实验室的硬件条件好坏对你的科研有多大影响？
写在前面
有钱的实验室和没钱的实验室差距有多大？会影响你的科研创造力吗？ 来源：https://www.zhihu.com/question/318196712
作者：霍华德
对于实验学科而言，基本就是全部。
举个芯片领域的例子，氮化镓是第三代宽禁带半导体，需要使用MOCVD外延生长。
一台MOCVD上百万，甚至上千万。这只还是设备购置费用，耗材更是贵。金属有机物气源、高纯氮气，高纯氢气，跑一次实验的成本差不多要20万人民币。还有各种折旧费修理费，加热器线圈是钨金的，表面镀铱。放置衬底材料的容器是碳化硅做的，表面镀了氮化硼。是不是听起来就很贵？但这些经常坏，一坏修理费都是几十万。
这只是生长设备，生长出来还需要质量表征啊，那设备可就多了去了。高分辨X射线衍射仪，扫描电子显微镜，透射电子显微镜，霍尔测试仪，椭偏仪，太多了，不一而足。反正轻轻松松需要几百万的设备。
对于芯片，只有材料是不够的，还需要做成器件，需要超净间及器件制造设备：光刻机、PECVD、快速退火炉、电子束蒸发镀膜机、反应离子刻蚀机。一个像样子的超净间投资几千万到几亿不等，运营成本一年也是几百万。
做成器件了还不行啊，你需要器件测试设备，如半导体分析仪、探针台、矢量网络分析仪。
所以你做芯片科研需要依赖的硬件设备太多，硬件不好，举步维艰。就算你到了实验条件好的实验室，你也别沾沾自喜，因为毕业之后你会发现自己根本不值钱。
作者：谢嘉欣
别的领域不清楚，但是道理应该是相通的。硬件的好坏直接决定效率的高低，砍树用电锯或是斧头，效率是高下立判的。所以在我们有机化学领域，一般来说硬件能帮你节省的时间越多，你的效率自然越高，做出成果的可能性越高，自然影响就会很大。
很荣幸，因为老板的缘故，美国的代表性公立和私立大学都待过，不得不说美国大学科研硬件是真的强（相比于几年前我还在北大的时候，现在不清楚差距如何）。
四年前刚来美国的时候，走进实验室我以为在做梦。我的通风橱比以前在国内加宽了一倍左右，通风橱里面有完备的气路设备，这都是以前无法想象的。做实验的直观体验就是，我能同时架三四个反应还有足够大的空间来过柱子和处理别的实验，这在以前那个空间下是做不到的。完备的气路设备能让我快速获得低真空、空气压缩和惰性气氛，过柱子和开反应的效率都极大提高。说起有机砖工大家最喜欢自嘲自己是过柱子的，你就知道过柱子的效率对你的科研效率有多大的影响。有了这些硬件设备，我过柱子开反应都更高效了，实验进展也就更快了。
除了每天朝夕相处的通风橱，很荣幸的是，我们实验室拥有各种仪器设备，GC，GCMS，HPLC，FTIR，GPC，旋光仪，溶剂处理系统等等。在你需要做相应表征的时候，你不需要依赖别人就能快速获得你要的数据，这一点对提高效率至关重要，这意味着你的效率完全掌握在自己的手里；当你需要高质量的溶剂的时候，溶剂系统能帮你节省大部分蒸馏干燥的时间，也减少了蒸馏溶剂需要接触到的潜在危险。
除了自己实验室，整个化学系的硬件也很重要。不管是我之前待过的公立学校UT Austin还是现在私立芝加哥大学，化学系的仪器设备条件都非常完备。对比之下，以前在北大化院的时候，虽然部分仪器可以自己操作，但是仪器的数量有限人一多这排上队效率立马就掉下来了；部分高级的仪器还不能自己操作，只能提交样品等待管理员帮你测试。现在啊妈妈再也不用担心我遇到这些问题了，所有仪器培训之后全部可以自己操作，对，你没看错，通通自己操作！设备量也很足，所以虽然我们系里几十人的大组很常见，但是大多数时候提前预约好都不需要等待，所以基本上想什么时候拿到数据就能短时间拿到，完全不依赖别人。当然这两所学校不能代表全部，但即便是不能自己操作，只要自己提前安排好时间，也能更快拿到数据，毕竟硬件设备就摆在那儿不是开玩笑的。
有了硬件支持，自己做实验体验更好了，心情也更好了，效率想不高都难。
作者：赵夏
作为一个即将/希望今年毕业的计算机博士，从成长历程聊一下实验室的硬件条件好坏对我科研/论文发表的影响。
