Mi asesor quiere que produzca una definición formal de un problema de investigación (es decir, convertir una descripción de un problema en inglés de alto nivel en una especificación matemática). ¿Cómo puedo saber si mi modelo del problema es apropiado?

Varía enormemente según el tipo de problema, pero este es mi método habitual para problemas aplicados. Daré el ejemplo de un problema en el que estoy trabajando ahora.

La mayoría de los problemas aplicados se reducen a “Hay (o tal vez no hay) un mapa de SpaceA a SpaceB con las propiedades deseadas” en un sentido u otro. Su trabajo es generalmente determinar SpaceA, SpaceB o el mapa.

Uno de mis temas de investigación actuales es reconstruir una imagen en 3D de la cavidad torácica del paciente en tiempo real utilizando solo una proyección de rayos X. La única información que tenemos son 10 imágenes 3D antiguas de la cavidad torácica del paciente, cada una con muchos errores. El propósito es mejorar la radioterapia para pacientes con cáncer de pulmón.

¿Cuáles son mis espacios?

  • SpaceA: todas las radiografías 2D posibles
  • SpaceB: todas las imágenes 3D posibles de la cavidad torácica
  • Restricciones del mapa:
    • Entrene rápidamente (los pulmones de los pacientes con cáncer de pulmón pueden cambiar rápidamente, por lo que no debe esperar durante la noche para que entrene)
    • Calculado rápidamente (fracción de segundo)
    • Alta precisión (no quiero perderte)
    • El mapa (X) es la imagen 3D de la cavidad torácica de la que se tomó la radiografía (todo el punto del problema)

De acuerdo, definimos nuestros espacios y nuestras restricciones de mapa. ¿Ahora que?

Ahora miro hacia atrás a mis definiciones para ver dónde me equivoqué exactamente. Es bastante seguro asumir que lo hice.

¡Lo encontré! SpaceB tiene MUCHA dimensión más alta que SpaceA, por lo que el mapa tiene que determinar cuál de las infinitas imágenes 3D que podrían haberse proyectado en la imagen 2D realmente lo hizo .

Repita ese proceso varias veces, tratando de romper todo. El objetivo de esto es definir con mucho cuidado el espacio de su solución. Sepa exactamente lo que debe ser cierto para que una solución sea válida. Si descarta una parte del espacio de la solución que no tiene que hacerlo, puede eliminar accidentalmente la solución óptima.

Ahora volvemos y cuantificamos las cosas.

En mi caso:

Espacio A = [matemáticas] \ mathbb {R} ^ {3 * 2 ^ {15}} [/ matemáticas]

Espacio B [matemática] = [/ matemática] [matemática] \ mathbb {R} ^ {2 ^ {16} * 3 ^ 3 * 5} [/ matemática]

Entrene rápidamente: deje esto abierto por ahora, ya que depende de la potencia informática y la capacidad de paralelismo, etc.

Calculado rápidamente: la persona promedio completa un ciclo de respiración en 3 a 5 segundos, por lo que queremos mantenerlo por debajo de 1 segundo. Sin embargo, eso depende de la potencia informática.

Alta precisión: después de una cuidadosa consideración, configuré mi objetivo para estar debajo del error de 2 mm en cualquier punto de la imagen y muy por debajo de eso en promedio.

Proyección (Mapa (X)) = X. Si reconstruimos la imagen 3D y simulamos tomarle una radiografía, debemos recuperar nuestra radiografía original

Finalmente: tenemos que elegir la imagen 3D correcta . Entonces Map (X) tiene que elegir entre infinitas soluciones aparentemente válidas que tienen la mayor probabilidad de ser correctas.

Luego simplemente escriba las restricciones para cada matemáticamente

[matemáticas] Tiempo de tren <algo [/ matemáticas]

[matemáticas] Tiempo de reconstrucción <algo [/ matemáticas]

[matemáticas] Error máximo <algo [/ matemáticas]

[matemáticas] Proyección (Mapa (X)) = X [/ matemáticas]

[matemáticas] Mapa (X) = argmax_Y P (Y | Proyección (Y) = X) [/ matemáticas]

¡Todo listo!

… Bueno, más o menos … entonces miras otra investigación sobre el tema y descubres dónde se quedaron cortos y especificas que tu método tiene que resolver un problema que otros métodos fallaron.

En mi caso, otros métodos no se extrapolan cuando los pacientes respiran de manera irregular (lo que suelen hacer las personas con cáncer de pulmón).

Y ahora tienes un buen objetivo matemáticamente especificado.

