Что способствует успешной карьере ученого? Какие качества позволяют размеренно подниматься по сложной карьерной лестнице? Что важнее — гений, тяжелый труд или везение? Как совмещать научную и преподавательскую деятельность? Остается ли время и желание на что-то помимо карьеры? Мы решили докопаться до истины на примере реальных историй, которыми может поделиться каждый из вас в новой рубрике «Молодой доктор» журнала «За науку».
А вот и наш первый герой.
Сергей Сергеевич Симаков, заведующий кафедрой вычислительной физики, профессор кафедры информатики и вычислительной математики:
Alma Mater — МФТИ, факультет аэрофизики и космических исследований.
Защитил кандидатскую в 2006 году.
Защитил докторскую в 2022 году.
Научный руководитель — академик Александр Сергеевич
Сергей Сергеевич, это первое интервью в нашей новой рубрике «Молодой доктор». И хотелось бы начать с самого основного вопроса: как все успевать? Вот в каком возрасте вы защитились?
Кандидатскую диссертацию я защитил, как положено, по окончании аспирантуры. Это было в 2006 году; три года аспирантуры — и защита. А докторскую уже в 2022 году, то есть сравнительно недавно. На тот момент мне было 42 года. Это для науки считается в основном довольно рано. Тематика, по которой я работал, началась еще на четвертом курсе бакалавриата. Хотя наша система позволяет по желанию сменить тему, в моем случае этого не потребовалось, мне в этом повезло. Более того, с какого-то момента начинаешь чувствовать себя в своей тарелке, кругозор расширяется, и дальше двигаться становится все легче и легче, поскольку уже сам видишь новые задачи в своей области.
А вы с первого курса шли по тому направлению?
Нет, на первом курсе меня распределили в группу океанологии.
А на какой факультет вы поступали?
Аэрофизики и космических исследований Физтеха.
На ФАКИ?
Да, тогда деканом факультета был Борис Константинович Ткаченко. Я сам из Хабаровска и сдавал вступительные экзамены на выездной приемной комиссии во Владивостоке. Был довольно большой конкурс и очень мало мест. Поступить можно было только на факультет молекулярной и химической физики (ФМХФ), факультет управления и прикладной математики (ФУПМ) и на факультет аэрофизики и космических исследований (ФАКИ). Меня приняли на ФАКИ и распределили в океанологию, с учетом того что я поступал во Владивостоке: там есть Институт океанологии (Тихоокеанский океанологический институт имени В. И. Ильичева Дальневосточного отделения РАН).
Но с океанологии вы в итоге ушли?
Когда на третьем курсе началась базовая специализация, мне казалось, что океанология это не очень интересно и перспективно. Это были 1990-е, в науке были довольно тяжелые времена, как и в целом в стране. Кто распределялся в океанологию, в основном уезжали работать за границу. У меня такой цели не было. С другой стороны, меня интересовали компьютеры, программирование и математическое моделирование. И как раз в этот год открылся первый набор на кафедру вычислительной математики (с 2018 года — кафедра вычислительной физики.— ЗН) под руководством члена-корреспондента (позднее он стал академиком) Александра Сергеевича Холодова. Эта группа должна была специализироваться на математическом моделировании в медицине биологических процессов живых систем. С тех пор я, выпускник этой группы, единственный остался работать на Физтехе и в итоге стал заведующим этой кафедрой.
Верно ли я понимаю, что роль прикладной математики возросла именно с начала активного программирования и развития искусственного интеллекта?
Скорее наоборот, развитие потребностей различных областей в математическом моделировании и автоматизированной обработке большого количества гетерогенных данных привело к развитию численных методов, компьютерных технологий и методов машинного обучения, программные реализации которых также недавно начали называть искусственным интеллектом.
Если говорить с точки зрения математики, методы, которые используются в искусственном интеллекте, давно известны и хорошо изучены. Когда я был студентом, у нас был курс про нейросети , на котором нам рассказывали, что в этой области еще в 1970-х все было сделано и благополучно не оправдало ожиданий. То есть тогда считалось, что это направление умирает. Это было связано с недостаточной мощностью компьютеров.
