科研为什么这么难呢？本科是学习吸收确定性知识，而研究生之后就进入了知识的综合运用并创造知识的阶段，科研寻找gap(坑)提出自己的Idea(吹水)是非常困难的事情。

读研就是要做科研写paper，第一步需要看一下paper的架构是怎样的，对paper分解搞清楚每个部分的作用，找到自己可以优先突破的点。

我本科和研究生都是机械专业的，研究生期间发表多篇EI论文，简单谈谈文献管理问题。

研究生最重要的事情就是阅读文献，3年下来几百上千篇文献怎么管理、写论文的时候怎么查、怎么插入文献等等细节问题严重影响科研进度。如果没有文献管理软件写论文是这样的，Word里面写好论文，然后文献随便插几篇相关的。可是论文要需要多次修改的，导师提完修改意见，你要修改，审稿专家提完修改意见，你需要修改。这样以来每次修改文献编号都要重新调整，这些重复性的劳动完全可以由软件来辅助。常用的文献管理软件有NoteExpress和EndNote，我用的是EndNote，用文献管理软件的好处就是一劳永逸，从此不再担心文献编号和格式问题。word中一般可以安装文献管理软件插件，比如需要引用一篇文献中的观点，写完一句话后直接用文献管理软件插件选择文献查入即可，再次插入文献编号递增。

科研看文献跟踪学术前沿是做好科研的第一步，推荐学术诸葛。多听听大牛怎么开展科研，做科研如同水龙头，刚开始拧开的口子太小水都滴滴答答的流，大彻大悟之后就是把水龙头彻底拧开了，科研就进入了快车道。做科研写paper的流程大致是这样的，漫无目的地看paper如同大海上的一叶扁舟，没有参考系根本不知道自己在哪里，也不知道下一步目标是什么，更不知道自己何时才能做出一篇paper。

我写第一篇小论文的时候没有用EndNote，就是用最土的办法，手动编号。结果导师提完修改意见我又修改论文的时候烦的要死，修改一次论文文献调整编号格式等问题需要一天时间，来回修改3-4次真的吐血！这只是前期修改，后期投稿后一般也需要修改3-4次，不用文献管理软件真的能体会到生无可恋的感觉。修改第一次的时候我就果断费了几天时间好好研究EndNote，用起来后那飞一般的感觉，谁用谁知道！没有文献管理软件辅助写毕业论文真的是噩梦！看一下我的Endnote X7界面吧。

这些推荐一些科研的利器，都是读研期间用过的：

自己搞不明白EndNote怎么用的话就买一本书系统的学习一下，下面这本书非常经典，读研的时候就是看的这本。

不管是小论文还是毕业论文，里面都需要很多示意图，这些示意图用Visio制作可以与word无缝兼容，即便是插入word之后点击图片也可以自动打开visio修改图片，特别是有些图需要添加文字和标注用visio做后处理非常方便。

示意图制作用Visio，那数据分析和漂亮的插图制作Origin就是首选，我Origin和Matlab都用，Origin作图好看又简单，Matlab做相同的图需要很多程序设置。

研一或者博一开展科研第一步就是阅读综述，也就是review，导师师兄师姐都会给你讲先从review开始看，但review怎么看，怎么下载，常见的review题目有哪些关键词，甚至review如何撰写都是科研第一步需要面对的问题，我研一第一件事就是阅读review写智能制造的review。

看不懂SCI不知道SCI怎么阅读，怎么分析，怎么写的小伙伴儿就看这一本经典的SCI论文写作指南，俗话说行家伸伸手就知道有没有，按照科学的方法开展科研做出科研成果顺利毕业不难，最怕的就是没有章法病急乱投医，做科研的主体仍然是靠自己。

科研做的好不好不重要，顺利的渡过研究生三年并找到工作才是目的，看到很多被科研折磨到抑郁的小伙伴儿很是心痛，从小学到大学就没有开展过心理学教育，在科研迷茫甚至抑郁崩溃的时候看点心理学资料防止走向极端。我也经历过从科研难产户走向小巅峰的过程，抑郁的时候看点心理学或者历史真的可以拯救自己。

