科研生涯初期遇到了挫折该怎么办？

挫折从来都是存在的，关键是我们怎么看。一帆风顺并不都是常态，越是价值高的事情风险也越大，失败的可能性也越大。问题是，我们是否甘愿冒这样的风险。

从小我就梦想成为一名科学家。小学的时候，几本《我们爱科学》《少年科学》和《动脑筋爷爷》托起了我对科学无穷的想象。1993 年早春的上海，当我第一次跨入中科院上海脑研究所大门参加研究生面试的时候，我的激动无法形容。

作为导师，都希望自己的学生能力很强，实验时不用太操心，但是刚读研究生的时候，我确实什么都不知道，导师对我也有点头痛。本科时学的医学知识根本派不上用场，我的实验需要更多自己从来没有学过的东西：电子学、计算机硬件编程、动物训练、电极制作、文献阅读等等。

湖南话所说的「霸蛮」就是「不服输」的意思，尽管上海的饭菜甜腻腻的，吃的让人浑身发软，但是一瓶辣椒酱就足以让人精神振奋，就靠这辣子产生的「霸蛮」，让我跨过了研究生时期一个又一个的坎。

微电极是决定我们实验成败的关键因素之一，但当时在中国买不到现成的，只能自己动手做。不知道失败了多少次，以至于每天早晨起床的时候我就开始隐隐地感到恐慌，晚上躺倒在床上的时候又觉得「真好，这一天总算过来了」的欣慰。

那段时间，我知道自己有点抑郁，好在自己学过医，知道怎样调整自己。那段日子里，我曾经对导师豪言壮语：哪怕做一万根我也要做出一根合格的！自己想想都好笑，导师也就只能苦笑一下。

每天就在调整机器参数中单调地过着，直到我师弟的到来，气氛总算活跃了一些。也多亏了这个师弟，我们终于找到了一个很好的模式，把合格的微电极的产量提高了，这下导师总算开心了，我也能睡个安稳觉了。

但是，一波刚平一波又起，我们实验室负责软件编制的技术员要下海创办自己的公司，导师要求我必须赶在他离开前掌握实验设备全部的 C 语言代码（我们实验室自己编的 DOS 下数据采集的软件），这是我刚读研究生的第 3 个月。

幸好从高中起我就对 BASIC 语言编程感兴趣，本科的时候还自学了 PASCAL 和 FORTRAN 语言，所以，C 语言也没什么大不了的，只是春节不能回家过年了。当时的电脑真是金贵，但为了支持我学习电脑编程，导师慷慨允许我使用实验室的那两台电脑（1 台 286 和 1 台 386）。这样连续地干了 3、4 个月，我总算把这些代码基本上掌握了。现在回想起来，没有那时的压力，哪有我现在的能力？

刚到美国 NIH 做博士后的时候，也遇到了类似的情况。在我之前的一位博士后因为程序编写错误，导致动物训练失败。由于她已经离开了，所以导师叫我尽快掌握如何编写他们的程序，好尽早恢复动物训练。真是压力山大啊，我对新的科研、生活环境还不适应，就要立刻上手实验，真是内心忐忑啊。

好在他们的程序和 C 语言差不多，几天后我就对他们的技术员说，让我去看一下代码是怎么运行的吧。看了之后，我心里有数了，一周后，我就可以独自修改和运行他们的程序了。他们的技术员也是个软件高手，说我掌握他们代码的速度太快了，其实我心里想：这还不是被逼的。

在我开始训练动物行为的几个月之后，导师就和我一起开始采集脑电数据。数据出来后，导师亲自教我用他们引以为豪的软件进行数据分析，我内心当时很感动，但是对于他们那个 DOS 下的分析软件，实在是不敢恭维：纯手动，还两个屏幕来回切换，My GOD，这也太笨了。用了几次他们的软件后我真要崩溃了。我心里想，这哪是什么自动化，纯粹手工劳动。

一个下午就只能分析一个上午采到的数据，只要一天不分析，我就得加班了，这哪是人干的事？思前想后，我觉得自己应该编一个 Windows 程序解决这个问题。后来每天的下午导师看到我像是不在分析数据，就好心提醒我要及时把数据分析完，我口头上答应着。

大约一个半月之后，我请导师过来看看我的数据分析情况，结果他发现：我的新软件可以一次性把几十个上百个数据一个个打开、分析处理、结果储存，两天就干完了那两个月的工作量。从此之后，他再也不提他们那个引以为豪的软件了。