前言 - 自从本科组成原理课程设计用逻辑门电路搭了一个简单的处理器开始，就对计算机系统结构产生了浓厚的兴趣，也就一脚踏进了这个领域。时至今日，已有八九年了。计算机系统结构的研究，需要用模拟器来验证自己的想法，使用benchmark大量跑simulation。因此对实验室的硬件条件有较高的要求。
下面，分4步讲一下我从国内到国外，逐渐打怪升级的成长路线。
Step1－初出茅庐
六七年前开始在一个号称建造了当时全球最快的超级计算机的高校读研，需要跑simulation，只有自己的台式机可以用，4-core。然后腆着脸去另外一个实验室蹭他们的32-core的服务器，被他们的老师指着鼻子骂出来。现在想想，当时的场景真是记忆犹新。
总算实验数据啥的都跑了出来，把工作投到了全国计算机体系结构学术年会(ACA)，还拿个best student paper的award。一把辛酸泪。
Step2－小试牛刀
后来我把实验室没人用的，已经淘汰的台式机找了出来，2-core, 4-core的都有，大概四五台的样子，搭建了一个小的cluster,在上面继续跑simulation。当时觉得自己真是聪明，美滋滋。
在这一个小cluster上大概用了一年时间做了两个工作，一个中了ICCD，一个中了DAC。
Step3－登堂入室
出国读博之前，我换了笔记本电脑，用两台Mac Pro的银子，买了台戴尔的移动工作站。原因只有一个，如果国外的实验室也像国内的一样，我就用自己的移动工作站跑simulation, 自带干粮搞研究。
然后到了国外，问实验室里的人有没有服务器让我跑simulation。被告知我们有个一个小集群，8台32-core服务器，但是需要提交任务到该集群，然后由调度器统一调度执行。问题是目前调度器只支持我们实验室自己的模拟器sniper,跑不了我的模拟器GPGPU-sim。正在我认为要歇菜的时候，他们说咱们实验室还有几台闲置的服务器，没有在集群里面，给你一台，你自己随便折腾去吧。于是，我一个人开始使用一个32-core服务器。后来，赶deadline时，我把那几台闲置的全部搞过来跑实验了，总共5台，真觉得自己像土财主，富得流油。
用实验室的服务器跑的数据，发了两篇文章，一篇CALs, 一篇TPDS.
Step4－游刃有余
再后来，实验室的计算资源已经满足不了我的研究需要了。原因是我之前做的是单任务的优化，假设我有15个程序，我只需要跑15个simulation就可以验证一种设计方案了。后来，我转向了多任务的优化，假设我有15个程序，两个程序的组合就有105种可能，四个程序的组合可能性就更多了。于是，我开始在学校的HPC中心申请账号跑simulation。本校的HPC中心全球都排不上号，但是给学生免费用，而且用户体验特别好。记得一次赶deadline之前，一口气同时跑了1000多个simulation。
用学校的HPC做的工作，发了篇ICS, TC, ISCA，现在还有一篇被拒的论文在投。好吧，明天就是论文的deadline,我还有空闲时间码知乎。
想想当年人穷志短，到处求人，勒紧裤腰，吃糠咽菜也要搞科研的穷日子，只能说自己too young, too simple, sometime naive。
一路走来，硬件装备慢慢变好，自己的研究能力也逐渐增强。总结一句话，认准一个目标，那就在年轻的时候用尽全力去追逐吧。即使最后没有成功，也不会后悔，毕竟自己在年轻的时候努力过。
附录
实验室去年又买了16台36-core服务器
加上之前的集群，大概是800多个物理core。然而，deadline之前还都是满满的负载。于是组里deadline之前，赶paper的同学会群发封邮件，我们要赶paper了，集群大家就不要用了。然后他们内部分配一下，XX,你提交500个任务就行了，留300个core给我，我今天晚上还有新的任务要launch上去。
【项目推荐】
面向小白的YOLO目标检测库：https://github.com/iscyy/yoloair