Все заиграло новыми красками в последние лет десять-пятнадцать, когда появились принципиально новые технологии, связанные с «железом», существенно повысившие производительность. Конечно, сейчас в этой области появились и новые математические задачи. В плане развития алгоритмов я бы хотел обратить внимание на другое интересное наблюдение. Есть такой показательный график:
Я его демонстрирую студентам на лекции. Здесь сравнивается ускорение вычислений, достигнутое за счет развития вычислительной инфраструктуры и за счет вычислительных алгоритмов решения систем линейных уравнений большой размерности с 1970 по 2000 год. Видно, что они схожи и имеют практически одинаковый наклон. По сути, верхний график отражение известного закона Мура, который утверждает, что производительность компьютеров удваивается каждые два года. Рост вычислительных ресурсов происходит за счет применения новых технологий, позволяющих увеличивать количество транзисторов на кристалле микропроцессора. В таком виде этот закон был сформулирован в 1975 году. Поразительно, что он продолжает выполняться и сейчас.
Но ведь размер процессора не бесконечен?
Пока лимита не видно. Вот-вот мы ждем скачка развития квантовых компьютеров, новых принципов, новых технологий. Кажется, что все застопорилось, но каждый раз происходит какой-то новый виток, что дает довольно бурный рост. Но, как мы знаем из своего вычислительного опыта, для решения прикладных задач никаких суперкомпьютеров никогда не хватает, всегда появляются задачи, которые требуют еще большего.
Поэтому потребность в эффективных алгоритмах в вычислительной математике сохраняется. Нижний график показывает, что рост вычислительной производительности за счет развития вычислительных методов линейной алгебры точно такой же, как и рост за счет аппаратных решений. Здесь подписаны ключевые методы и показан рост производительности, который они обеспечивали. Мы видим, что динамика примерно такая же: грубо говоря, также удваивается каждые два года. Она имеет такой же наклон, такую же скорость, как и закон Мура по «железу».
Таким образом, мы можем иметь тот же компьютер, но считать на нем в два, четыре, в десять раз быстрее, за счет того что используем более эффективный алгоритм для разработки которого потребовался единственный и абсолютно экологичный ресурс — интеллект ученых. Это как раз то, чем мы занимаемся: разрабатываем новые алгоритмы и применяем их к различным прикладным задачам.
То есть когда вы учились, вы выбрали новое направление именно из-за того, что оно прикладное? Здесь задачи только растут?
На самом деле, сейчас у меня кругозор расширился, и я понимаю, что и океанология — очень интересная вещь. И сейчас эта кафедра очень бурно развивается. Может быть, я немного даже жалею, что не остался на ней. Это, конечно же, тоже прикладная область. По сути я сейчас и занимаюсь гидродинамикой, только в других задачах.
Как в целом удержаться в науке, что играет решающую роль? Характер? Счастливый случай? Руководитель?
Нельзя сказать, что я еще будучи студентом четко видел перспективы своего выбора. Тогда математическая медицина еще только зарождалась, и мне казалось, что традиционные темы, связанные с прочностью, с гидродинамикой, с газодинамикой, задачи обтекания, к тому моменту ставшие уже классическими, все хорошо проработаны. Хотя сейчас я понимаю, что это неверно. Но на третьем курсе мне так казалось. А математическая медицина сулила много интересных открытий. Мне понравилось то, что речь идет о здоровье человека, что это вечная и востребованная тема. Сколько человечество существует, столько этот вопрос возникает, и всегда будет актуальным. Причем физиология — это уже, можно сказать, медицина, которая основана на физике, на физических основах. Поэтому она физикам близка. Ну а заодно узнаешь, как устроен организм. Понимание этих процессов полезно для себя лично.
Всем близкая тема?
Да. Близкая и очень актуальная. Поэтому я начал этим заниматься. Но параллельно я начал моделировать — была такая модель четырехкамерного сердца, соединенная пространственно. Потом в модель стали добавляться сосуды, трубочки. Это все было через физические упрощения. Как смотреть, что такое живая система? Непонятно. Естественно, прикладные физики и математики мыслят какими-то моделями. Чем-то таким, что им близко. И мой научный руководитель Александр Сергеевич Холодов эту тему активно продвигал.
