咱们聊聊SRT里怎么把任务导向换成主动思考。这次咱们专门请来了清华上一学年的SRT特等奖得主，牛艺琳，跟大伙儿唠唠她的体会。很多同学都想在SRT里培养点科研思维，怕自己光知道按部就班干活。其实啊，只要心里想着多琢磨，哪怕在定课题、选方法，或者是处理不理想的结果时，都能把这事儿做好。 这次牛艺琳搞了个挺大的活儿，用OTF-MLMD（就是那种在跑计算的时候实时调用DFT数据更新力场的法子）去研究锂金属电池界面的事儿。从查文献、建模型、跑计算、到最后写论文，她把科研这一套流程从头到尾走了一遍。最开始她也就是想搞清楚锂负极碰上电解液到底能冒出啥化学反应。 后来她发现传统的分子动力学力场对付不了化学键的断开和生成，而第一性原理又太费时间和空间。就在这时候她盯上了OTF-MLMD，既能保留量子化学的精度，又能把系统扩大。她对“用机器学习代替传统势能面”的路子特别感兴趣。最让人头疼的还是刚开始准备那些计算文件的时候，参数怎么设、赝势咋挑、怎么并行运算不卡OOM这些细活儿，过程挺枯燥的。 她接着验证了OTF-MLMD在DME体相、Li–DME界面和Li–LiFSI+DME电解液界面这三个体系的表现，每个都得跟AIMD的结果去比。刚开始她画图看趋势还不行，后来学会了用RMSE和TVD这些定量指标来判断模型稳不稳。在跑大体系模拟的时候，她拿一个经过340 fs训练的小模型去算近30万个原子的界面结构，这就叫验证模型的可迁移性。 为了把这种方法用好，她还学了怎么写科研论文。以前写东西像做作业，现在要求图片规范、逻辑清楚、语言简洁。她把那些没用的空话全删了，留下能说明误差范围、能量偏差和文献结果比较的硬货。老师和师兄师姐也给了她不少建议，他们总是提醒她先搞清楚原理再动手改。 现在她不光盯着数据好看不好看，更关心结果背后能说明啥问题。比如为什么只训练几百步力场就够了？为什么反应只在特定区域发生？她觉得这类问题比单纯的结果更有价值。回顾整个项目，牛艺琳觉得学到的不光是VASP脚本这些技术活儿，更重要的是那种严谨、有逻辑、有耐性又爱思考的科研态度。 想知道更多经验的话就来评论区聊聊吧！咱们下期接着聊初学时怎么面对一堆乱文献和模糊想法的问题。