曾主持、参加过多项国家自然科学基金重点及面上、八六三项目重点及面上项目，以及国际国内合作项目的研究。在IEEE TRANSACTION on SMC等国际期刊，《中国科学》、《计算机学报》等国内一级期刊和核心期刊，ACL、ICDM等国际国内会议上发表论文六十余篇，提出了系统相似及其测度理论等多项创新成果，出版专著一部。承担哈工大研究生专业必修课《自然语言处理》等课程的教学工作。
附件是计算机领域的学术会议等级排名情况，分为A+, A, B, C, L 共5个档次。其中A+属于顶级会议，基本是这个领域全世界大牛们参与和关注最多的会议。国内的研究者能在其中发表论文的话，是很值得骄傲的成就。A类也是非常好的会议了，尤其是一些热门的研究方向，A类的会议投稿多录用率低，部分A类会议影响力逐步逼近A+类会议。B类的会议分两种，一种称为盛会级，参与的人多，发表的论文也多，论文录用难度比上两个级别要低很多，通常是行业内的学者们年度交流的好时机。一种是专业级的小会，圈子往往比较小，但是也有一些相对质量不错的成果发表。另外B类也是一个分水岭，是区分NB成果和普通成果的分界线，往下的C类会议知名度就低很多了，而L级的会议更多。如果不是为了注水，而是追求论文的质量多过数量的话，不建议在L级会议上发表论文。除此以外计算机还有更多的会议不在列表内，这些属于更不入流的会议了CORE Computer Science Conference RankingsAcronymStandard NameRankAAAI National Conference of the American Association for Artificial Intelligence A+ AAMAS International Conference on Autonomous Agents and Multiagent Systems A+ ACL Association of Computational Linguistics A+ ACMMM ACM Multimedia Conference A+ ASPLOS Architectural Support for Programming Languages and Operating Systems A+ CAV Computer Aided Verification A+ CCS ACM Conference on Computer and Communications Security A+ CHI International Conference on Human Factors in Computing Systems A+ COLT Annual Conference on Computational Learning Theory A+ CRYPTO Advances in Cryptology A+ CSCL Computer Supported Collaborative Learning A+ DCC IEEE Data Compression Conference A+ DSN International Conference on Dependable Systems A+ EuroCrypt International Conference on the Theory and Application of Cryptographic Techniques A+ FOCS IEEE Symposium on Foundations of Computer Science A+ FOGA Foundations of Genetic Algorithms A+ HPCA IEEE Symposium on High Performance Computer Architecture A+ I3DG ACM-SIGRAPH Interactive 3D Graphics A+ ICAPS International Conference on Automated Planning and Scheduling A+ ICCV IEEE International Conference on Computer Vision A+ ICDE IEEE International Conference on Data Engineering A+ ICDM IEEE International Conference on Data Mining A+ ICFP International Conference on Functional Programming A+ ICIS International Conference on Information Systems A+ ICML International Conference on Machine Learning A+ ICSE International Conference on Software Engineering A+ IJCAI International Joint Conference on Artificial Intelligence A+ IJCAR International Joint Conference on Automated Reasoning A+ INFOCOM Joint Conference of the IEEE Computer and Communications Societies A+ InfoVis IEEE Information Visualization Conference A+ IPSN Information Processing in Sensor Networks A+ ISCA ACM International Symposium on Computer Architecture A+ ISMAR IEEE and ACM International Symposium on Mixed and Augmented Reality A+ ISSAC International. Symposium on Symbolic and Algebraic Computation A+ ISWC IEEE International Symposium on Wearable Computing A+ IWQoS IFIP International Workshop on QoS A+ JCDL ACM Conference on Digital Libraries A+ KR International Conference on Principles of KR & Reasoning A+ LICS IEEE Symposium on Logic in Computer Science A+ MOBICOM ACM International Conferencem on Mobile Computing and Networking A+ NIPS Advances in Neural Information Processing Systems A+ OOPSLA ACM Conference on Object Oriented Programming Systems Languages and Applications A+ OSDI Usenix Symposium on Operating Systems Design and Implementation A+ PERCOM IEEE International Conference on Pervasive Computing and Communications A+ PERVASIVE International Conference on Pervasive Computing A+ PLDI ACM-SIGPLAN Conference on Programming Language Design & Implementation A+ PODC ACM Symposium on Principles of Distributed Computing A+ PODS ACM SIGMOD-SIGACT-SIGART Conferenceon