这门课授课上有多烂，作业和考试如何不合理，其他同学写得够详细了。这篇文章我想专门分析一下张仁友老师对教育和授课中一些可能不易察觉的内在逻辑，以分析当前情况为何存在必然性。

张老师有名言：“如果你不上课就拿高分，那对来上课的同学就不公平。”这句话粗看平平无奇，任何一个中学老师可能都说过类似的话，不过仔细分析其运行机制，便另有一番风味。

为理解其背后的逻辑，我们首先需要引入著名的教育信号模型(也叫做“读书无用论”，只不过更隐蔽一些，它远比那种明面上的读书无用论有害)。这个模型在互联网上有很多比较清晰的科普，这里摘录两段

Spence的教育信号模型简单的说，就是市场上有2种（多种也可以，不影响模型本质）人，一种高能力一种低能力，教育本身是一套刑罚（这个观点可以参考福柯的《规训与惩戒》，不过考虑到大部分人听不懂啥叫规训，我还是说的通俗点好了），高能力的人能吃更多的苦，低能力的人吃不了那么多苦（准确的说，吃的是同样多的苦，但是高能力的人有更快的消化苦难的速度，因此感觉到的苦难更低），因此学位更高的人花钱（理性人假设中的效用，简称为利润，再通俗的说法就是钱）向市场发出了“我能力更高”这样一个信号，因此老板（委托人）愿意给他们（代理人）提供更好的岗位和待遇。这个模型的描述力当然很强，但是八股取士也符合这个模型，清朝什么下场就不用我多说了吧？现代教育学，本来就是要逃脱Spence的模型的诅咒（否则直接考八股），以教育（传播理性之光）取代选拔（由Spence的模型可知，任何一种考试制度都具有选拔性，只要这种东西是令人痛苦的）。鼓吹选拔的人只能说是：曹姥姥进衡水——内卷到家了。

取自https://www.zhihu.com/question/334681627/answer/757641292

信号传递模型也解释了许多我们看不到的东西。而如果学校的主要目的是学习，那么我们本应该能看到这些东西的。

...

并且，只有在学期末进行期末考试才能够最深入地测试学生对学习内容的掌握程度。但是如果雇主当真关心知识，那么他们应该想要知道学生事实上还记得多少知识。然而，雇主似乎只要了解学生学习的事物（按时完成任务）的通识能力就已然满足。还记得上文提及国家从学校中获得的价值根本比不上学生从中获得的价值吗？信号传递模式很好地说明了这一点。学校越是关注资质证书（而非学习），那么总体而言，国家提供的教育年限越长，就越无法从中受益。如果学习只能起到微乎其微的作用，那么让每一个公民多上几年学只会在整个国家的总体生产力方面溅起小小的水花。同时，如果你是某国的一个学生，上学的时间越长就越能够显著提升你未来的工资一不是因为你学到了什么，而是因为学习的时间越长，在学校待的时间越长，越能证明你会是一名更好的雇员。并且，更关键的是，这能让你脱颖而出。因此，从教育的目的不是学习而是信号传递来看，教育更是一种竞争，而非一种互利的合作行为。诚然，我们希望看到的是校园是一个共同提高的地方。然而，信号传递模型向我们展示：校园是一个竞技场，只有一些学生能够“获胜”。以上种种告诉我们，应当重新审视我们给予学校的巨额补贴和鼓励。诚然，评定学生的资质并对学生进行分类确实有好处——技能更高的员工走上更加重要的岗位会带来更可观的经济效益。但是在花费大量金钱、精力和社会资源的教育角逐之下，这种效益看起来苍白无力。

取自https://www.163.com/dy/article/G5N94DT9054454LU.html

进一步的解释和具体计算可以参考微观经济学或者博弈论教科书。利用信号模型分配稀缺资源是最大的毒瘤，一方面，信号原则上总可以被伪造，那么逆向选择是难以避免的，即劣币驱逐良币；另一方面，信号模型下，只要有稀缺的极大元，那么为了这个极大元，就可以放弃一切，今天我们称为“内卷”的现象便有一部分源自于此（而它本质上和学习和教育没有任何关系）。当然，本文不希望全面地探讨这个成因。

现在我们就理解了张老师（如果他值得被这样称呼的话）的逻辑如何。站在张老师的立场，我们大可直接假设考试成绩是忠实的，那么姑且我们可以认为考试是反应了同学对知识的掌握情况（这当然，和现实没有关系，我们假设自己活在张仁友宇宙），那么结合张老师原话，我们可以看出，在张老师看来，学术能力并不是考试唯一的，甚至也不是最重要的判定标准，至少学生去上课是同样重要的，而这与上课是否能提高学术能力并无关系。可这是一个让人极其疑惑的说法，如果上课无助于提高学术能力，为什么要去上课呢？其实张老师心中把上课是作为一种“惩罚”，而他心中理想的考试真正要筛选的应该是更能“消化苦难”的学生，而学术水平远非最重要的。何况，考试分数只是考试分数而已，信号是可以被伪造的（伪造不见得是人为的原因，比如无法排除运气的涨落等等因素，得到的也是“假信号”，从这个角度说，信号被伪造几乎是必然的）。

