結(jié)果。

本課題是跨計算機和社會科學(xué)的綜合研究，研究者可以深入了解政治學(xué)、社會學(xué)方法論的發(fā)展趨勢，在學(xué)習(xí)西方政治與社會制度理論的同時進行數(shù)據(jù)科學(xué)的實踐，掌握如何進行科學(xué)抽樣調(diào)查、并運用統(tǒng)計、回歸方法分析調(diào)查結(jié)果。

科研方法

AI+X數(shù)據(jù)驅(qū)動型科研

AI＋X數(shù)據(jù)驅(qū)動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進行預(yù)測，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實驗或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動型科研可以借助AI算法強大的運算能力，高效地進行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點。

AI＋X數(shù)據(jù)驅(qū)動型科研已被廣泛地應(yīng)用于各個領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬萬，使用傳統(tǒng)的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫，與過往的研究成果進行對照，快速、準確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標準化”成為可能。

授課導(dǎo)師

斯坦福大學(xué) 碩士

北卡羅來納大學(xué)博士在讀，碩士畢業(yè)于斯坦福大學(xué)，本科畢業(yè)于北京大學(xué)

發(fā)表學(xué)術(shù)論文四篇

研究方向：國際政治；東亞研究；國家政策；

課題要求

本課題適合： 9-12 年級學(xué)生，有較強的邏輯思維和抽象思維能力

英文：

具備基本的學(xué)術(shù)英語閱讀能力；

接觸過英文寫作，有論文寫作經(jīng)驗者更佳；

數(shù)學(xué)：

概率統(tǒng)計基礎(chǔ)知識；