私の物理学の博士号へのオード

私の物理学の博士号へのオード' can be condensed as '物理学の博士号へのオード'.

物理学の5年間と機械学習への転換について

Unsplashからの画像

1年前、私は博士論文の審査を受けました。その部屋は壁に並ぶ窓から外を覗くことができるため、「魚の水槽」と通称されていました。金曜日の午後4時で、私の委員会のメンバー全員が出席できる唯一の時間でした。避けられないAVのトラブルの後、私は「対称性保護されたトポロジーの驚くべき持続性」について、友人や家族、物理学者たちに対して約1時間プレゼンテーションしました。その後、私の審査委員会との短い非公開セッションがあり、研究プロジェクトの技術的な詳細を掘り下げ、私の理解の深さを探りました。午後5時半に、私は物理学の哲学博士号を手に部屋から出てきました。

私は落ち着いて2階分の階段を降り、パロアルトの晴れた明るい金曜日の午後に外に出て、両親と親友が私を祝福するために待っているのを見つけ、シャンパンのボトルで私にお祝いをしました。私の冷静な外観は崩れ、私は泣き始めました。

その日、その瞬間は、積み重ねの結果を表していました。5年間の授業、教えること、研究の集大成であり、理解の深さを探るために難解な方程式を解読し、査読報告書の質問に答えるための長い夜を過ごしました。数え切れないほどの「あは!」という瞬間がありましたが、ほとんどの場合、それらは間違っていることがわかりました。そして、私がうまくいかないという普遍的な恐怖感が常に存在しました。

スタンフォード大学のデュランドビルのパティオに立って、両親、ルームメイト、パートナーと一緒にいる私は、喜びと感謝、特に安堵感に包まれました。少なくとも一瞬の間、自己の疑念と絶え間ない存在的な恐怖を置いておくことができました。わずかな瞬間だけ、自分自身に誇りを持つことができました。

同時に、この瞬間は明らかに苦いものでした。これは物理学に捧げた時間の終わりを意味しました。博士号取得後の人生が私に何をもたらすかは分かりませんでしたが、物理学はもはや指針にはならないと分かっていました。

米国スタンフォードキャンパス、私が物理学の博士号を取得した場所。Unsplash提供の画像です。

博士号を取得する前から、私は学界が自分に合っていないことを知っていました。私の一握りの物理学者の同期の中では、これはかなり特異な感情でした。今では、私のほとんどの同級生が卒業し、他の人々も学界を去りました。しかし、ほとんどの場合、彼らの最初の意図はそうではありませんでした。最初から私は博士号取得後に産業界に進むことに決めていました。実際、これが私がサンフランシスコベイエリアで大学院の研究をすることを選んだ理由の一つです!

この日が来ることは知っていました。しかし、現実に直面する準備はできていませんでした。

物理学は私の人生の一部でした。対称性、秩序、普遍性、出現などの概念への執着心が私の多くの決定を導いてきました。

この執着心は、物理学、数学、哲学を学ぶように私を導きました(余談ですが、これは私が物理学と哲学の学士号、そして物理学の博士号を持っていることを意味します!);Wolfram ResearchでStephen Wolframと一緒に働き、物理学のサブフィールドである凝縮系理論の博士号を追求しました。これは秩序と対称性の相互作用が新しい物質の相をもたらす方法に関心を持つ物理学の分野です。

さらに重要なことは、私が長年自分自身を物理学者と考えてきたことです。物理学は、私が新しい問題に取り組む方法や物理的な現実との関わり方に影響を与えてきました。それは私が世界を見る方法と私の場所を形作る方法を形作ってきました。

多くの物理学志望者にとって、博士の審査は一人前の研究者として台頭する瞬間です。古めかしいかもしれませんが、博士号は学術的な学者のコミュニティへの参加の証明であり、学問の主題、モチーフ、細部における「トレーニング」の数年間が報われたことを示しています。

この瞬間は私にとっても別れを意味していました。私は物理学を離れていき、次の数ヶ月で「物理学者」から「回復中の物理学者」への転換を迎える中でアイデンティティの危機に直面することになります。

その後の数ヶ月間、私はインターネットを徹底的に検索しました。個人的なネットワークや専門的なネットワークを超えて、最近理論物理学から産業界に転身した人々を探しました。私はできる限りの人々にアプローチしましたが、ほとんどの人が快く対応してくれることに驚きました。

しかし、一番驚いたのは彼らの話を聞くことでした。私が話した産業界の元物理学者のほとんどは、博士号取得後5年目において自分のキャリアの進捗に満足していました。中にはそれよりも早く満足している人もいました。しかし、彼らが自分の人生の旅を振り返ると、彼らが表現する感情は主に欲求不満、失望、謙虚さ、そして後悔の組み合わせでした。