По сути, тогда на кафедре зародились три направления. Еще чуть раньше меня, при Олеге Михайловиче Белоцерковском, появился подход к человеку как к твердому деформируемому телу — это про кости, суставы, переломы, черепно-мозговые травмы и т. п. Второе направление: человек — как жидкость. Мы все на 60–90% состоим из воды. Третье направление — человек как химический реактор. Тут имеются в виду биомеханические процессы, например свертываемости крови, сложный химический процесс.
Невольно вспоминается одна из Шнобелевских премий 2017 года за научную работу о том, что коты ведут себя как жидкость. А что вы выбрали?
Я в итоге выбрал направление, как раз близкое к разделу «человек как жидкость» — гидродинамику. В нас протекает много химических процессов. Это какие-то внешние (под действием лекарств), и внутренние окисления, восстановление и миллион других всяких разных реакций. Очень многие из них до сих пор не понятны и для них есть разные подходы. Например, есть разные пути свертываемости крови и разные модели. Это взаимодействие и химического, и пространственного распределения, так как на течение крови влияет ее поток. Эту задачу нельзя решить сразу. Мы движемся постепенно, от простого к сложному. Модели усложняются, хотя они изначально и были довольно сложные.
В итоге я до сих пор занимаюсь, с точки зрения физики, моделированием течения вязкой несжимаемой жидкости по сети эластичных трубок. Это и есть модель течения крови в сосудах. Эластичная трубка — это сосуд, и там, по сути, пишутся уровни гидродинамики. На самом деле, эти уравнения были заложены еще Леонардом Эйлером, основателем гидродинамики. Ну и периодически они повторялись работах, с различной глубиной проработки и степенями направленности.
Когда в конце 1990-х — начале 2000-х встал вопрос о том, что нужно моделировать транспорт веществ, поступающих в организм, ну, например, влияние вредных примесей в воздухе, как они распространяются, или движение лекарства по организму. Необходимо поэтапно понимать, как это происходит. Эта тема плавно перетекла в кандидатскую диссертацию, и соответственно, и в докторскую.
То есть все двигалось также поэтапно?
На уровне кандидатской — это больше была работа по моделированию на основе данных из научной литературы — известные книги по физиологии и по медицине, статьи из медицинских журналов. Здесь примерно понятно, какой сердечный выброс, какая скорость пульсовой волны, какое артериальное или другое давление. Это была скорее разработка модели и ее настройка, позволяющая воспроизводить известные общелитературные данные. Собственно, этому и была посвящена моя кандидатская диссертация.
Уже на пятом-шестом курсе я параллельно работал. Острой необходимости, на самом деле, в этом не было. Но тогда присутствовал страх неопределенности, столь присущий молодости: «Вдруг ничего не выйдет, если ты занимаешься только наукой? Вдруг не защитишься? Что делать дальше?» Тогда работа позволила мне почувствовать, что текущий уровень подготовки точно позволит мне найти достойный заработок, и тогда я успокоился.
С другой стороны, в начале аспирантуры у моего научного руководителя появился грант, это была не только финансовая поддержка. Очень важно, что в том гранте был выделен бюджет на поездки на международные конференции. Это было обязательно. И мой руководитель с удовольствием направлял меня изучать иностранные исследования по нашей тематике, поскольку сам в основном работал в те времена, когда общение с иностранцами было редким.
В итоге получилось так, что за три года аспирантуры я побывал примерно в десяти странах, причем в совершенно разных: в Европе, в Азии, в Америке, в Африке. Только в Австралии и Новой Зеландии разве что не был. Это был колоссальный опыт.
Да, я много слышала о том, что международный опыт очень помогает в начале карьеры понять, как развивается наука в других странах, по каким направлениям.
Это мне очень перенастроило мозги. Во-первых, я увидел, что и в Японии, и в Португалии есть точно такие же классы со столами, стульями и доской, где студенты занимаются. Ничего там сверхъестественного и необычного нет. Важны суть, содержание, и кто именно стоит у доски. Я увидел, как живут люди в мировой науке, уровень работ как профессоров, так и аспирантов из разных стран. Это позволило себя как-то соотнести, расширило мышление и осознание того, как и что делается во всем мире. Это оказался очень важный момент для моего развития.