这样我们就理解了为什么计算物理B这门课会受到如此差评，毕竟（至少部分）学生的首要目的是为了学到东西（不见得是这门课讲的东西），而张老师的目的并非如此；这两种目的有时会有所重叠，但究其根本差之千里。这种情况下，你凭什么期望他有动机提高教学水平呢？毕竟教学质量不那么好，痛苦才足够痛苦。而我看来，当他说出这句话的时候，他就应该从讲台上被赶下去了。

这里的讨论显然可推广。说到底GPA的一个重要角色就是帮助大家适应社会运行机制的服从性测试，确保一个人能乖乖的，不去质疑目的的，承受重复，枯燥，繁琐，无趣的机械性工作而不出问题，当然我不否认这种耐受性本来就是很多能力中必不可少的一环，但现在的环境就是逐渐趋于保守，强调服从性已经快超过其他能力了。

这种尺度下，我永远不是一个“”优秀“的人。因为我是真的三观不正四体不勤五谷不分六亲不认，我就是一个目光短浅，今朝有酒今朝醉的人，任何画饼的承诺对我无效，我也不看重所谓的“潜力”。别的问题上的延迟满足先不提，我始终觉得为了区区GPA而牺牲什么是不值得的。没错，我就是大学里非常常见的那类躺平咸鱼。当然，这并不意味着我是毫无痛苦的，当我静坐在电脑前，对着毫无兴趣的复习ppt，明明手边有一堆更有意义的事情却无法摆脱刑不可知则威不可测的恐惧，只能白白看着光阴虚度，其煎熬也只有自己知道，那份痛苦是如此真切。

而以上这些，并非信号模型最让我愤怒的地方。就我自己观察，到大四，我身边还能对物理保持较高热情的同学，大都不怎么去听课（至少不会以上课作为了解物理的主要途径），我无意描述一种因果关系，只是指出相关性。很多同学抱着一腔热情来科大学物理，体验了以上各种拷问，有的一年，有的半年，或者一次考试，或者一次作业，就耗尽了对物理的兴趣。他们抱着遗憾离开，心中认定自己不适合做物理。我很遗憾的一点是，从本文提供的角度看来，他们从头到尾和物理都没有过任何关系...如果说这能够叫做教育，那毫无疑问，这种教育是彻底失败的。相比之于兴趣的消磨，学到的那点知识根本可以忽略不计。是的，一时半会学多少东西根本不重要，我想任何真正做过研究的人都会同意这点，毕竟前人已经建立好的知识，花时间总能学会，这没什么了不起的；但其最糟糕的地方是以伪神的祭祀代替了真神的祭祀，看上去它在讲授科学知识，其实它是最无科学可言的事物，而这种独断专制的东西，自然不会有人喜欢——可谁规定科学的本来面目就是如此呢？而我们过去花了巨量时间，承受了无数的痛苦，跨过重峦叠嶂，最后换来的却是这样的教育，这又真的值得吗？

我们应该感到生气。一些美好的事物被偷走了，而我们却从未感觉到失去过，因为早在我们出生之前就被偷走很久了。假设由于某种历史的偶然，使得我们都认为音乐是沉闷而乏味的事情，那么，不到迫不得已我们不会去碰。假设我们从小就上音乐课，音乐老师不断用可怕的表演折磨我们，以至于我们都深信音乐只是在葬礼上有用，那么我们可能会认为每个人都应该了解一点音乐，但只是出于实用的目的：你需要音乐是因为在（极少的）一些场合可能对你有用。但大家对音乐的认识更像是某种工具而不是艺术。

当然，世界上仍然会有许多艺术家。就像现在一样。我说的艺术家不一定是艺术院校的学生，或是职业艺术家，或是那些坐在马桶上创作作品然后放到博物馆去的人。我说的是创造新事物的人；坚持做自己的那些人；用自己的方式打破现实，让你能用神经末梢真切感受到的人；同世界抗争，以至于经常会夭折的人。我们会认为，“音乐不适合他们，音乐是为会计师那样的人准备的，我们最好别碰。”这种情形看似荒诞，数学却正是这样。

Burn Math Class

也许在另一个场合下，在一个没有任何偏见和压迫的场合下，我会发自内心地去学蒙卡和神经网络并乐在其中，可惜，那不会是现在。而你们呢？信号模型的拥护者，张老师，张老师们，你们偷走了多少人的人生中那些可能的美好？这也配称为教育？你把人变成鬼罢了。

当然，你可以把这理解成科大教你最重要的一课：把教育自己的权力交还你自己，不要当“正版高等教育的受害者”。

这门课应该取消或者重新定位！

讲课垃圾！

张仁友老师和吴雨生老师虽然看起来都很想把这门课讲好，但是实际上讲课效果很不行。

(大概就是讲课老师的“卧龙凤雏”吧)