物理学では、物理学を通じて何でもできると言われることがよくあります。人々は元量子物理学者が金融業界で働いていたり、CERNの研究者がテック企業のAI研究責任者になっていたり、元弦理論研究者が海洋学者を装っていたりするのを見て、物理学は何でも準備できると思います。それは間違いではありませんが、この光景は欺瞞的です。

確かに、元物理学者は至る所にいます。そして、”物理学的な思考法”は何らかのキャリアにおいて非常に貴重な基盤です。しかし、私自身の経験や他の人との会話から言えるのは、物理学が与える準備よりもむしろ物理学に引き寄せられる人物の特性によるものではないかということです。

どの分野に転身しようとしているにせよ、数年間を学び、技術を磨いてきた人々が存在します。物理学はスキルの代替品ではありませんし、知識の代替品でもありません。実際、時間をかけることに代替品はありません。そして、多くの企業はスキルを求めて採用していることがわかります。特に景気後退時には。

ここで前述の謙虚さが重要になってきます。名だたるジャーナルに論文を発表し、数学の方程式に囲まれ、曖昧な研究問題に取り組む方法を学んだにもかかわらず、産業界に入る多くの物理学者は仕事を見つけるのに苦労しました。

Image courtesy of Unsplash.

友人の一人は、雇用を確保するために6ヶ月間取り組み、最終的にオファーを受け取るまでに100以上の求人に応募したと話しました。他の人々は、自分たちの学歴に比べて教育レベルが低い仕事の面接しか受けられなかったことに恥じていました。そして彼らが仕事を始めたとき、多くの人々が自分の博士課程を終える前でも同じ仕事ができたという信念に失望していました。

一つの成功のためには、何度も何度もゼロから始める必要があると何度も聞かされました。機械学習で働いている元弦理論研究者の友人の一言で全てがまとまります:

「自分自身を物理学者だとは思っていません。物理学での時間を朦朧とした夢のように思います」

大量の解雇や採用凍結の真っ只中に真剣に求人に応募し始めたとき、私が感じた主な感情は不安と欲求不満で、少し自己嫌悪の色合いがありました。

私は気候技術に興味がありましたが、興味を持った仕事は経済見通しのために削減されるか、自分には資格がない仕事でした。

私はまた機械学習にも興味があり、これが採用凍結に耐え得る唯一の領域であるように思えたので、そこに努力を集中することにしました。私はLeetcodeの質問やブレインティーザー、ホワイトボードの問題に苦労しませんでしたので、面接を受けることができれば最終ラウンドまで進むことが多かったです。しかし、私はソフトウェアエンジニアリングのスキルが十分に備わっていないために何度も辞退され続けました。今振り返ってみると、彼らが何を意味していたのか、なぜ私はこれらのオファーを受け取ることができなかったのか、完全に理解できます。

私は仕事を見つけることができないのではないかと不安になりました。仕事探しのプロセスにますます欲求不満になりました。同時に、自分自身を責めました。なぜなら、5年間も博士課程でシンメトリーやトポロジー、エマージェンスといった分野を研究するつもりはなかったのに、自分自身をこのような立場に置いてしまったからです。

私はもう自分自身を物理学者とは呼んでいませんが、まだそれを置き換えるものはありませんでした。もちろん、自分自身を職業で定義することがその問題です-それは私がまだ非常に取り組んでいる問題です。

10月、私の不安が絶望に変わり始めた頃、状況が一変しました。非伝統的な経験とスキルを評価する企業から、数件のオファーを連続で受け取りました。

信じる勇気。画像提供:Unsplash

私は信じられないほどのシリーズAスタートアップ、Voxel51で新しい家を見つけることができました。そこで、私は機械学習エンジニア兼デベロッパーエバンジェリストのポジションを受け入れました。Voxel51のチームは私にチャンスを与えてくれました。私のソフトウェアエンジニアリングの経験や機械学習への接触が限定的であるにもかかわらず、彼らは私を機械学習エンジニアとして採用し、開発者関係の取り組みに参加させてくれました!

振り返ってみると、Voxel51が私を採用し、そのポジションがうまく機能した理由は、次の3つの理由に帰結します:

  1. ミッションの一致:Voxel51のミッションは、世界のデータに明確さと透明性をもたらすことです。私は10年近くにわたって、物理学の概念、アイデア、研究結果をアクセス可能にするための取り組みを行ってきました(個人ブログ、Yale Scientific Magazine、Physics Worldなど)。物理学そのものは移転できませんが、私の取り組みの精神は会社のミッションと密接に一致しています。
  2. 学習が中心:デベロッパーエバンジェリストである一部は、常に新しい技術を学び、探求することです。そして、機械学習は今日では非常に速い動きをしているため、誰もが最新の情報を学び続ける必要があります。その結果、学習は(そして今でも!)仕事の中心的な要素でした。Voxel51と私は、私の知識の不足(ギャップ)を教育的なコンテンツに変えることで、潜在的な弱点を強みに変えることができました。
  3. スタートアップのマインドセット:大企業が採用するとき、彼らはしばしば非常に特定のタスクを実行する人を探しています。その結果、彼らは非常に特定のスキルと経験を持つ人を探しています。スタートアップでは、すべての人が複数の役割を果たさなければならず、個人が価値を創出する方法は多岐にわたります。それが常に明確ではないことも多いですが、一般的には、非伝統的なスキルセット(Ph.D.を含む)を持つ人々がスタートアップの柔軟で曖昧で常に変化する環境で繁栄するのを見てきました。

私はVoxel51でほぼ9か月間働いていますが、すでにたくさんのことを学びました。ソフトウェアエンジニアリング、コンピュータビジョン、生成AIについて学びました。また、マーケティング、開発者関係、コミュニティマネジメントについても学びました。また、自分自身についても多くを学びました。どのような仕事が私をワクワクさせるのか、他の人との協力方法、仕事と生活のバランスを取る方法(まだ進行中)などです。私は卒業生の1年間に学んだのと同じくらいのことを学びました。そして、まだまだたくさん学んでいます!

物理学のPh.D.から1年が経ち、憎しみはやっと収まり始めました。私は5年間物理学の研究に費やしたことで自分自身にとても腹を立てましたが、大きな流れを見逃していました。私はキャリアで先を行くために物理学のPh.D.を追求したわけではありませんでした。私は物理学が好きだったので、私たちの宇宙についての基本的な問いにより深く掘り下げる機会を求めたのです。それをすることができたこと自体が贅沢なことです-私はそれに非常に感謝しています。

私はアドバイザーに資金を提供してもらい、私が興味を持ったプロジェクトを追求することを許してもらったことに感謝しています。また、ポスドクや教授からの指導も受けました。私は査読付きの論文を発表し、科学的知識の広範な体系に少しだけ貢献しました。物理学についてより深く広く理解することができました。そして、物理学の範囲を超えて、多くの素晴らしい仕事をするクールな人々に出会いました。

物理学のPh.D.を追求することから間接的に生まれた感謝すべきことがまだたくさんあります。私はGoogle XでPh.D. Quantum Residentとしてインターンシップを経験しました。Physics Worldに学生寄稿者として参加しました。初めての起業体験をしました。3年間親友と一緒に住んでいました。そして、パートナーに出会いました。

私はまだ回復中の物理学者と思っていますが、今では私が一緒に持ってきたものも見えます。かつて物理学を学ぶことが私の夢であり、私はその夢を実現することができました。私はいつまでも物理学が大好きです。

私はキャリアの新たなフェーズに入り、現在の仕事も大好きです。物理学から離れて過ごす時間が長くなるほど、さまざまなトピックやアイデアに興味を持つようになります。優れた成果の追求、学びのプロセス自体、そして実際の、具体的な影響を求める欲求に魅了されています。

永遠に物理学者である必要はありません。新しい夢を持つことも構いません。

ありがとう、物理学。

いつもあなたのもの、

Jacob

Jacob Marks

Stanford Physics Ph.D. ‘2022

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

「このAIニュースレターはあなたが必要とするもの全てです #69」

Googleは、MicrosoftやAdobeといった企業に続き、彼らが提供するAIサービスの利用者を知的財産権侵害に関する訴訟から保護す...

AI研究

インテルの研究者たちは、CPU上でLLMs(Large Language Models)をより効率的に展開するための新しい人工知能のアプローチを提案しています

大型言語モデル(LLM)は、その驚異的なパフォーマンスと多様なタスクでの潜在能力により、世界中で話題となっています。テキ...

機械学習

「仕事は続けられますが、同じ仕事ではありません」

「AIが私たちのコーディングスキルに迫っている一方で、人間の言語を完全に習得したわけではありませんそれが私たちの競争上...

AI研究

アリババAI研究所が提案する「Composer」は、数十億の(テキスト、画像)ペアで訓練された、巨大な(50億パラメータ)コントロール可能な拡散モデルです

現在、テキストベースの生成画像モデルは、多様な写真のような画像を生成することができるようになりました。最近の多くの取...

データサイエンス

「変化の風を操る:2024年の主要なテクノロジートレンド」

AIの進歩からインフラのイノベーション、メールセキュリティの要件など、将来の展望を把握し、組織を戦略的に導くための理解...

機械学習

「マルチタスクアーキテクチャ:包括的なガイド」

多くのタスクを実行するためにニューラルネットワークを訓練することは、マルチタスク学習として知られていますこの投稿では...