做科研主要包含三种形式。
做理论的（代表：保罗·狄拉克）
做仿真的（代表：苏哈斯·帕坦卡）
做实验的（代表：吴健雄）
三者之间的大致关系
对于那些没有勇气去搞理论，但又嫌做实验太累的研究生，做仿真是一个比较折中的选择。
当然，大部分研究生其实不用考虑这些，你做实验还是仿真完全就是导师的一句话而已。
应该说，做仿真听上去还是不错的，基本上就是把程序调试好之后，不断改变参数，让电脑去计算就可以了。
至于学生自己？该睡觉睡觉，该打游戏打游戏，该吃火锅吃火锅。
真要那么简单，我们周围做仿真的同学还会那么痛苦吗？
科研狗们都知道，现在做仿真的论文，那基本上就是介绍一下自己使用了哪些方程，用了哪些算法，获得了什么数据。
一通分析猛如虎，学生一看哭成狗！
你说了一大堆，也没说自己程序长啥样，那我自己不还得自己编程去实现吗？等我实现了，一两年早没了，导师那边估计早让我换课题了。
所以说，做仿真的都知道，准备仿真的过程才是体现水平的过程，别人仿真不出来的数据，我仿真出来了，别人仿真不准的数据，我仿真准了，我就是牛人。
可这样的牛人，又能有多少呢？而且导师要看的是实打实的成果，又能有多少导师愿意让我花这么长的时间去调试程序呢？
如果我们很幸运，有着导师或者师兄师姐之前的程序，那么恭喜，调试程序的这一两年已经省下来了。
这时候我们可以把程序的各种参数多取几组，获得数据，分析规律，然后整理好写成论文。
一切看似都很完美！
但当我们自豪地把自己的研究成果展示给导师的时候，听到最多的一句话估计就是：“小*，你这个论文创新点不足啊，要不你再把***考虑一下”。
这个时候我们就会发现，按导师的意思，我们要么又得开发新模型，要么就得深入挖掘其中的机理。。。。。
那我们和手头没有程序的人又有什么区别？!
对于国内的科研圈子而言，如果跟着的是院士杰青这种大牛，尽管有钱，但是学生往往也多，计算资源很容易不足。
而如果跟着的是国内的一些普通导师，那么他/她自己的经费很可能本来就不够花，计算资源同样还是不足。
而随着时间的发展，仿真的问题越来越复杂，结构体系越来越庞大，一个case一跑就是几天甚至十几天。
没有强有力的计算资源，分分钟让你延期毕业！
关键是，很多时候跑了十几天一看，妈呀，结果出错了！
如此循环几次之后，几个月就已经过去了，想出文章？早着呢！
如果我们水平足够强，还可以考虑使用一些加速算法，比如说网格自适应、并行计算啥的。
但是话说回来，为实现导师的要求已经用尽了全力的我们，又哪里有能力和精力再去搞这些呢？
仿真绝对不是一蹴而就的事，各位研究生一定要摆正心态，也衷心希望各位导师能够理解做仿真的痛。
给学生一点时间和耐心，他们最终回报你的会更多！
祝所有做仿真的研究生都能够顺利毕业！
扫描二维码 ｜关注我们
热流工程坊 ｜ 微信号 : CoFlow
联系客服