这门课内容极少：蒙卡（甚至就是抽样）+ PDE数值解（其实就是差分代替微分）+还有什么来着... 但是zry老师能整活啊，貌似讲了很多，我也听不懂... 之前别人吐槽已经很多了

吴雨生老师似乎讲了包括mma和ML的很多内容和概念，但是寄希望于两三节节课就能把ML这么大的话题讲清楚？？？什么是随机森林？？什么是神经元网络？？我到现在还不明白

蒙卡，数值PDE和机器学习是很重要，但是这门课除了几个名词，还能让我听了个什么，完全没有更深入的理解。

如果是机器学习科普的话，就不要考试这么刁难人，考技术性这么强的东西

MMA考试更是笑话，比ppt谁背的多是吧-_-

作业内容和考试内容和上课内容正交，这点很有意思；我作业除了前面概统题都不会写...记得有一次蒙卡极难，全抄的室友...你说听这课有什么用

果然，“计算物理”不仅和计算没关系，和物理也没有关系...

最后关于考试：

拿到试卷后10分钟，一直再想怎么重修和放弃成绩了（后来发现大三的课么的机会了orz）

本人最后一题神经元网络没有复习（赌机器学习不考），写俩字“不会！”（现在也不会）；前面关于机器学习的判断题，完全乱蒙，真不会写，于是打了6个叉；

MMA部分，考前晚上似乎看过，但是由于没有实际练过，也凭着模糊的记忆口胡上一点点（用代码把题目里的公式抄了一遍）；量子力学或者mma学的好的人应该会写orz

蒙卡几道题倒是常规，倒是又要写步骤又要画流程图？？？

唯一会写的解微分方程...(很简单)

给分出人意料，给了90+，调分是肯定调了。但这么心惊胆战才拿4的课(当然我是不配拿到90+的，毕竟我啥也没学到，浪费我翘半天课看蒙卡)，我再也不愿意上了...大概是在科大上过体验最垃圾的课了..

不过心疼学弟学妹

计算物理AB二选一两杯毒酒必然是要干一杯的了

出完分，群里一片感谢之声。诚然，老师每周都来上课确实不容易，但是这课真的没法洗。就算是既得利益者，下次可能也会栽在这种教学质量有问题的课上。

据同学和zry老师确认，这门课没有调分，以上做此更改。其中我认识的同学甚至有拿2.7甚至更低的，但我完全不认为这是学习态度的缘故。

纯恶心人的课程

大三本来应该是狂学实验室内容，入门科研的最好时机，这种课程就是阻碍你的一座山，食之无味弃之可惜，建议有时间有必要的话还是去学研究生计算物理吧

1.4更新：打低两分，为什么我们要学这种没有任何意义的机器学习算法？然后作业就是复制代码？

1.13复习补评：看mma范例代码的时候，发现老师准备代码也是在胡，反正改出来差不多得了，没有学生会自己写一遍跑一遍是吧，大家一起摆烂，代码有错就加个手写表示一下，函数明明在后面定义，也不是在Module里面，却能够作用到前面的自定义函数

助教也一直...整个学期问过好几个问题就回答过一个，还是我想出来后找他确认他对对对

烂透了

1.14考试后更新：

放弃了复习晚上考群论的一部分时间，我想复盘一下这门课到底为什么这么糟糕，今天上午在考场有人考的过程中直接骂出来了一声傻逼，我自己则是 做zry的部分还没什么感觉，做到wys的部分越做越气，最后直接想开摆判断题全打对了，反正我也不会也没背到，背的方向和考的完全相反了。

复习的时候本人认真看完了讲义和ppt，希望至少不要一个题都写不出来，复习的时候发现，张仁友老师的部分基本不需要看，因为深度实在是太浅了，计算物理的核心应该是Monte Carlo方法在物理中的应用，比如最基础的用抽样去解决粒子的随机游走分布问题，或者解物理方程中使用二维游走模拟(Metroplies?不记得怎么拼写了)方法，以类似于possion中的电荷项去影响游走的概率分布，改变抽样结果，进而改变解的分布。可是计算物理B的做法始终热衷于差分，如此上我觉得不如和计算方法何必给计算物理变成4学分单独开一节课，这样也不用期末准备两门的时候都各自骂一遍。反观吴雨生老师的部分，上课就是念ppt神游，但是内容确实又大又空，比如分子动力学部分抽去历史和结语总结，所用的主要公式就只有4面ppt，剩下63张全是废话或者几张ppt就能带过去的，考试也就是几个要点verlert算法，最小像力，截断，所谓的verlert还是差分法，不免让人吐槽起个这么高逼格的名字有个p的作用....等于说在没有任何实质拓展的情况下拓展了一大部分内容。Mma部分更是可笑，ppt上有错误的上课演示对了，你甚至不愿意改一下ppt再上课，期末考试就是背模型和代码，那我请问我想学mma为什么要来你这学？我去上符号计算软件不是更能学到语言的东西？机械学习就更傻逼了，给多少学时就应该学会多少东西，三节课列了84张ppt，考试竟然是从这些里面随机抽犄角旮旯做判断？还有就是解释名词？我学机械学习干嘛的，我一不专门做计科二不做这么高端的模拟，现在集成化运算这么强机械学习的算法会有人没写好？需要的时候我不能自己学？三节课愣是一点关键的东西都没听到。所谓学习要分为什么是什么怎么做来思考，机械学习这部分的内容甚至连是什么都没讲清楚就开始说怎么做了。

