他来自平湖新埭!从小包裹神童的光环,被誉为嘉一中50年一遇的人才!如今在科学界大放异彩

陆品燕高中三年，就在全国性的数理化竞赛中夺得8个一等奖和在获由美国组织的国际数学“建模”竞赛二等奖。2001年，他被清华大学免试录取，成为该校少见的硕博连读生。

他和老婆的合影

陆品燕：感谢你们的采访，也非常感谢中国计算机学会奖励委员会和推荐我的前辈们。说到研究成果，第一个成果是全息算法(holographic algorithm)，这也是我在读博期间接触的第一个课题。全息算法是图灵奖得主莱斯利·瓦利安特(Leslie Valiant)教授在2004年提出的新算法的设计方法，与量子计算有一些类似，但可以在经典计算机上用多项式时间完成。莱斯利利用这项技术给一些有趣的问题设计了多项式时间算法，这些问题此前一直没有任何多项式时间的算法。人们很容易验证这些算法是否正确，但不知道如何给新问题设计全息算法。那几年里，这种算法技术吸引了一大批研究人员的关注，《科学美国人》(Scientific American)等杂志也都进行了专题报道，大家甚至考虑这个方法是否可以解决NP问题。我和指导老师蔡进一教授一起给出了这个新算法技术的一系列数学刻画，并以此建立了一个一般性的设计全息算法的系统方法。这个结果也是我的第一篇STOC论文“Holographic Algorithm: From Art to Science”。共有三项成果：(1)重现了原来所有的全息算法，原来“神奇”的设计现在只是一个简单的参数代入过程；(2)为新的问题设计了全息算法；(3)证明全息算法并不能解决所有问题。自此，我们对全息算法的能力和局限有了较完整而系统的认识。

　　第二个成果是计数问题的复杂性。计数问题是计算满足某种性质的对象一共有多少，如一个布尔表达式有多少个满足的赋值，一个图有多少个完美匹配，一个线性方程组有多少组解等。有些问题表面上不是直接计数，但本质上是计数问题，如概率的计算及采样问题，统计物理系统的配分函数(partition function)，机器学习中图模型(graphic model)上的推理(inference)，网络的稳定性问题，概率模型的优化问题等。它们有很强的应用背景，其中有些计数问题容易计算，另一些则是困难的(NP-hard)。看起来很不一样的计算问题，可以在一些框架中统一描述，比如最常用的约束可满足问题框架(Constraint Satisfiability Problems, CSP)。这其中的一个核心问题是：什么样的约束使问题变得简单，而什么样的约束使问题变得困难。我和我的合作者证明了一系列二分定理：对于在一个框架中的任何一个问题，完全刻画这个问题到底是多项式时间可计算的，还是困难的。我们还开创性地提出了一个比约束可满足问题描述能力更强的问题框架，并在该框架下证明了二分定理。第三个成果是近似计数。我们发现要对绝大多数问题进行精确计数是困难的。应该如何处理这些困难的计数问题呢？这是我最近的一个课题——近似计数，即我们无须精确数出有多少个解，而只须给出一个近似的值，当然，这个近似值可以与真实值任意接近。我们发现，能否近似计数与统计物理中的相变现象有密切关系。相变现象出现在很多复杂网络系统中：微观参数的连续变化引发宏观性质的突变。基于这个联系，利用相关性衰减的技术，我和我的合作者及学生们给出了多个问题的近似计数算法。在这个过程中，我们也大大发展了相关性衰减技术，使其能够应用于更多场合。这些工作不仅对算法设计与复杂性很重要，而且对统计物理及机器学习等也很有意义：对于前者，是相变点的刻画；而对于后者，则是描述了在一类图模型上，信念传播(belief propagation)算法成功与否的条件。

陆品燕：我似乎没有特别明确的座右铭，但许多文字都给过我触动和启发。读本科时曾与一位同样热爱科学与数学的朋友聊天，偶然说到一句“对一切美好的东西，我不会变得冷漠”，彼此都深以为然。当然，我们那时主要是有感于对科学以及数学的激情，不希望有一天变得漠然。

　　很多人都曾有过当科学家的梦想，最后真正做到的人却很少。天赋当然很重要，但是我认识的很多有天赋也曾怀有科研梦想的朋友在不同的阶段（本科毕业后、读博过程中、博士毕业后、甚至当上教授后）却离开了科学研究领域。他们大多数人都在自己的领域里做得非常成功。对科学界来说，他们的离开是令人遗憾的。