«Идеи витают в воздухе»? Именно международное сотрудничество помогает ученым решать общие задачи максимально эффективно?
Когда занимаешься какой-то научной задачей, чем больше народу ее решает, тем лучше. Идет обмен идеями, обсуждаются варианты, подходы. Кто-то увидел чужую идею, и это подтолкнуло к рождению своей, более интересной и эффективной. И чем шире сообщество, тем быстрее и лучше решится любая задача.
Но многое зависит и от направления. Конкретно над моей темой — сетевые модели кровообращения — в 90-е параллельно работала команда из МГУ. Были и более ранние модели. Но интерес к этой теме возрос как раз в 2000-е годы. Этой темой занялся один из современных математических классиков — Альфио Квартерони. Очень известный итальянский профессор, специалист по численным методам и математическому моделированию. Появились научные группы в Англии и в Бразилии.
В итоге идея описания кровотока с помощью моделирования течения вязкой несжимаемой жидкости в сети эластичных трубок начала развиваться независимо в разных местах. И что интересно здесь? Прикладные задачи могут быть совершенно разные, но одна из них уже получила реальное практическое применение: это моделирование гемодинамических индексов в коронарных сосудах сердца. И эта задача родилась у нас, здесь — мы пришли к ней совместно при общении с медиками.
То есть при общении с заказчиками?
По сути, да, это были заказчики. Но у них довольно своеобразное, с точки зрения прикладных математиков, мышление, у медиков мозги работают по-другому. Там другие принципы принятия. И эта альтернативная точка зрения тоже сильно расширяет наши горизонты.
Как вы находите с ними общий язык? Если уж физики с математиками не могут этого сделать!
Один раз у нас даже был совместный проект с медиками и с психологами. То есть мы объединили три науки, что оказалось совсем интересно. Сейчас даже есть математическое моделирование исторических событий, социальных процессов. Есть очень интересные междисциплинарные приложения. Что же касается медиков — не все из них, естественно, могут поставить задачу так, чтобы она была понятна нам. Поэтому приходится самим изучать предметную область (медицину!), додумывать и решать, а потом объяснять, как это можно использовать. Но у нас есть очень положительные примеры сотрудничества. Например, с Филиппом Юрьевичем Копыловым из Сеченовского университета. Теперь это не просто Первый медицинский вуз, там сейчас есть и физика, и математика.
Все ясно. И информатика скоро будет.
Информатика там тоже есть, конечно же, как и искусственный интеллект. Не просто медицина, а более широкий мультидисциплинарный подход. И мы очень тесно сотрудничаем.
Уже после защиты кандидатской я познакомился с заместителем директора по науке Института вычислительной математики РАН Юрием Викторовичем Василевским, который сейчас возглавляет этот институт. Мы начали взаимодействовать, поскольку у его группы была очень высокая квалификация по построению расчетных сеток, по моделированию течений жидкости, и они тоже хотели двигаться в сторону медицины. Мы объединили усилия. В итоге получилась слаженная команда, у которой возможностей гораздо больше, чем у каждого из нас по отдельности. Возникла синергия, которая вылилась в решение уже очень прикладных медицинских задач с точностью, позволяющей что-то моделировать не на уровне «среднего по больнице», а с реальной пользой для конкретного пациента.
Тогда на разных конференциях мы активно искали медицинских партнеров, а кто-то, наоборот, сам начал находить нас. Но как только дело доходило до реальной работы, возникала масса проблем: ограниченные и неполные наборы данных, которые достаточны для постановки диагноза, но недостаточны для формирования физической модели. Оказалось, что некоторые параметры моделей сложно или в принципе невозможно измерить, или их можно измерить, но это не входит в ОМС, в стандартные протоколы обследований, или мы видим красивую трехмерную картинку на экране томографа, но «сырые» данные для построения собственных расчетных сеток недоступны и т. д.
Получается, надо услышать оппонента?
Надо понять, в каком поле они работают, с какими данными и на какой вопрос на самом деле хотят получить ответ. Часто нужен ответ типа «да» или «нет», или какое-то одно число. Сложные красивые трехмерные поля течений, если мы говорим о кровотоке, как правило, никого не интересуют.