考试的时候体验更差，我见过考背书的很傻逼的，这么偏和傻逼的还是头一回，考试前zry说不用计算器，结果考试考了一个Laplace差分解线性方程组，竟然还要算解析解？都2022年了怎么还有人算这种本来就是近似的解要求解析解啊？然后后面有个题判断势能1/1000的位置在哪，这难道不是明摆着计算器算？我问助教助教和我啊对对你解析解估算就行了，我寻思解析解估算是什么操作？我可以把1/1000估算成0吗？机械学习更是离谱，判断题题目都读不通顺几个，那个正则化的判断我愣是把卷子看了两遍才看懂他在说什么。

感觉是前所未有的恶心

出分了，班平均中位数都57分左右，卷面72->90，还是用心调分了，给分还可以算是这门课唯一的优点了吧...

出分了，GPA直接掉了0.02，我直接流汗黄豆

根据大数定理，当评课人数足够多时，这门课得到的评分将收敛于其真实水平

------------------------------------------------------------------------

一会尝试复述一下试卷内容，给后来人一个参考

2021秋季学期寄算物理B期末考试.pdf

修改了一下

2021秋季学期寄算物理B期末考试pdf.pdf

这是室友yzj整理的，我修改了一下，后续想到了可能还会补充

出分了，喜提2.3，真是可笑。。一瞬间想了很多话但最后还是删了，毕竟自诩文明人，不值得为此生气捏。

人生中会有这样一门课简直就是jwc对我的侮辱。

不过也没事，算是扮演了大一大二那些zz和英语课的角色吧（拉绩点）

————————旧评2

绷不住了。

考试比想象的要难，应该有人复述考卷我就不添乱了。考前有人问需不需要计算器，

zry：不同

考前：不用吗，谢谢老师

考完：（流汗黄豆）不用吗，谢谢老师

不用带计算器是吧，手算有限差分法、带e的多项式、开六次方根是吧

上大学以来头一回有要挂科的感觉

我tm谢谢你

—————————旧评

从“mma求解抛体运动”到“随机森林，神经元网络”只需要两周。

但是很遗憾（无论是对于学生还是对于教育），首先这课是必修，其次除此以外只有恐怖的计算物理A。那还能咋办，开摆

———————————旧评 占坑。

太忙了，基本是上课干别的，写作业顺便自学。作业有很多编程，夹杂一些理论推导（概率论复习）。

zry老师课上讲的东西好像很宏大，经常听不懂，但是自己写作业编程就没感觉到有难度（强推matlab编程。都1202年了不会还有人……吧）。虽然我也不太擅长编程，但是尽早掌握matlab绝对是有巨大好处的。

以及很迷惑为什么作为理论物理人，大三秋的课却被“计算物理，计算方法，数电，四级大雾，电路实验”填满……

首先不得不声明一下，我这学期期末搞得挺崩的，而这门课在这种情况下给了我个很好的分数，所以我不忍心打一星，希望理解……

以下是正式评价。

计算物理B生存指南

上课：建议不要听课，我第一节课很认真的去听了老师在讲课，结果是搞得头昏脑胀差点没睡着外加啥啥没记住，自己课后复习十五分钟就搞定了。于是第二节课就开始不听了，后来听的人发现越来越少。上这门课的时间还挺长的，可以做点别的事，比如打游戏什么的（包括但不限于扫雷、农药、消消乐，以及下面大佬提到的国王保卫战。也可以做做其他题学学其他课比如量力啥的（心疼），听课实际上收获并不是很大，原因有位同学总结的很清楚，一位把明白搞得不明白，另一位把本不明白的事情硬要你很短时间明白。但是要到课，两位都会点名，“这位已经三次不来了，直接挂科”。

自学：zry老师的讲义我感觉写得相对挺好，你自己在五个小时内应该就可以整通透；wys老师的PPT，个人觉得分子动力学相对比较好，MMA可以自己实践，反正没多少东西，寄器学习不知道咋搞，希望有大佬指出。

作业：zry老师的作业分书面和上机两部分，wys老师全是上机。在这里，建议关注一下书面作业，重点抽样方法的证明，要考的。其他考试题在讲义里的例题中体现较多，zry老师上机作业几乎一点用没有，wys老师的MMA和分子动力学作业还算有用，这里建议这些上机作业可以大家合作。然后到了寄器学习部分了，建议这部分直接开摆。我python都安不明白，向我几个外校计算机专业的请教这作业最后把那几位整破防了……建议copy代码贴上去交了完事。最后说一下，据说本课程助教的作业区没有评分功能，估计交了就行。