　　还有不少人仍然在当教授，但是已经把学术科研当成一种商业运作：科研基金是“风险投资”，研究生及青年教师是“劳动力”，各种奖励是“产品”。从人性的角度来说，虽然这些运作无可厚非，但已经失去了科研本身的意义。提及这些，我想说的是，在现实中，对科学保持激情而不冷漠，其实是一件非常困难的事情，阻碍太多，诱惑也太多，能够“不违初心”、“不忘初心”，都是一种幸运。

　　我觉得自己很幸运，在成长的过程中得到了很多师长的帮助。在清华大学读博期间，导师姚期智教授给了我宽松自由的环境，让我选择做自己想做的研究；导师蔡进一教授不仅在学术上，在其他方面也给予了我很大的帮助。记得2006年，我到蔡老师那里学习。刚去没多久，我新买的笔记本电脑在办公室被偷了。这让我的心情很不好。蔡老师知道后，马上提高了我之后几个月的访问补助，增加的补助正好可以再买一台新的笔记本电脑。他跟我说，“再买一台新的吧，为了这样的杂事而影响你做研究的心情是非常不值得的”。每次想到这件事，我都被那份关怀深深地感动。做创造性的科学研究需要很好的心态。心情不好、情绪波动的时候，完全做不了原创性的科研思考。我现在的工作也得到了我的直接领导——微软亚洲研究院郭百宁副院长以及洪小文院长的最大支持，他们给予了我最大的科研自由度去做自己想做的研究，包括允许我长期在上海办公这类破例而又人性化的安排。

　　我是幸运的，但并不是每个人都能这么幸运。每次看到网站论坛上大家抱怨研究生以及青年教师的艰辛，大学教授与其他行业同龄的同学、朋友在物质生活水平上有多大的差距，我都忧心忡忡。科学家需要平和的心态，而要有这样的心态，除了他自己，还需要社会以及科研体制给他们创造一个好的环境。我觉得中国对科学家的定位和理解有偏差，从小读过的中国科学家的传记，关键词总是离不开“艰苦”、“清贫”、“寂寞”、“伟大”等。而看国外科学家的传记，大多数人个性张扬，享受生活，被社会关注并对社会产生很大影响，拥有非常精彩的人生。科学家是社会最优秀的一个群体，，但他们理应有一份体面的生活以及应得的尊重。

陆品燕：我没有到达王国维的境界，只能回想自己走过的一些心路历程以及当下的困惑和思考。

　　小时候听父母和老师讲故事、看电视，总是把人分成好人与坏人，事情分出善与恶。随着经验的积累以及不断思考，我慢慢认识到人和事情是很复杂的。所谓善与恶、好与坏在很多时候是相对的、主观的，站在不同的立场上会有完全不同的结论，并没有绝对的标准。

　　所以，从某个时候开始，我不太愿意进行太多的价值判断，而只讲事实。就这样，自然科学中的物理成为我最喜欢的一门学科。自然科学不谈是不是“好的”，而只谈是不是“真实的”，是不是与事实、实验相符。自然界中那么复杂的现象竟然可以被几个简单的物理定律完全刻画，真是太神奇了。后来，随着学习的不断深入，发现原来由常识建立起来的世界观在一定程度上会被颠覆，尤其是在相对论和量子力学中。比如，原来觉得可以描述一切的牛顿力学体系只是宏观和低速状态下的近似。不仅如此，所有物理定律本质上都是定律而不是定理，只是对所有经验观测的一种拟合。所谓事实判断好像也不是绝对的。

　　于是，数学又成为我最喜欢的学科，因为数学定理纯粹是逻辑判断，它是绝对的。任何一个数学定理一旦被证明，在这个公理体系里就是正确的，不可能再被推翻。而对于一个公理体系，我们完全不谈它是否是“真实的”，没有实验，也没有事实，而只谈它是否是“相容的”。这样的绝对性保证了一种对数学家的公平性，证明了就是证明了，你不需要太多额外的努力来说明为什么你的定理是正确的。

　　这个从价值判断到事实判断，再到逻辑判断的心路历程，很大程度上是我的价值观、世界观建立的过程，也是我选择理论计算机作为研究方向的原因。在很多工程应用方面有太多的价值判断，比如什么样的体系结构更好，哪种软件工程的理念更合理等，带有太多的主观因素。那些用实验结果衡量系统或者算法好坏的学科，虽然是事实判断，但是依然受很多其他因素的影响，比如实验数据的选取等。理论计算机本质上是数学的分支，我们证明的是定理，只要证明过程没有出错，它的正确性就是绝对的和客观的，是属于逻辑判断的。