Проблема взаимодействия математики и медицины вообще в чем заключается? Чтобы построить физико-математическую модель, основанную на физических принципах, нам нужна корректно поставленная физическая и математическая задача. Для этого необходимо описать область моделирования, прописать граничные условия, все константы жидкостей, упругих стенок, законы их движения и только затем в дело вступают вычислительные методы.
А у медиков история немного другая, и это можно понять. Математику что казалось бы логичным здесь? «Задайте нам всю сосудистую сеть, как она устроена, дайте ее геометрию, и мы посчитаем». А что мы по факту имеем? Человека нельзя целиком обследовать с ног до головы в томографе. КТ — это всегда исследование на какой-то локальной области интереса, которой занимается врач. И цель лечения связана с тем, как КТ проводится и как его данные интерпретируются.
Опять же, КТ бывают с контрастированием, которое представляет определенный вред для организма и делается только в специфических случаях. Без контрастирования качество данных хуже. Для медиков это не проблема, потому что они и по этим данным ставят диагноз. Для нас это принципиальный момент, потому что если ты не задал хотя бы один коэффициент, то не получится в целом.
Как же справиться с этими трудностями?
Собственно, тема докторской диссертации была направлена на то, чтобы снять эти ограничения. Но как эту модель, которая воспроизводит картинки и графики из книжек, применить, чтобы она воспроизводила данные пациентов? Чтобы она была настраиваемой индивидуально.
Например, одна из задач, определить фракционированный резерв кровотока — это одно число, которое вычисляется. Но чтобы его вычислить, нужно вставить через бедренную артерию зонд, который пройдет по сосудам в коронарные сосуды под контролем ангиографического наблюдения. Это облучение, рентген. Дальше человеку вводится вещество, которое расширяет все сосуды. Для чего вообще это нужно? Это ответ на вопрос, нужно ставить стент или нет. Это очень важный вопрос, поскольку стентирование — тоже операция.
В итоге, до стеноза и после стеноза измеряется давление. Датчик стоит несколько тысяч долларов и он одноразовый. Все попавшее в тело человека — одноразовое. Мы с помощью наших моделей научились считать это число без вмешательства в организм. Теперь достаточно сделать КТ, собрать общие данные о пациенте и мы имеем ответ, стоит ли проводить стентирование. И что очень важно — процедура неинвазивная и заменяет очень сложное вмешательство в организм.
Этот метод уже применяется в медицинской практике?
Сейчас наша модель приобретает характер технологии. Мы выходим на ее признание в качестве медицинского изделия. То есть это не просто компьютерная технология, она прошла клиническую апробацию. Ее действие проверили в клинике разные врачи на разных пациентах независимо друг от друга. Наверное, это и есть самое прямое применение всех наших абстрактных теорий, которое в итоге дошло до финала и близки к практике. Но этот путь может занять 25, а может быть, и 30 лет.
И ваша кандидатская была началом этого процесса?
Кандидатская была больше как абстрактная модель сферического коня в вакууме. Речь шла о кровеносной системе.
Дальше последовал большой проект, над которым работали несколько научных групп. Необходимо было совместить все блоки, чтобы это все заиграло, заработало совместно. В том числе, очень важная часть была связана с обработкой медицинских данных. Данные, которые мы получаем из томографа напрямую, это просто набор картинок, срезов. Чтобы перевести их в геометрическую модель, требуется специальная обработка — сегментация. О сложности задачи говорит то, что некоторые коллеги только на этом защитили свои диссертации. Это большая и важная часть работы.
Поэтому, получилось, что докторская — некое продолжение кандидатской, по своей теме, но только на другом уровне. Кандидатская воспроизводила данные из литературы. Докторская была уже целой системой (часть была сделана соавторами, коллегами, а часть — мной), которая воспроизводила данные реальных пациентов.
Верно ли я понимаю: будучи аспирантом, вы выбрали тему и защищались под руководством научного руководителя, а докторская диссертация — сбор вашей практики, ваших идеи и опыта?
Получилось так: разные руководители выполняют свое научное руководство по-разному. Александр Сергеевич Холодов был человек очень известный и занятой. Он воспитывал в своих учениках самостоятельность. Благодаря этому мне часто приходилось продвигаться самому. Потому что для академика, когда задача в принципе решена, модель есть и сработала, интерес теряется в некоторой степени. А между тем остается еще много, может быть, концептуально мелких, но важных технических моментов.