复习：本人已经证明，该课程可以两个小时速成，所以不用慌嗷。重点浏览zry老师讲义，第三章不用看，舍选、抽样证明、高维向量抽样、RUNGE-KUTTA法应该算重点内容，还会考你抽样流程，建议书上抄一个背下来。wys老师大概看看分子动力学，把verlet算法背下来就成。MMA不要太细看，写的看不懂，他也不考那些好像是，把自己以前的代码看一看，我特别记住了怎么给上一个的结果赋值（就Flatten什么的然后后面加\.t->，要说这玩意儿就离谱，MMA软件界面明明能一步一步输出的然后把输出结果copy下来直接赋值，手写就不能这么搞）；寄器学习可以不看，看了好像也没用，不过考试还有人写出来了？

考试：下面有大佬放出了考试题内容，我这里说一下我当时做的

第一题：是一个抽样方法证明和一个高维随机向量抽样，这部分和作业比较相似，高维随机向量抽样的流程讲义上例题也有；

第二题：算方差，讲义上也有例题；

第三题：微分方程，这题考的拉普拉斯算子五点差商格式，但是之前复习课说的是龙格-库塔重点考察，结果没考……这就很……反正透题课不要全信，从评课社区高量的反应来看也是如此；

第四题：减除法，这东西也很偏门，我是考试前偶然看的，不然就寄了（悲），把cos换成两个sin好像是？

第五题：分子动力学，整体比较一般，但是先前有人询问过要不要带计算器，结果这个整了个数值计算，就emmmm……反正没说不允许，带着总没错；

第六题：MMA量子力学变分问题（再次心疼量力TAT），据说去年也是这个，考虑到本课程MMA量子力学薛定谔方程都是手算的，所以考的可能一直都是这类变分问题，哦对了还有自然单位制量纲分析；

第七题：寄器学习，判断加解答，建议直接打六个叉走人，两个解答一个是画神经元网络默写熵函数，一个是ROC曲线，啥也不会，但是察觉到了要素，先整个活：

（看到ROC后的唯一反应，其实我猜也是大部分同学对课的感觉）。

总结与展望：说实话觉得这课收获不是很大，上述东西也仅仅针对这门课程如何去“应试”。计算物理应该还是很重要的，据说以前这门课也不是这样的，但是应该是在某个时间点，学生或者老师摆烂，然后一方觉得没有收获，就不好好听，另一方觉得学生不好好学，干脆不好好讲，然后更加恶性循环，至于这门课该怎么开，我是不太知道的，据说龚明老师的研究生课很好，但是对我又太难，计算物理A的体验据说也很差，看了评论我觉得评课社区的意见还是比较好的，可以反应反应，当然，考虑到先前有的反映效果，如果一直不改的话，那希望这份生存指南对后来者有所帮助。

        张仁友讲课非常罗嗦，内容几乎没有轻重主次之分，比如花整节课泛泛地讲一些纸上谈兵的东西，用到的数学表达式竟然能不超过两个。讲蒙特卡洛的时候，经常写板书推导到一半时，“为了方便起见”来回改下标、改动变量的定义，导致推导过程连贯性很差。他发的讲义也类似，写得很粗略，完全可以被课本代替。这正是——讲义内容实在不多，讲话字数却是不少。

        吴雨生老师讲分子动力学、计算机代数和机器学习，内容压缩得非常严重，尤其是机器学习，很多概念都只是提了一下就略过去了。

        这种讲课的方式导致上课学的内容、回去写的作业和考试的内容两两差别都很大，往往是上课学了一堆抽象的概念、定性的科普和走马灯式的展示，回去自己摸索着写程序，考试时却要回忆出只在上课时看过一眼的机器学习公式、用手解之前编程解决的问题、画出流程图这种整个学期都没接触过几次的东西。

        上完这门课，感觉整个课程简直就是一出荒诞剧。这种课程早该取消了。以后学习科研真用到计算物理知识，借几本参考书、在网上搜搜就比这课详细多了，根本就

不同

上这门课嘛！

逃无可逃之计算物理

补上保留环节：

前半学期把本该能讲明白的知识讲不明白，后半学期把本该讲不明白的知识通过作业把学生搞出ptsd。

手算超松驰迭代，手写mma代码还贼复杂，分子动力学数格子，画神经元网络，考这些题的目的是什么？比谁运气好，押题押得准？

tm原来不用超松弛迭代，要解析求解，试题也没说明白，据说四个考场只有一个考场老师提醒了，连公平都做不到吗？15分直接没了，这卷面分得挂科。

傻逼课，我他妈最后一周写了你妈十几二十个小时程序，从零开始学python写机器学习，我他妈12号就要开始考试了，6号还他妈在赶这勾八作业，为什么他妈的一次作业就要学python、pytorch、sklearn，我平时基本不用python还低人一等了是吧，傻逼课。

对了，最后还是没能在ddl前赶完一半。

就说这机器学习作业吧, 两道题, 一道是随机森林有关的, 做的过程不需要对随机森林和机器学习有任何了解, 而是单纯的写个循环改输入的超参然后画图; 另一道神经网络, 数据2G多一些, 读个数据电脑就要跑大半天......