Principles of Database Systems A+ POPL ACM-SIGACT Symposium on Principles of Prog Langs A+ RSS Robotics: Systems and Science A+ RTSS Real Time Systems Symp A+ SENSYS ACM Conference on Embedded Networked Sensor Systems A+ SIGCOMM ACM Conference on Applications, Technologies,Architectures, and Protocols for Computer Communication A+ SIGGRAPH ACM SIG International Conference on Computer Graphics and Interactive Techniques A+ SIGIR ACM International Conference on Research and Development in Information Retrieval A+ SIGKDD ACM International Conference on Knowledge Discovery and Data Mining A+ SIGMETRICS ACM SIG on computer and communications metrics and performance A+ SIGMOD ACM Special Interest Group on Management of Data Conference A+ SODA ACM/SIAM Symposium on Discrete Algorithms A+ SOSP ACM SIGOPS Symposium on Operating Systems Principles A+ STOC ACM Symposium on Theory of Computing A+ UAI Conference in Uncertainty in Artifical Intelligence A+ UbiComp Uniquitous Computing A+ VLDB International Conference on Very Large Databases A+ WWW International World Wide Web Conference A+ ACM-HT ACM Hypertext Conf A AH International Conference on Adaptive Hypermedia and Adaptive Web-Based Systems A AID International Conference on AI in Design A AIED International Conference on Artificial Intelligence in Education A AIIM Artificial Intelligence in Medicine A AIME Artificial Intelligence in Medicine in Europe A AiML Advances in Modal Logic A ALENEX Workshop on Algorithm Engineering and Experiments A ALIFE International Conference on the Simulation and Synthesis of Living Systems A AMAI Artificial Intelligence and Maths A AMIA American Medical Informatics Annual Fall Symposium A AOSD Aspect-Oriented Software Development A APPROX International Workshop on Approximation Algorithms for Combinatorial Optimization Problems A ASAP International Conference on Apps for Specific Array Processors A ASE Automated Software Engineering Conference A ASIACRYPT International Conference on the Theory and Applications of Cryptology A ASIS&T Annual conference of American Society for Information Science and Technology A ATVA International Symposium on Automated Technology for Verification and Analysis A AVSS Advanced Video and Signal Based Surveillance A BMVC British Machine Vision Conference A BPM International Conference in Business Process Management A CADE International Conference on Automated Deduction A CAIP International Conference on Computer Analysis of Images and Patterns A CaiSE International Conference on Advanced Information Systems Engineering A CANIM Computer Animation A CASES International Conference on Compilers, Architecture, and Synthesis for Embedded Systems A CBSE International Symposium Component-Based Software Engineering A CC International Conference on Compiler Construction A CCC IEEE Symposium on Computational Complexity A CCGRID IEEE Symposium on Cluster Computing and the Grid A CDC IEEE Conference on Decision and Control A CGI Computer Graphics International A CGO Code Generation and Optimization A CIDR Conference on Innovative Data Systems Research A CIKM ACM International Conference on Information and Knowledge Management A CLUSTER Cluster Computing Conference A COCOON International Conference on Computing and Combinatorics A CogSci Annual Conference of the Cognitive Science Society A COLING International Conference on Computational Liguistics A CONCUR International Conference on Concurrency Theory A CoNLL Conference on Natural Language Learning A CoopIS International Conference