By 谢健聪

计算机学院坚持立德树人“一条主线”，致力于构建完善的“三全育人”工作体系，全面推行了学业导师、科研导师、职业导师的全程导师计划，提升学生的学习力、思想力和行动力，培养能够引领未来的人。此篇心得是我院2018级计算机科学专业本科生谢健聪同学的来稿，相信对于正在选择科研导师的同学们能有所帮助。

谢健聪

谢健聪，中山大学2018级计算机科学专业本科生，2022年9月免试继续攻读硕士，本科期间成果已经作为共同第一作者在Cell的姊妹刊Chem上发表文章，另一篇第一作者论文已投到顶会审稿中。

大二上学期，学院安排了科研导师互选的活动，提供一个能提前进入实验室感受科研氛围的机会。我选择了杨跃东老师作为科研导师，杨老师也十分关心本科生的科研，立刻安排师兄师姐来指导我们。令我印象深刻的是，师兄非常负责，每周给我们上课，帮助我们入门机器学习和深度学习，同时杨老师也会给我们安排比赛和任务去锻炼我们。这让我不仅了解了前沿科学技术，也对其他专业课程的学习有了更深刻的认识。

回顾本科三年的科研之路，最重要的是积极和坚持。作为一名科研小白，一开始难免遭遇很多挫折，很多人选择半途而废。特别是大二那年因为疫情无法上学，我在家坚持自学，积极主动和老师与师兄讨论问题，并把握住空闲的时间协助师兄完成实验。经过一年多的学习，大三期间，老师让我独立去完成一个课题。那是我初次接触完整课题，用深度学习方法发现疾病和基因的潜在关联，其中遇到了很多困难。一方面我需要收集许多相关数据，作为计算机学子的我，一开始难免对生物相关数据集产生抵触，在内心深处建立起学科间的屏障。为了突破这层障碍，我积极地向老师和师兄请教。在熟悉这些数据集之后，发现很多知识都是和我们平常的就医用药相关，其实不需要太多时间就能理解掌握。所以，只要内心不排斥，敢于尝试，敢于钻研，就能打破阻碍你前进的屏障。另外在算法方面，没有人可以一蹴而就。为此需要查阅大量的文献，积累各方面的知识，并不断融入自己的想法。当时我和师兄日日夜夜地尝试了很多方法，并从失败中总结原因。在每次组会中，杨老师也提出了很多宝贵的建议，为我们指明方向。由于第一次投稿顶会论文，时间也有点赶，最后遗憾收到拒稿，但这些挫折都是科研路上宝贵的经历，同时也是成长路上不可多得的磨练。正是失败赋予了成功真正的涵义。挫折，彷徨和失败都不可怕，可怕的是没有积极的心态，没有坚持下去的恒心。目前该论文重新修改转投另一个A类会议。

在大四那年，我开展了与广州实验室的合作工作。实验合作团队建立了自动化实验方法，利用高通量技术开展化学反应试验，而我则负责根据实验数据构建化学反应产率的预测模型。在该工作中，实验合作团队建立一种全新受阻间位C–H键活化反应，测定了24种酮和43种芳基三氟硼酸钾之间共1032个反应产率数据，然而这些数据相对深度学习来说样本量仍旧太小，难以构建一个准确、稳健的预测模型。为此，我们结合本实验室的前期研究基础，通过收集其它已知约48万条化学反应的真正大数据集合，结合知识图谱方法预训练获得分子的嵌入表征。同时结合实验室前期开发的点边交互通信（CMPNN）图卷积模型方法，进一步增强分子的表征学习，交叉验证和独立测试结果表明该模型具有优秀的预测和泛化性能。另外，我们进一步采用图神经网络的可解释性方法CAM-GRAD，标注分子结构中对产率有重要影响的原子或结构片段，其结果与化学家预期一致，而且在一些案例中发现了一些远程的、化学家难以预料的关系。该工作于9月发表于国际顶级期刊、Cell的姊妹刊Chem上。后续合作工作仍在开展之中。

计算机学子一谈到生物信息等交叉领域，都觉得它是深奥难懂、复杂和遥不可及的。作为一个标准的计算机学子，我在踏入实验室参与科研之前也是这么认为的。自从我进入实验室的3年来，凭着高中的生物化学知识，在遇到问题时请教老师师兄或自己查阅相关文献，基本都能在很短时间内能解决，而且实验室其他师兄师姐大多也是计算机背景。只要肯拿出勇气迈出第一步，它并没有我们想象的那么艰难。

交叉学科不同于传统计算机专业，不需要挤在标准数据集的独木桥上，竞争相对较小，也更容易出一流的结果。另一方面，交叉学科更着重于解决实际问题，在研究过程中也培养了我解决实际问题的能力。同时，很多AI技术的灵感来源于其他学科，随着对其它相关学科的深入了解，我对AI技术也有了更加深入的领悟。

近年来，人工智能和传统科研相结合，催生AI for Science全新范式，使人类能够以前所未有的规模和效率开展科学研究，达摩院也将AI for Science列为《2022十大科技趋势》之首。我们实验室也一直致力于AI for Science，探索深度学习、智能化、自动化和生物医药有机融合的模式，同时依托天河二号的高性能计算，为生物医药产业赋智赋能。