总而言之就是说在作业中学不到东西(除非是完全没接触过python的同学, 可以学到python的一些基本的语法), 但却要折腾电脑大半天, 太晚开始写还会面临程序写完了没时间跑的处境. 看不出布置这种作业除了假装在教同学们机器学习之外有任何用处.

关于课程教学内容：

我是做星系形成与演化的，平时主要是跟各种数据(包括观测的和数值模拟的)打交道，无论是蒙特卡洛方法，分子动力学模拟（其实从原理上讲，和引力N体模拟差别不大）还是常微分方程数值解和神经网络，都不算陌生。按理说，我应该是最适合上这门课的那个群体，但是，实际上，我没有从这门课上得到多少收获。

先说说张仁友讲的部分：蒙特卡洛方法和微分方程数值解。

如果你只通过这门课了解蒙特卡洛，那么你对蒙卡的了解就会止步于“撒点算积分”和“原来随便拿俩粒子碰一下能碰出麦克斯韦分布”这种non even trivial的观念。这是什么水平呢？这是大一C语言课的水平：

实际上，蒙特卡洛方法之所以被广泛应用于各种学科，很大程度上是它在数据分析与统计上的强大作用。一个很典型的例子是用马尔科夫链蒙特卡洛（MCMC）限制模型的参数（也是我平时用得最多的），可以参考这篇文献：MCMC.pdf，常用的软件包有emcee和Monte Python。

这个方法有多重要呢？在Google Scholar上搜索Monte Carlo有450万个结果，而搜索Markov chain monte carlo有84万个结果，也就是说MCMC的结果差不多占到蒙卡的五分之一。

为什么张仁友老师对这么重要的东西视而不见，而情愿上半个学期的撒点算积分呢？我一直是迷惑不解的。直到我发现张老师自己的工作是围绕着用蒙特卡洛方法计算散射振幅积分。这是什么意思呢？如果大家对张老师讲的多体相空间的产生有印象的话，张老师平时做的事情就是在这样的相空间里抽样，然后计算出一些奇形怪状的定积分。我猜测张仁友老师之所以只讲算积分，恐怕是因为他熟悉的“计算物理”就是撒点算积分。这样的工作当然是有意义的，但这显然不足以作为半个学期计算物理课的内容。所以我的建议是换个老师上。

至于那些抽样方法，我一直以为概统课讲了来着，实际上我是在“天文数据处理”那门课学到的。对一个熟悉概率论与数理统计的人来说，差不多一节课也能讲明白的。这一块，张仁友的讲义和这门课课本讲得都还行，能看明白。

关于微分方程数值解，大家在计算方法那边会学会有限差分和龙格库塔，而有限元一般这门课也不讲，所以说基本被计算方法覆盖了。仅有的区别是，这门课讲的有限差分包括了偏微分方程的情况。考试前务必记住泊松方程的五点差分格式。

至于吴雨生老师讲的部分，有分子动力学模拟，计算机代数系统（Mathematica）和机器学习。

这一部分有个很大的问题是，吴老师对这三个主题，恐怕比较了解的只有机器学习。

分子动力学模拟就是把一堆质点（“分子”）放进一个盒子（“元胞”）里面，然后规定它们的相互作用，再指定一定的初始条件，用类似有限差分的方法求解N体运动。如果把这里的电磁相互作用换成引力，就差不多是宇宙学的N体数值模拟了。关于这玩意的特点是什么，有什么用，我建议看丁泽军的讲义：11551-计算物理讲义-科大丁泽军[hejizhan.com] (3).pdf。这一部分，吴雨生老师布置的作业虽然比较玩具但还是能让人有点收获的（“为什么我的周期性边界条件总是出问题”），至于上课，前人之述备矣，就是讲了一堆没啥关系的内容。​

未完待续

对了, 好像编辑点评会自动从半星变成一星, 张仁友评分突增原因(1.6->1.9)说不定是因为这个(笑)

出分了，卷面89，总评98，吴雨生老师人还是非常好的，给分可能也比较宽，但课程本身确实不行（怎么感觉像是给老师发好人卡doge

原评论：

破大防 离大谱

没有前置课程的情况下想让人短时间内掌握python和各种调包，属实非常脱离实际（其实python倒还好，倒主要是各种包的用法老师上课不讲就让我去用。。那我除了去抄给的示例再改写参数还能怎么办啊？？？

理论物理人真的很想拿这些时间去学一些其他东西的。。。

    为了给这门课打一分专门注册的评课社区帐号

    我觉得这门课的总体内容还是挺有用的，蒙特卡洛方法，MMA，分子动力学，机器学习，这些都是很实用的方法或者工具，但是我认为上这门课的这两个老师真的没有做到他们该做的事，虽然我感觉他们很认真的在上课，但是从效果上来说我认为值得我给他们打一分。