对于最后工科的小伙伴儿科研做数据分析或者算法是非常常见的，Matlab是个绝对的科研利器，像神经网络、机器人等复杂的算法都有工具箱，我读研是做智能优化算法研究，解决车间调度问题和机器人路径规划问题，所有代码都是基于Matlab编写。

智能优化算法研究非常多，比较经典的就是粒子群算法、遗传算法、蜂群算法、差分进化算法等等，比较新的有教与学算法、灰狼优化算法、花授粉优化算法、鲸鱼优化算法等等。目前的研究方法主要是算法在不同领域的应用以及改进策略，主要是针对特定问题设计相应的算子。

下面就是EndNote的基本设置。

Endnote文献格式调整，可以针对目标期刊要求设置相应的格式。GBT7714格式文件在Endnote官网可下载，按下面方法下载即可。

下载的文献格式文件"Chinese Std GBT7714 (numeric).ens"copy到EndNote安装路径下的Styles文件夹下，这个文件夹下有很多其他的格式文件，没用的我全部备份到其他地方了。

按下面的方法进入文献格式编辑界面。

知网导出Endnote格式参考文献的方法。

文献导入Endnote后的结果，这里只是导出文献作者、题目、摘要等信息，全文还是需要自己下载，最好下载PDF版本文献，可以用Endnote和参考文献绑定。

下载PDF文献，实现PDF文献和参考文献信息的绑定，以后插文献看文献都很方便了，看过的文献也可以做笔记方便后续查阅。

工欲善其事，必先利其器！阅读文献软件能看PDF就可以了，我比较喜欢用Adobe Reader。硕博论文一般上CAJ格式，下载CAJ阅读器即可。

学校图书馆数据库SCI很多不能下载，推荐用Google Scholar或者谷粉学术检索SCI，用SCI-Hub下载，只需把paper的t题目放进去即可。

对科研很迷茫的小伙伴儿推荐学术诸葛，里面对小伙伴儿们头疼的paper问题有比较多的资料。听听大牛怎么跟紧学术前沿的。

检索SCI比较好的网站是谷歌学术，但很多小伙伴儿用不了Google，那首选就是谷粉学术了。

SCI下载方法

很多刚刚接触科研的小伙伴儿只会知网下载paper，高大上的SCI都不知道去哪里检索，更不知道怎么下载，大多是听着SCI就闻风丧胆感觉就是高大上难，即便是研一也可以看SCI，我就是从研一看SCI，看几十篇之后感觉并不难，可能比一般的中文paper写的还详细。SCI检索和下载方法，按下图顺序即可。

点击paper题目就会跳转到下图界面。

把上图中的DOI全部复制到SCI-HUB搜索框内，也可以放进去paper的题目搜索，但强烈建议用DOI，paper题目有时候是搜不到相应paper的。

点回车键paper直接就找到了，看一下左侧paper的DOI号正是检索框内的DOI，paper题目也跟谷粉学术检索出来的完全相同。

SCI这么难怎么看

大家都知道SCI是高大上的paper，闻风丧胆，很多小伙伴儿研究生毕业都没完完整整地看过1篇SCI，SCI一方面篇幅比较长，工科方面还有很多数学公式，刚开始看的时候入门比较难容易被打击 。现在高端职位基本都要求有英文科技文献阅读能力，研究生阶段是个绝佳的锻炼机会。我看了足足两年SCI才真正理解paper如何从摘要构思，从abstract构思paper是标准的做法，很多高级的会议就是先提交abstract而不是article，paper这些东西只有看得多思考的多才能有所感悟。我从研一看SCI的做法就是拓宽学习思路，不局限于看SCI，也用记单词软件每天背单词，经常听英文歌看英文电影，把自己沉浸在英文的世界里，这样比较有趣，坚持下去的可能性是最大的。耳聪目明，语言听多了就不会有排斥反应了。读研之后基本上就是靠自己营造氛围。