结束博士后工作回国之前，为了给导师留下一个完整的数据而不只是一堆堆的实验记录，我因此把所有的数据包括扫描实验记录（纸）后的电子文档都按网页的形式做到了一张光盘上交给他。他看了之后说：这是我见到的最好的数据库！连说两遍。那一年是 2000 年。

在美国参加过一次神经科学大会，给我很深的印象也让我有了更多的思考，这之后我决定把未来的研究方向调整到「计算神经生物学」上。但数学是我的弱项，尽管中学时我得过数学竞赛的第一名，但在医学院，教的却只有最基本的高等数学。纯粹是由于「计算神经生物学」这个研究方向是如此的前景光明，让我无法不心动，因此决定回国后立刻调整方向。

不仅仅数学我需要补课，分布式并行计算、模式识别等我都需要补课。但是光有补课的想法是不行的，从哪里入手才能够「学以致用」呢？我想到了实验中最让我窘迫的地方：脉冲分离。这是我们在记录脑的神经元胞外动作电位（又称，脉冲 spike）的时候要用到的一个技术，目的是把这样的电位根据其波幅和波宽加以实时（在线）区分，然后分析不同的脉冲与我们给予的各种刺激或动物行为之间的关系。

我在研究生期间用的设备最多可以区分出 2 种脉冲，手工调整参数。博士后期间在 NIH 用的设备 MSD 最多可以区分出 4 种脉冲，也是手工调整参数。假如我们要使用当时刚刚出现的、先进的多通道记录技术，就会发现，如果每个通道（一个通道使用一个 MSD）可以区分 4 种脉冲，那么更多的通道就需要更多的 MSD，当时我用一个 MSD 就已经有点手忙脚乱的了（由于神经脉冲稳定的时间不长，所以需要在最短时间内调节好 MSD 的参数，而微电极每找到一个好的位点就要重新调节一次参数），多个通道我怎么做得了？

忽然我想到一点，就是用计算机存储信号之后再用软件的方式做离线脉冲分离，虽然可能有点事后诸葛亮的味道，但是这样在做多通道记录的时候可以减轻人的体力劳动，结果也并非不准确，还可以防止不稳定的脉冲信号丢失。后来这种技术的发展证明了我当时的想法，此乃后话，略去不表。

但是，做这个离线分离软件该从什么地方下手呢？我先查阅了文献，了解到了一些数据分类的方法和算法，以及人工神经元网络技术等。2000 年回国之后，边自学模式识别技术，边开始写代码，在 2002 年底的时候，我的这个具有自主学习能力的脉冲分类软件就诞生了。

2003 年我到德国马普脑研究所做访问学者，带去了我自己的软件，结果一不小心被那帮同事看上了。起因是商业软件不兼容他们的数据格式，我于是就编写了一个数据转换软件，但后来发现，那个商业软件无法对他们那么大的数据进行分析，还经常崩溃，他们就希望我能帮他们解决这个脉冲分离的问题，因为这是整个实验的基础，如果不区分神经脉冲就无以了解大脑编码的方式。

后来经过近一年的完善，那个脉冲分离软件受到了同事们的热烈欢迎，当时我很有成就感。不过，事情还没有结束。神经电生理实验通常会产生大量的数据，用单核甚至是当时刚上市的双核电脑来做统计分析非常耗时。

幸运的是，马普脑研究所有一个 8 节点的计算机集群。在去德国之前，我在国内就开始了自己搭建集群的尝试，只能够算是刚刚起步。到德国后，曾经有个周末我连续干了两个通宵，把我自己的三台电脑做成了一个小集群并成功运行，后来再使用马普所的 8 节点集群就游刃有余了。借助那个 8 节点集群，普通电脑花 2 小时的计算，集群只要 20 分钟左右就算完了，同事们都非常高兴。

有时候我在想，如果我当时没有确定新的方向，继续走已经习惯的路，困难可能会比较小，挫折也可能也会比较少，但是却未必能有更多的收获和更大的成功。自学是不容易的，坚持一直去自学，同时还要学会思考如何选择和调整自己的科研目标和研究内容，这些都不是一件容易的事情。

学科的跨度大一些不要紧，因为神经科学本身就是综合性很强的专业，但是不多会几招，今后肯定吃不开。我想，我的这个经历虽然不算什么了不起，但对科学新人来说可能多少会有一些启发的作用。