    首先是张仁友老师，我觉得他最大的问题是太抽象了，讲的理论高深莫测，但是从来没有什么实际的例子，像我这种领悟能力不是很强的同学就完全懵了，加上课本也不是那么容易读，导致刚开始的时候作业完全懵逼，而且张老师有很强的扩句能力，这使得很多本来很简单的问题在他的嘴里就变的绕来绕去，很不直观，所以我上课一般就在后面打游戏，感谢计算物理，让我这学期打通关了国王保卫战，之前买了好久，一直没有打通；之后是吴雨生老师，我觉得很难评价的点在于我认为他上课的态度真的感觉挺认真的，PPt也做的有板有眼，但是实际情况是上课讲的枯燥，而且PPT中的内容也很少有提纲挈领的东西。我很难直接对这两位老师发泄什么情绪，但是我认为这样的计算物理课真的让人无奈。

1.14考完了

我觉得现在这门课的评分还是有一些保守了

这门课我大部分时间都坐在最后一排打游戏，而且经常厚脸皮巨幅度迟到，所以直到考试前几天还不知道这门课在干嘛。

然而考前预习讲义就可以发现张仁友老师的计算物理部分几乎没有任何实质性内容，只有一些很基础的MC抽样和计算方法的一些延伸内容。至于吴语生老师的MMA与机器学习部分，就是试图把巨量的方法和概念塞在几节课内完成，最后结果是基本没学到任何东西。如果这两个老师均匀分配一下课时可能会好一点。

平时作业都极水，甚至大都只需要概率论的知识，一道MC编程题目都没有，倒是有一道入土的有限差分编程，后半部分的作业就是一些简单的MMA程序和一个根本不知道原理的机器学习程序的复制黏贴。

期末考试考了3道MC，1道有限差分，1道MMA变分问题，1道机器学习。前4题难度都不大，MMA全靠背ppt，机器学习学了个寂寞。我机器学习基本空着，还错了一道MC，也不知道最后为什么还有93。（似乎有不少人没看到第6题，但是第6题看不看到好像区别不大，也就是拿到50%判断题的乱蒙分）

总的来说，这门课适合不想学习计算物理的同学来上，可以花费计算物理A的零头时间学到几乎可以忽略不计的知识，然后得到相同的学分和不错的成绩。

差不多得了[流汗黄豆]

看到其他同学如此详实的评价，我已经心满意足了。老实说，一分都不值，这两分全是给美丽温柔有耐心的助教xjj的，要不是元旦假期有她帮我解决各种稀奇古怪的error（其实多半都是我照着CSDN解决的），我tm才懒得交机器学习作业。

zry的讲课，依我来看就像MC，如果真要听课，那就是隔一段随机的时间对他的讲课内容抽样一次，以此做MC估计。最后你会发现MC方差出奇得小，因为他讲了这么多课，一大半都是废话。

wys更糟糕，不止是讲课，更在于考试出题。 建议去考个教师资格证。

哪怕是wys和zry两个人的次序颠倒一下都好。。

准期末周一月初干了两整天多的机器学习

这应该就是许多悲伤的开端（

（虽然不得不承认这些对未来是有一定意义的 但是谁想在期末周整这个。。。

（悲 学弟学妹们加油 两杯毒酒咋都得选一杯的了

对考的不行的给分还行，我感觉就考了一坨屎，最后2.3

23333333333#

作业最后几次屁都不会，考试感觉就做出一题，别的只写出一点xs，都感觉要挂了，假期把书带回来准备补考，然后给我整这出，可以，安利

原来龚布这么好！

只能说早知道就和室友一起选龚明计算物理了，听他们的描述感觉比较对自己口味，特别是期末考是上机考试，实在是太阳间了

让我无法在键盘上敲出诸多激烈的批评之词的一大原因是我觉得教这门课的两位老师本人不错（zry老师可能有点强迫症，考试发试卷之前还特意将考场里的每一份试卷对折整齐，一位人高马大的老师细致地折试卷的动作莫名很戳我，不知道这是不是他讲课的时候很注重某些部分推导细节的原因；wys老师是真的很儒雅，从讲课的时候就可以看出来，而且考完试恰巧碰见还问考得怎么样，课后也会很耐心地回答问题），而且我觉得并没有必要因为一门课就对两位老师进行人身攻击，以下是对这门课的一些尽量客观的主观看法。

Part 1 (Monte Carlo方法)

这门课刚开始由zry老师讲mc，我一开始是真的想好好听课的，每节课开头试图认认真真做笔记，但越听越觉得老师讲的东西不进脑子，下课之后一度很狂躁。后来发现，zry老师讲课莫名很绕，mc思想很简单但是听起来异常复杂。拿Runge Kutta法为例，zry老师讲义上看起来符号绕来绕去，换到计算方法书上看起来就很简洁（虽然那本书教材不怎么好就是了），这点在考完计算方法后“预习”计算物理时异常明显。而且mc举例的时候听起来也很痛苦，可能因为并没有接触过高量（我只是一个想跑路的普通学生罢了），对粒子物理也没有想过多了解，符号又很多很繁杂。

