7. 现代科学测量、科学计算与科学作图
这其实是三个题目混在了一起讲，而且这三个题目本身都可以是独立的学术研究方向。我只准备讲一些实验物理领域经常需要的一些基本知识和能力。其实这个题目具体介绍什么内容是次要的。
关于“科学测量”（scientific measurement），我想还是值得“吹嘘”一下其重要性。我在本系列第1部分“科学研究简介”的PPT开篇就讲到，科学这个词的词源是“测量之学”。人类从有文字记载开始就已经思考如何“可靠地”测量（当时还没有现代科学，无法形容为“科学地测量”），今天我们可以去定义什么样的测量才“可靠”，才“科学”。作
介绍完科学测量的重要性，就要涉及到测量的具体问题。首先就是准确度、精确度、系统误差、人为误差、有效数字、量纲分析等实验物理的基本问题。这些知识应该是由本科《大学物理》课程完成的，但不知道是不是本科教学这方面还是不够严格，总有相当一部分研究生在这方面出错，表现出没有学过的样子。
其次就是现代仪器带来的新问题。其实仪器的大量应用本身不是一个新现象了。但是测量仪器带来的新的注意事项，长期没有在我们的本科和中学教育体系中获得更新。关于这方面的感想我之前已经有文章抒发过，就不在这里重复了。
还有一个科学测量相关的议题虽然有点“超纲”，但我认为还是有必要介绍的，就是测量仪器的设计。实验物理研究当中如果只依赖商用仪器，并用只用这些仪器中固化的功能，我想是很难有创新的。真正的创新研究工作是跟方法和手段的创新分不开的。很多成功的实验物理研究生其实都在不同程度上具备简易仪器DIY的能力。那么，到底一共需要了解一些什么知识（同是不需要了解什么更多更深的知识），就可以跨过这个门槛呢？我也想基于我有限的经验来介绍一下，内容大致会包括：一个概念上的测量仪器必备的哪些功能模块；从《信号与系统》的基础知识出发如何实际估计一个设计方案的静、动态特性和信噪比是否满足要求；放大器和滤波器；微机原理；以及DSP、FPGA等高级议题。以上内容，我都不是去介绍原理——这些原理等哪个学生在研究中真的有需要时完全可以自己找书学习。我只就上述这些方面介绍怎么最快速地能够上手实现。其实最简单的入门就是上淘宝买一个arduino学习套装来玩玩。arduino也有一个很庞大的爱好者社区和丰富的网络资料。而且，NI、Linear Technology都有很多从傻瓜到专业的仿真软件可以帮助不同水平的人进行设计。就算是FPGA，也可以买一个DE-2开发板来捣鼓一番做个带触发的hello world就入门了。科学仪器本身作为一个研究领域，也有相关的学术期刊，例如IOP的Meas. Sci. Technol.、AIP的Rev. Sci. Instrum.等，多浏览里面的论文，可以了解到更多的“奇技淫巧”，进一步开扩仪器设计上的思维，在科学研究上就能获得更大的自由。总之，我的演讲还是主要以提高重视、开扩眼界、打消恐惧为主，留待学生自学相关具体内容。
科学计算（scientific computing）为什么本身就是一个研究领域已经无庸赘述。其实我介绍的内容主要是数值方法在实验物理中的应用，结合MATLAB编程来讲述。由于数值方法和程序设计对外行来说有一定门槛，市面上的教材跟科研应用又有一定距离，因此是需要一个有针对性的讲座来帮学生打消这个门槛的。所兴在MATLAB的教材往往会带有数值方法的简介，这方面有很好的教材。首先MATLAB网站上的这一网页的资料就很好。有一本经典教材叫《通过MATLAB进行数值计算》。
科学作图这方面的介绍也是针对我在研究生中看到的一些问题的。学生从本科学习阶段就已经从课本上看到很多图表，更不用说到了研究生阶段从论文中看到更多类型的图表了。所以一般来说面对自己测得的数据（data），学生凭直觉能够选择正确的图表类型去展示（illustrate），或者用近年来特别流行的词——可视化（visualize）。事实上data visualization也是一个学术研究领域。很多科学作图软件的功能是融入了很多新的研究成果的。
回到学生的问题上，首先是有些时候学生选择了不恰当的类型的图来展示自己的数据。那么如何跳出具体的错误案例？能否一般性地告诉学生选择正确类型图表的原则？事实上很多人没有意识到的是，数据、图的本质是函数。无论是数据表也好、图也好，你要告诉读者的总是一个函数关系。那么，你这个函数，是标量函数还是矢量函数？是标量场还是矢量场？是多少维空间的？这是首先需要明确的。然后就可以向学生罗列，不同类型的函数都可以有什么相应类型的可视化方法。这样就不会乱选乃至选错类型了。其次，学生经常漏掉或者错误地处理图中的各个元素（座标轴标签、图例、单位等等）。第三就是如何使图更简明美观的问题，这并非是一个美术问题，而是有很多研究的，例如color schemes、font families/weights等方面给读者产生的效应以及相应的原则。很多学生不注意这些方面，图很“丑”。
最后，未来几年的一个可能的趋势是交互性的数据图，一些期刊出版商已经鼓励投稿人支持这样的功能，所以也可以作些介绍。