Si mi problema era muy diferente al suyo o si todavía tiene problemas por algún motivo, no dude en enviarme un mensaje y con gusto lo ayudaré.

A2A

Desearía poder darte una respuesta más general, pero solo puedo decirte lo que he hecho.

Durante varios años, mi investigación fue sobre computación fuera de núcleo. Fue inspirado por el modelo de disco paralelo, con el que me topé. Así que desarrollé e implementé algoritmos para el PDM. Los algoritmos en los que trabajé fueron bastante fáciles de especificar, ya que la mayoría de ellos tenían algo que ver con permutaciones que tenían una estructura particular.

Una de las cosas buenas de la investigación es que a veces resuelves un problema diferente al que pretendías resolver. Escribes la solución al problema que terminaste resolviendo, como si fuera lo que estabas haciendo todo el tiempo. ¡Nadie necesita ser más sabio!

Como mencionó el profesor Cormen, formular formalmente un determinado problema de investigación a menudo es difícil y sospecho que los consejos sobre cómo hacerlo pueden depender mucho del campo. A menudo encuentro que formular su problema demasiado pronto puede limitar demasiado el desarrollo intelectual de su trabajo, de ahí que muchas personas terminen definiendo la “pregunta” después de que ya ha sido respondida.

Lo que sospecho que su asesor quiere, en caso de que aún no haya resuelto su problema, es una señal clara de que sabe lo que está haciendo y cuáles deberían ser los próximos pasos. Hacerlo a menudo requiere que esté muy familiarizado con el campo en el que está trabajando. Esto es lo que hago para asegurarme de que yo y mi asesor estén siempre en la misma página con respecto a lo que estamos trabajando:

  1. Piense en la investigación que está realizando como una historia que está tratando de contar.
  2. Dibuje las figuras, diagramas, teoremas, tablas y otros elementos visuales de resumen importantes antes de escribir cualquier cosa. Esos deberían ser suficientes para que un lector muy experimentado confíe en su historia sin ningún texto adicional. Comunique y recopile comentarios de su asesor sobre este paso.
  3. Defina informalmente su objetivo, hipótesis o problema de investigación.
  4. Trabaje en la recopilación de datos para construir los elementos del paso 2. Hable nuevamente con su asesor.
  5. Es probable que su objetivo cambie después o durante la recopilación de algunos datos, regrese al paso 2 e itere tanto como sea necesario, pero no mucho.
  6. Comienza a escribir tu historia (es decir, papel, tesis). Tenga en cuenta que hay diferentes análisis que podrían haberse hecho para fortalecer su punto. Regrese al paso 2 si es necesario.
  7. Termina de escribir tu historia, pero la introducción.
  8. Defina formalmente el problema de investigación que acaba de resolver y escriba la introducción.

Tenga en cuenta que la definición formal real de su hipótesis o problema de investigación es el último paso. La investigación es altamente no lineal y, como investigador, es probable que tengas alguna idea sobre cómo debería ser una buena historia y en qué vale la pena trabajar, pero sería bastante sorprendente si pudieras definir formalmente de antemano el resultado final de un largo proceso de investigación.

Si su asesor quiere una prueba de que tiene una opinión sólida sobre lo que quiere / debe hacer, diríjase a ellos con (i) la historia esbozada, (ii) cómo intentará abordarla (metodología), (iii) resultados que espera obtener de él (elementos visuales) y (iv) qué problema resolverá (objetivo). Trabajar en los primeros tres ciertamente lo ayudará a establecer su objetivo con mayor claridad.

Este es el problema de la validación (en oposición a la verificación) y depende mucho del contexto.

  1. Si es un problema muy específico relacionado con un tema científico (por ejemplo, física), pregúntele a un experto en el campo si su modelo tiene sentido. Deben tener una comprensión intuitiva de lo que un buen modelo en su materia debería poder capturar. Incluso si la persona tiene poco conocimiento de las matemáticas, debería poder hacerle algunas preguntas con respecto a su modelo que resalten defectos en el modelo si el modelo no puede manejar los detalles que un experto siempre requeriría.
  2. ¿Su modelo es simple o complicado? Si es complicado, ¿el problema también es complicado o puede simplificar algunos detalles? Según mi experiencia, casi todo se puede especificar de manera muy elegante en matemáticas, a menos que se trate de problemas muy heterogéneos.
  3. ¿Has tratado de describir al menos instancias de problemas básicos en tu formalismo? Si esto no es posible o muy tedioso, su enfoque probablemente sea deficiente.
  4. ¿Ha comparado su enfoque con los enfoques existentes (si hay alguno)? Y si su enfoque difiere de los enfoques existentes, ¿puede explicar por qué es así? Si no, es posible que te falten detalles cruciales.
  5. ¿Le has mostrado tu modelo a otro estudiante de doctorado u otra persona de tu grupo de investigación? Ese podría ser un buen comienzo para recibir comentarios.