Пора отпускать птенца в свободный полет?
Да. Дальше необходимо дорабатывать систему. Пришлось действовать как самостоятельно, так и во взаимодействии с коллегами. У меня выросли уже свои ученики, которые защитили кандидатские на похожие темы. Мною уже подготовлено три кандидата наук, а четвертый работает. Они продолжают развивать это направление.
А ваше руководство похоже на метод Александр Сергеевича Холодова, или все-таки это характер?
На мой взгляд, чего мне не хватало…
Времени?
Нет-нет. В начале — это недостаток чтения литературы, научных статей. У тебя есть модель, есть задача, ты с ней работаешь и ее решаешь. Сейчас по некоторым аспирантам, которые уже подходят к защите, видно, что они находятся примерно в аналогичной ситуации. Сидят в какой-то изоляции от внешнего мира. Они делают свою задачу хорошо, честно, даже что-то получают, но потом не могут соотнести с тем, что происходит по этой теме в целом вокруг. Мне кажется, что у меня такая проблема тоже отчасти была.
Как она у меня проявлялась? Тогда опыта обязательного написания статей в иностранные журналы не было. Когда это стало необходимо, я написал первую статью в один из ведущих мировых журналов на основе ранее сделанных технических отчетов: скомпоновал, вычистил, как мог, перевел на английский. В итоге я получил совершенно разгромную отрицательную рецензию, но зато очень полезную. На самом деле, я был очень рад, что ее получил, потому что там было 20 или 30 замечаний. Они все были очень подробные и конкретные: что здесь не так и неправильно.
Это был травмирующий опыт?
Нет. Эта рецензия надолго стала для меня примером, в том числе когда мне самому потом приходилось рецензировать. Я очень долго ее помнил и думал: если меня так размазали, почему это я должен прощать? На самом деле, теперь я понимаю, что это были очень типичные и характерные ошибки для молодых ученых.
Основные претензии: нет широкого обзора, недостаточное упоминание других работ в этой области, а вот здесь ссылка еще нужна — и т. д., и т. п. Это все приходит с чтением литературы.
Что вы можете, исходя из своего опыта, порекомендовать молодым ученым?
Во-первых, все-таки нужно знать английский язык и читать статьи по своей теме, следить за трендами. В какой-то момент начинаешь видеть определенные типы работ, моделей, школы, группы подходов и т. п. Когда пазл начинает складываться, начинаешь понимать и место своих идей в общей мозаике, чем они лучше или хуже, куда еще можно двигаться.
Постоянное изучение научных статей требуется и для преподавания?
И для преподавания тоже, это помогает выстраивать коммуникацию. Нужно быть не только умным, но еще уметь объяснять другим, разговаривать с людьми на их языке. Та же история и с медиками: ты в итоге должен на их языке изъясняться, потому что шансы, что они возьмутся изучать физику и математику, довольно малы. Ты должен уметь перекладывать все со своего физ-мат языка на их, медицинский, и наоборот.
Горе всех программистов!
Должно быть движение в обе стороны. Почему в данном случае акцент делается на медицину? Она мультидисциплинарная, и это очень серьезная проблема. Казалось бы, этой сетевой моделью кровообращения начали заниматься примерно в 2000-е годы, сразу несколько групп. Они и сейчас продолжают исследования и все довольно известны. Поездки на международные конференции сыграли свою роль: мы все более или менее перезнакомились. И многих я знаю лично. У нас даже была такая статья — бенчмарк или своеобразное соревнование.
Было четыре группы из разных стран: России, Китая, Бразилии и Англии. Мы взяли одинаковый набор, данные десяти пациентов. Результаты были неизвестны, скрыты. Всем дали посчитать, а потом открыли результаты. Вслепую мы, правда, немного ошиблись, кое-что недоучли, но после того, как сделали небольшую модификацию, сразу все заработало очень хорошо, лучше, чем у всех, но это произошло уже после того, как данные были вскрыты, поэтому эффект был потерян. Это был очень интересный опыт.
