把物理问题转为计算问题
博士阶段，我的课题是分子动力学超快光谱与成像的理论研究。工作涉及多状态量子动力学、波包演化、光谱与衍射信号，以及从信号理解微观运动的逆问题。
模型、算法与验证
研究需要在物理假设、数学表达、数值求解和实验信号之间反复校验。我长期在 Linux 高性能计算环境中开展模型构建、批量计算、数据分析、可视化与论文写作，也在相关课题中使用机器学习与神经网络方法。
在第一署名或共同第一作者研究中，我承担核心计算研究。这些经历训练了我如何阅读论文、检查假设、定位数值误差，以及区分一个漂亮的图像和一个可信的结论。
研究方法如何延续
如今面对 AI 项目，我依然习惯先明确边界和验证方式。输入条件是否成立、输出是否符合约束、哪里可能出错，这些问题来自科研训练，也适用于真实业务系统。