第一篇小论文的发表心得

小编最近在看新的文章，突然回忆起第一篇文章的种种过往。很想来絮叨絮叨。说实在的，一个人闷着头搞研究，出第一篇文章真的相当难，那时一直是孤军奋战的感觉。现在想想，大概是因为自己当时关注的太少，只是低头看论文。所以很想把这一路的研究经历分享给大家，希望大家少走些弯路。

本期预告

灵感来源

研究经历

投稿经历

灵感来源

大概是博二下学期，好像是3月份的时候，我刚刚接触量子机器学习领域，也感谢当时导师的推荐。当时有点兴趣，但什么都不懂。有些量子计算的简单基础（也不深），对人工智能完全不了解。虽然是学计算机的，但本科毕业后再也没有碰过编程，数学也是半吊子。这是当时接触这个领域的一个基本状况。

幸运的是南航有一个相当厉害的人工智能的团队。我就跑去听他们团队的研讨会，当然，基本上听不懂，只能听的懂背景介绍。很多专业名词（也许只是AI的入门词汇）我都要重新一个个的学习。有一次听到一个学妹介绍支持矩阵机算法（support matrix machines, SMM），我很感兴趣。第一，因为它是一个用于图像分类的算法（我喜欢拍照、喜欢图像）；第二，那个时间我正好在啃第一篇量子机器学习的文章：量子支持向量机（quantum support vector machines, QSVM），当时我有种感觉，我可以类似的设计一种新的算法：QSMM（历经一年半才发表）。然后我兴冲冲的跑回了实验室，开始我的研究。

研究经历

【泛读QML综述】接触这个领域时我看了一些综述文章，但是最喜欢的还是后来遇到的一本书。Wittek, P发表的《Quantum machine learning: what quantum computing means to data mining》。我当时大概花了一个月左右的时间，把这本书从头到尾的研读了一遍，收获颇丰。

【精读QML文章】专业算法的第一篇文章，就是前面提到的QSVM。这篇文章精读了至少3个月，现在也不能说全看懂了。在学习这篇文章的过程中，涉及的基础知识、专业知识都是从头一点点学的。学习中，又不断有参考文献、参考文献的参考文献...需要来读。不过这种精读效果很好，时间久了，原本看英文文献很吃力，逐渐就变得轻松，很多套路模版式的结构也会慢慢呈现出来。

【经典机器学习算法】基本上理解了QSVM算法，就开始学习经典的SMM算法。每次看这些算法，都觉得算法设计者设计的相当巧妙。在学习过程中，一定不要忘记动手实验。把算法跑一遍，通过实验也许会发现一些理论研究中漏掉的细节。

【量子机器学习算法研究】算法的流程很简单，对应的关键问题提取出来，接下来就是用量子算法进行加速。在这个过程中遇到了两个关键问题：

问题1: 经典算法如何转换成量子算法所能解决的线性问题（这个真是要相当的感谢冬大喵童鞋）。

问题2: 设计新的量子奇异值阈值算法（quantum singular value thresholding，QSVT）。

第一个问题在大牛的帮助下解决的比较顺畅。第二个问题大概持续了大半年的时间，有过各种设想最终都被否认了。这个过程一定是走了不少弯路，现在想想，如果当初能和这个领域的研究者一起讨论，很多问题很快就能解决了（这也是我建立平台的初衷之一）。

庆幸的是，在一稿一稿的写作中，在某一个晚上11点左右，我钻在被子里拿4.7的小屏手机看论文，突然看到一篇文章能用来解决我一直未解决的维数不匹配的问题。接下来几天通过邮件向作者Maria Schuld请教以及后来在matlab的实验验证，终于搞定了。

最终文章在李丹老师的帮助下重新整理了结构，在涂华伟老师的帮助下改了很多稿的摘要和introduction。终于开启投稿路程。

特别感谢两位老师，给我提供了莫大的帮助。

投稿经历

3月底左右投稿，第一篇觉得研究了一年，试试PRA（Physical Review A）吧，送审之后一个多月，一审意见回来，说效果不好，创新不够，拒稿。

当时真的相当痛苦。因为拒稿的理由我认为不充分，我的创新并没有被认可，于是我不甘心，进行了一次argue。

大概准备了一个星期的时间，把argue提交了上去。直到两个多月之后，终于收到了二审意见。

特别记得那会在校园里，阳光明媚，心情相当的舒展。二审中认为我创新足够，只需小修即可。

再过了一周左右，这篇论文终于被接受了。

小结

功不唐捐。这是我现在最喜欢的四个字。

研究是从喜欢的点开始，哪怕稍微有点兴趣。做研究，你会发现那些top期刊里传递的思想，相当有趣。这些趣味性，加之你不断想要验证的冲动，会让你发现不一样的问题。很庆幸，经历了这么多年，我才开始喜欢做研究，才开始享受这个过程。但never too late.

我应该比很多关注公众号的小伙伴都年长很多。我也才刚刚起步，相信你们的未来，更有无限的潜力。

一起在热爱的领域努力的玩儿～

搜索公众号：量子机器学习