Свои исправленные результаты, как приложение, мы напечатали в статье. Это была совместная статья, совместный маленький чемпионат. Задача, которую в итоге все решали, получила результат понятный и четкий для медиков. Одно число и на его основе ответ «да» или »нет». Но за этим стоит очень большая физико-математическая и вычислительная работа.
Основные результаты этой большой совместной работы удалось опубликовать в монографии «Personalized Computational Hemodynamics». Сейчас есть желание сделать что-то аналогичное на русском языке.
Тема, востребованная рынком. Но как в начале учебы выбрать верное направление? Многие жалуются — «если бы я знал на третьем курсе, что востребовано, я бы пошел по другому пути».
Думаю, здесь надо выбирать не так. Ты никогда не угадаешь. Пока ты будешь учиться, все уже переменится. Я бы советовал все же задумываться, прислушиваться к себе: а что мне интересно? Чем я прямо-таки готов зачитываться до глубокой ночи? Сидеть и заниматься вне зависимости от того, насколько это кажется полезным или бесполезным. Польза — она потом может выясниться. Есть еще и фундаментальная наука, с ней сейчас сложнее, но без нее никуда.
Это справедливо не только для науки, но и вообще — в принципе. Ты достигнешь лучшего результата в профессии, если делаешь именно то, что тебе интересно и близко. Некоторых вещей можно просто не знать и столкнуться с ними совершенно неожиданно, например на тех же конференциях.
Надо вылезти из своего кокона?
Необходимо заниматься тем, что захватывает. Опять же, сейчас — по сравнению с тем, что было 20 или 30 лет назад, информационное поле просто гигантское. Есть возможность посмотреть видео, выступления ведущих специалистов, просто не поднимаясь из-за стола. Очень много открытого кода, который можно скачать, позапускать, попробовать что-то посчитать. Сейчас снижается порог входа во многие темы, но без качественного фундаментального образования есть большой риск остаться на том же пороге.
Вы справедливо заметили: за 20 лет очень многое изменилось. Отличаются ли ваши студенты от вашего курса?
Отличаются. Сейчас молодежи доступно много всего и сразу. Информационное поле очень сильно расширилось. Иногда возникает такое ложное ощущение, что уже все сделано, или что легко получить ответ на любой вопрос по первому щелчку. На самом деле параллельно идет сильный информационный шум. И скорость восприятия и оседания информации, усвоения все равно примерно та же, как и у наших предшественников, кто жил и двадцать, и сотню лет назад. Поэтому повторюсь, важно все-таки не забывать про фундаментальное образование, которое позже дает большое преимущество.
В ходе учебы студентам может показаться, что какие-то курсы им не пригодятся, но их набор на Физтехе базовый. Общеинститутский цикл сформирован на основе большого опыта людей, добившихся серьезных результатов. Многие годы это служит базой для выдающихся успехов во многих, не только научных областях. Это подтверждено всеми, кто остался в области науки или пошел в бизнес и совершенно другими дорогами. Всем это в итоге оказалось полезно.
Как, исходя из вашего опыта и опыта ваших коллег, сохранить рабочий тонус до защиты докторской? Дорога бакалавриат—аспирантура более или менее понятна. А как дойти до защиты докторской?
Наверное, это самая тяжелая вещь, в первую очередь потому, что тебя уже никто не подгоняет. Самое важное свойство — уметь себя организовывать, заставлять. Заставлять работать других тоже непросто, но это все-таки легче.
Есть еще такой эпиграф к книге «Введение в алгебраическую топологию» Джозефа Дж. Ротмана, гласящий: «Моим жене Маргарите и моим детям Элли Роуз и Даниэлю Адаму, без которых эта книга была бы готова на два года раньше». Конечно же, человек, защитивший кандидатскую диссертацию, уже работает, чтобы обеспечить насущные потребности, у него масса других забот, хлопот и дел. Опять же, появляется семья, дети. На самом деле, это только помогает и мотивирует. У меня трое детей, например.
Но я заметила, большинство все успевает!