Estas son solo algunas heurísticas que me vienen a la mente. Como dije, depende mucho del contexto y se requieren diferentes enfoques para diferentes problemas. Por ejemplo, si modela la bolsa de valores, el clima, el movimiento de objetos o cualquier otra cosa que pueda probarse empíricamente, debe verificar si su formalismo describe cualquier transformación razonable de entrada / salida, es decir, el formalismo tiene variables de salida para una entrada dada que claramente refleje lo que está tratando informalmente de lograr.
Por otro lado, si está trabajando con problemas como la verificación de software, esto no es posible ya que desea probar formalmente las propiedades. Luego necesitará una métrica diferente para analizar si su modelo es válido o no.

Supongo que esto es para investigación teórica.

Típicamente, ningún problema de investigación se define en el vacío. Eso significa que ha habido varias personas antes que usted que han trabajado en problemas “similares” (por lo menos hasta cierto punto) antes. Mientras lees la literatura, te haces una idea de cómo han definido sus problemas y esto te ayuda mucho.

Además, en la práctica, está elaborando algunas hipótesis iniciales (una corazonada, básicamente) al construir ejemplos que pretenden refutarlo (para el teórico, estos son los experimentos que pueden falsificar su afirmación) y refinar repetidamente su hipótesis basándose en Sus éxitos y fracasos con varios ejemplos. En última instancia, la única hipótesis (que es una declaración matemática formal) que funciona (es decir, tiene una prueba general, no solo ejemplos que la satisfacen) se convierte en lo que usted informa. Entonces, como alguien más también ha dicho, lo que finalmente terminas haciendo es básicamente una versión formal pulida de una idea aproximada.

La investigación es divertida, usted trabaja con declaraciones que son “flojas” en algún sentido, sin embargo, la presentación de informes debe ser formal, ya que debe cumplir con los estándares científicos.

Esto lleva un tiempo una vez que haya finalizado la lista de variables en su investigación. Es necesario definir la relación adecuada entre ellos para que el problema de los investigadores parezca lógico.

Podrías consultar una gran cantidad de investigaciones anteriores sobre temas similares para comprender cómo definieron sus ecuaciones.

Me llevó un tiempo encontrar un modelo matemático lógico y mi guía lo modificó varias veces y luego se finalizó.

Esta es la parte difícil de la investigación. Esfuércese honestamente, pero esté preparado para que su asesor le señale fácilmente las cosas que se perdió. Con el tiempo y la práctica mejorará, pero nunca llegará al punto en que siempre lo haga bien.

More Interesting

¿Cómo es tener un terrible asesor de maestría / doctorado?

¿Qué podría hacer con un doctorado en ciencias políticas además de tener una carrera académica?

¿Por qué la mayoría de los académicos liberales son marxistas?

¿Hay un excedente de Ph.D. graduados? Si es así, ¿por qué?

¿La mayoría de los estudiantes de doctorado en ciencias de la computación solo ingresan a la academia? Si es así, ¿cómo es que no ingresan a la fuerza laboral?

¿Cuál es un buen ejemplo de un currículum de estilo mexicano (curriculum vitae)?

Mi asesor de doctorado (ingeniería biomédica) no tiene experiencia en mi área de investigación (ingeniería mecánica). Después de comenzar mi doctorado hace un semestre, no he recibido ninguna guía clara. ¿Qué tengo que hacer?

¿Qué se siente al obtener su primera cita académica?

¿Cuál es la posición académica que equivale al título en los detalles?

¿Cómo es tener a Yonina Eldar como asesora?

¿Son los profesores de estudios religiosos en la academia a menudo teístas y creyentes?

¿Cuántas páginas tiene un Curriculum Vitae escrito profesionalmente?

Soy un estudiante de último año en IIT Roorkee. Espero seguir investigando después de mi B.Tech. ¿Debo sentarme en la sesión de colocación más esperada en diciembre o debo hacer una pasantía de investigación en una universidad?

¿Qué hace que un maestro no logre su mandato después de 7 años de libertad condicional? ¿Cómo afecta el hecho de no lograr un puesto en una carrera posterior como profesor?

¿Es imprudente que un nuevo postdoc busque otra área de investigación?