前半部分的作业我是拿MATLAB完成的，一部分原因是不想用c，而MATLAB定义矩阵画图什么的都很方便，于是从零开始MATLAB。个人觉得对于我这个小白来讲前半部分作业比较简单，讲课内容也比较简单（虽然老师讲的看起来不简单）。

Part 2（分子动力学+Mathematica+机器学习）

这部分是由wys老师负责讲授的。

开始的分子动力学方法思想很简单，但是涉及了部分热统知识，个人感觉wys老师课上并未对涉及的热统知识讲的很清楚（虽然不影响写作业），而且PPT上的速度修正因子公式打错了（应该是根号打成了平方），差点对本人的作业程序结果造成毁灭性打击。

第二部分mma，我本人是提前并没怎么接触过的，但是老师课上讲授的内容确实不足以让我掌握这门语言（甚至不足以入门），老师本人的说法也是需要靠课下使用掌握。在痛苦的写完作业之后另一门课恰巧也要用到，这才对mma使用有了更好的了解。

最后一部分机器学习，也是我听起来最痛苦的部分。之前完全没接触过，开始就要安装一系列环境，开始上网疯狂查bug出现的原因。看着作业一脸茫然，只能做给的示例代码的搬运工，而且我可以很骄傲地讲2022年的第一分钟我还在跑程序。讲课内容可以说是如果你明白这是什么，那你能看懂PPT上讲了什么，否则不一定。感谢周志华老师的《机器学习》，看着老师如何挑瓜我才搞清楚这些基础概念。不过我对机器学习是怎么操作的仍然是云里雾里（期末周是真没时间搞这个），需要额外的学习才能进一步掌握

总结

我确实通过这门课学到了一些东西，但这大部分并不是通过老师们的讲授学会的。考试的时候一直有一种不真实感，觉得自己答的并不是一份物理课卷子。如果这门课把应该讲授的内容讲的清楚明白，更加偏重于理论的编程实践，那么这门课的评论区可能会一改现在人均一分差评满满的情况了吧。

还未出分，所以以上评论并不涉及两位老师的给分情况。

这门课的内容实在是让人感觉比较奇怪，老师讲课风格也一言难尽。但确实比A不知道轻松到哪里去了。

张仁友尽管私下交流的时候人还是比较善良的（毕竟曾经也是四大善人之一），但讲起课来真的是扩写鬼才。他经常会在一两句话能讲明白的地方，连着举好几个例子把人绕晕；在比较难懂的地方反而又很快地过去了。在b站上有他以前的课程，可以看出以前讲的还是挺好的（至少比现在讲的清楚），不知道现在怎么这样…

仅概率论，大数定律和蒙特卡洛方法就讲了半个学期，但是讲的又实在不能算太深入。如果换做统计系的老师来讲，恐怕两节课就能讲的差不多。

最神奇的是，他能把作业布置仅凭借概统的知识就能做出来……

后面的常微分方程和偏微分方程还是比较有用的，但个人感觉如果让计算方法的老师来肯定也会讲的更好。 还有一章讲蒙卡在高能物理中的应用，这应该是物理味道最浓的，也是老师最擅长的。但是有点难，听的人少，期末也不考……

最后几节课吴雨生老师讲了mathematica和机器学习，我自己的收获还是有的，但机器学习才讲了几个概念就开始应用了，实在是一头雾水，各种树，森林，正则化，伊辛模型和超对称也不太懂。作业都很简单，引导我们用mma，以及装了python的anaconda包，做了一些简单的复制粘贴调参工作。但期末居然在这里面出了两道大题，我估计很多人直接白给。

期末组成：三道蒙卡，一道偏微分方程，一道mathematica在量子力学中的应用，一道机器学习概念题。 给分未知。 PS：某道题需要置信区间95%，考试时忘了是1.96*sigma，问老师也不说，说是常识，你应该背会，可概统考试都可以查表的啊…

2022秋，张仁友被请走了。但恐怕机器学习这些东西还在……

What comes then?

sb课

等于概率论+计算方法各自取一小部分拼起来，再加一堆摸不着头脑的堆名词

说是蒙卡听起来很高级，实际上和小学生程度的概率并没有什么卵区别

别的我不提，其他同学已经说的很清楚了。但是叫张知行的助教，您有脸自称助教吗？拴条狗在那都比您靠谱，哦考试前还发了个座位表，起码狗做不到哈。问了三四次问题没回过一句话，群里答疑从来不见人影，习题课都是另一个助教在讲，请问您干了什么呢？

烂透了。

噫，考完了，我来了

啥也不说了，先把课取消了吧

  张老师讲课内容少但讲得多，实际上就是一堆废话，加上少量的知识点，让人很难不玩手机；吴老师讲课重点不明确，感觉讲明白mma和ml还是需要更多课时的。一学期下来感觉没学到什么东西，下学期选龚明老师的计算物理补一下。

  和计算物理A的舍友沟通后感觉两边都不大行，个人认为这门课可以和计算方法B合并，一周两节，并且请靠谱一点的老师来上，这样摆烂下去祸害学生也不是个办法。