И я не один такой. У нас в институте много людей, у кого трое и больше детей. Все действительно как-то всё успевают. При этом тебя вовлекают и в административные процессы. Кого-то это все заматывает, человек работает вне науки и так и остается. Но чтобы дальше продолжить свои исследования, важно иметь некий стержень, высокий уровень самоорганизации, который после выполнения всех гражданских и семейных обязанностей заставляет еще сесть и что-то дальше делать, двигаться к своей идее, получать результаты, писать статьи. А ты уже отвык! Ты привык, что кем-то руководишь, а твои студенты и аспиранты делают. А тут оказывается, что ты и сам должен что-то создать!
Каждая диссертация, кандидатская или докторская, что собой представляет? В первую очередь это личный вклад. Нужно очень хорошо его понимать. Потому что очень часто случается на защитах (особенно кандидатских, но и дипломных тоже) такая история, когда люди говорят про работу в целом, красиво и замечательно, целая научная лекция, но ни слова о том, что сделал именно выступающий! Понятна задача, процесс, участники, но собственный вклад не обозначен. Почему-то это очень часто не осознается.
А вклад семьи? Например, я не раз слышала от ученых: благодаря моей жене я написал эту монографию.
Семья, конечно же, важна. Но в первую очередь поддержка заключается в том, что она не мешает. Семья должна понять, что на какое-то время человека нужно отпустить и создать ему благоприятный микроклимат, условия. Кстати говоря, о неожиданных обстоятельствах: отчасти мне помог коронавирус, потому что солидную часть работы я оформил именно во время пандемии. Меня, можно сказать, замуровали и приносили вкусные обеды. А я с утра до вечера сидел и работал.
И напоследок: есть ли у вас увлечения, не связанные с наукой?
У меня есть увлечения, которые пришли из детства. Я играю на флейте. Около 10 лет занимался во дворце пионеров, и мне было очень интересно. Если музыкальная школа это именно уроки, оценки, то у нас не было оценок. Все было построено на том, что это тебе просто интересно. У нас был оркестр народных инструментов, и мы даже выступали на фестивалях, в детских парках, в фойе театров перед спектаклями. Сейчас флейта в моей жизни тоже присутствует, я на ней иногда играю.
Еще катаюсь на лыжах. Спорт я люблю с детства, с четырех-пяти лет занимался. Правда, в последние годы снежного покрова мало, да и времени не очень много. Поэтому сейчас я больше в спортзале. И, тем не менее, интерес к лыжам остался, как к увлечению.
Из сравнительно нового — шесть лет назад я получил черный пояс по айкидо. Это произошло параллельно с написанием докторской диссертации. Наверное, это тоже внесло свой вклад.
А литература? Театр? Или, может быть, кино?
Времени не хватает даже на кино. Тоже сравнительно недавно я открыл для себя такого писателя, как Николай Лесков. Оказалось, он довольно известен, но как-то мимо меня это прошло. А на самом деле, он может встать наравне с Пушкиным и другими ведущими авторами XIX века. Я сейчас прочитал несколько его произведений. Какое-то время назад перечитал Антона Чехова, Федора Достоевского. Добрался даже до «Войны и мира». Когда читаешь это уже во взрослом возрасте, то искренне недоумеваешь, что эти произведения делают в школе. Во взрослом возрасте у тебя другой взгляд, по-другому к этому относишься, все гораздо более интересно. Хотелось бы читать больше, но, к сожалению, время ограничено.
Все-таки хотелось бы чуть больше обозначить значение семьи. Насколько роль родителей, по вашему мнению, важна для становления?
Конечно, она огромная. Во-первых, именно они настаивали на смене школы. У меня самого не было жгучего желания идти в физмат-класс и углубленно заниматься математикой. Я сначала не очень понимал, зачем это, просто более или менее хорошо учился в обычной школе. В итоге мне создали все возможности для того, чтобы я мог полноценно заниматься. Отправляли в летние школы, которые устраивали преподаватели МФТИ после приема экзаменов во Владивостоке. Большое влияние оказали мои родные дяди и тети. Они вели в моей школе факультативы и часть уроков на повышенном уровне, а основная их работа была в университете. Когда родственники преподают, на тебе лежит повышенная ответственность. Ты точно должен все выучить, не схалтуришь.
Подведем итог: чтобы выйти на успешную защиту, нужны самоорганизация, общение, любознательность?
Обязательно, да.
И хороший тыл — семья? И любовь к своему делу?
Да, это правильно.