刚开始看SCI都是精读，比如前言中的一句话引用的参考文献都会查出来看一下，看paper中这一句话是怎么从原始paper中提炼出来的，我就是这样学会写paper前言的。SCI算是比较正规的，很多中文核心paper前言和参考文献上没有关系的，这也就是经常看很多论文学不到东西的原因之一。这里有个视频，讲解如何根据paper的架构写Introduction。paper也是有套路的，搞清楚paper的Architecture看几十篇一个细分领域的SCI模仿出一篇像模像样的中文核心甚至EI都不是很难的问题。知乎视频​www.zhihu.com

paper插图软件主要就是两个一个是根据数据画图用Origin，画示意图就用Visio。

像下面这样漂亮的图片就是用Origin做出来的，根据实验数据画图用Origin就可以了，想编程可以用Matlab，我喜欢编程定制自己的图就用Matlab了。

Origin画图软件。

下面这些示意图一般是Visio做的，Visio和word无缝兼容，画好的图直接可以copy到word中，而且可以随时修改特别方便。Visio画示意图

常见的系统这些看着高大上的图都是用Visio做出来的，一般都是论文中用的，我的研究生毕业论文里面的示意图都是用Visio画的，Visio画图的优点就是字体大小可以精准的控制成和论文要求的字体一样，不会出现那种字体忽大忽小的情况。

学一门编程语言如Python、Matlab、C/C++等学一门编程语言不仅仅是为了处理实验数据方便，找工作也可以用得到。

读研做科研处理实验数据是稀疏平常的事情，数据量比较少的时候手动处理还OK，如果涉及几十MB甚至几百MB数据时，手动处理估计要累的腰酸背痛手抽筋儿了。我用智能优化算法求解车间调度和机器人路径规划问题的时候有大量的数据需要画图，这时候即便是用Origin也非常累，我就是用Matlab编程把图模板做好，不同的状态数据用程序绘制图形，程序画图最大的好处就是如果参数修改再run一下就OK。比较简单易学的编程语言是Matlab和python，二者都是非常受科研人员欢迎的。

想快速入门Python小伙伴儿推荐看一下：

实验数据经常保存成txt或excel格式，用python读取这些文件只要几行代码就可以了，如果有几十个文件数据需要分析，python就能发挥它的价值了。Python读取Excel

Python读取txt文件的实例代码。Python读取txt文件

处理后的数据肯定不能放到内存里，还是需要放到文件保存，python写数据到txt文件依然是很简单。Python写入txt文件

前沿技术一般要求研究生学历，读研期间可以关注一下前沿技术的发展，如果科研和前沿技术能结合起来是对科研和找工作都大有裨益

读研过程中大家最大的困惑不是科研难不难，能不能做的出来，而是不知道这些paper做出来对找工作或者以后的工作有什么意义。对未来一无所知就类似一个开环系统，缺少反馈环节系统精度没法保证。以自动驾驶为例，传统汽车发展进入瓶颈阶段，人口老龄化加剧，交通问题突出，社会对自动驾驶汽车需要越来越迫切。现在车企的招聘重点也转向软件和算法，而不是结构设计和工艺等传统机械职位。不仅是科研要有前瞻性，找工作也需要瞄准未来市场的需求。自动驾驶汽车

自动驾驶汽车技术中用的比较多的算法就是机器学习，主要是解决多传感器数据融合、情景理解、定位和路径规划等各种复问题。

自动驾驶汽车中常用的机器学习算法有以下几种，一是尺度不变特征变换算法。

多种算法融合提高精度的决策矩阵算法AdaBoost，了解这些前沿技术的时候会发现有意思的问题，很多资料都是英文的，也有很多不知道的技术名词，如果SCI看了很多的话，这时候应该会突然意识到原来做科研看paper不是没有用，是自己没有主动search前沿技术资料。

编程语言有很多，热门的Python、C/C++、C#、Java、JavaScript等等，没有必要纠结在选择何种编程语言这个起点问题上，哪个感觉好学学了能帮助自己解决问题就OK，比如Python有非常多的库可以使用，那如果想快速搭建原型系统，python是非常合适的选择。机器学习和数据分析常用的开源框架TensorFlow是由Google开发，主要用的编程语言就是Python和C++，下面的图片就是TensorFlow的demo，这就是Python这么火热的重要原因，强大的库多而且代码极其简洁。

编程入门最关键的就是入门资料，学习Python的小伙伴儿推荐看一下：

机器学习的开源框架TensorFlow使用方法