on Cooperative Information Systems A Coordination International Conference on Coordination Models and Lanuguages A CP International Conference on Principles & Practice of Constraint Programming A CPAIOR International Conference on Integration of Artificial Intelligence and Operations Research Techniques in Constraint Programming for Combinatorial Optimization Problems A CSB IEEE Computational Systems Bioinformatics Conference A CSCW ACM Conference on Computer Supported Cooperative Work A CSFW IEEE Computer Security Foundations Workshop A CSSAC Cognitive Science Society Annual Conference A CVPR IEEE Conference on Computer Vision and Pattern Recognition A DAC Design Automation Conf A DAS International Workshop on Document Analysis Systems A DASFAA Database Systems for Advanced Applications A DATE IEEE/ACM Design, Automation & Test in Europe Conference A DEXA International Conference on Database and Expert Systems Applications A DIGRA Digital Games Research Conference A DIS Designing Interactive Systems A DISC International Symposium on Distributed Computing (ex WDAG) A DocEng ACM Symposium on Document Engineering A DOOD Deductive and Object-Oriented Databases A DUX Design for User Experience A EAAI Engineering Applications of Artifical Intelligence A EACL European Association of Computational Linguistics A EASE International Conference on Evaluation and Assessment in Software Engineering A EC ACM Conference on Electronic Commerce A ECAI European Conference on Artificial Intelligence A ECCV European Conference on Computer Vision A ECDL European Conference on Digital Libraries A ECIS European Conference on Information Systems A ECML European Conference on Machine Learning A ECOOP
师范大学的非师范专业，你就等失业吧~~！换个师范专业吧~~！！
你先看韩家炜的那本《数据挖掘》，然后看一下几个会议的论文SIGKDDCIKMICDMPAKDD里面的论文都是比较好的，具体内容需要看你最后做的是什么问题，现在做recommendation（推荐）的比较多。
因为要做独立研究，首先要避开所有重器材的方向，比如做深度学习你作为个人是刷不过集团军的--你没有那么多计算资源。大部分教科书都是分章节介绍内容，而章节在一定程度上前后独立。跨领域交叉往往比在特定领域创新要容易，这个思路特别适合独立研究者。还有一点就是新手独立发文，在单盲的情况下更容易被拒稿，增加1-2个共同作者有助于减轻这种偏见，原因非常明显就不赘述了。论文被拒稿是很常见的事情，作为独立新手就更无法避免了。独立研究最大的成就感来自于「独立」，在这个过程中，你会不断的怀疑自己甚至否定自己，这也是为什么我建议大家能有人一起同行。 做好论文导师也不容易究竟是怎么一回事，跟随我一起看看吧。
看这篇就够了！
我特别能理解提问者的感受，因为很多同学都可能有以下几个需求
1、毕业有论文要求，但老板帮助不大
2、虽然毕业无论文要求，但希望通过发表论文来提升自己的职场竞争力
3、希望通过做研究和发表来争取国外的博士机会
在明确了主题后，我们就可以把问题继续分解为三个子问题：
1.如何选题2.如何研究3.如何投稿
1、如何选题
第一点选择适合的研究方向是成功的一半，不要单纯因为兴趣而选定研究方向。因为要做独立研究，首先要避开所有重器材的方向，比如做深度学习你作为个人是刷不过集团军的--你没有那么多计算资源。
第二点就是选择适合自己的方向。大部分基础学科如数学、物理等都需要多年的知识积累以及导师指导，因为导师的轻轻一点就可以省掉了数天甚至数个月的瞎想。
选题的第三点就是要读几篇该领域的经典文章，试试水深。换句话说，就是看看自己能不能大概读懂，知识的空缺有多大，离能够独立成文还有多远。
如果某一领域的文章都有大量的公式推导且你的数学功底有限，那么就不建议选择这类方向。读综述文章一般也是个很好的思路，这样可以快速看到领域的边界，也有助于缩小选题范围。
当然，兴趣依然是一切的源头，也是能不断激励你的后盾。
总结来看，选题是一个平衡过程，是硬件资源+知识背景+个人兴趣的综合后的产物。其中任意一项如果是绝对短板的话，就很容易影响最后的产出。
综合要选择一个自己有兴趣，有一定的相关知识，资源要求不高，且写作水平和领域论文不会相差太远的方向。
2、如何研究
当我们有了一个适当的选题后，应该先读该领域的经典教科书或者综述文章。
我个人的经验是：一边读一边记下自己天马行空的点子，先不用想是否成熟，记下来再说。一边读一边看能不能和其他领域结合，比如用集成学习或是graph mining做推荐系统。
一边读一边缩小自己的选题范围，通过阅读了解自己更擅长在哪个（章节）主题上发力。
大部分教科书都是分章节介绍内容，而章节在一定程度上前后独立。因此你可以着重挑自己读着有趣的内容深入了解。
假设我们现在确定了一个小主题：如何利用「集成学习」来提升「推荐系统」的「鲁棒性」。
那么找到新的方向其实并不难，你需要：找到该领域常用的数据集(benchmark datasets)，找到其他基线算法的实现(baseline algorithm implementation),一般在GitHub上搜索算法名就可以。可以找最近的相关论文的related works:来追踪领域进展。
找一本集成学习的教科书。第一步就是重现基准算法在常用数据集上的表现，这个将会是进行研究的重要参照物。如果某些基准算法没有现成的实现，你可以尝试着动手写一个--实现算法的过程往往就是找灵感改进的过程。
等以上步骤做完后，你就可以考虑如何用集成学习来改进推荐系统。这个时候就可以参考集成学习教科书，分析不同算法的优劣，找到哪些方法有助于提高鲁棒性，再应用到推荐系统上去。跨领域交叉往往比在特定领域创新要容易，这个思路特别适合独立研究者。
3、如何投稿
首先一般投稿有期刊和会议，期刊一般内容更加完善，但会议一般更加前沿，不同领域在意的不同。
期刊一般是单盲（即审稿人知道你的身份，而你不知道谁是审稿人）。会议可能是单盲、双盲甚至三盲（比如ICDM)。考虑到独立研究没有老板的背书，那么尽量避开单盲的投稿，因为你可能会从中吃亏。
第二点就是考虑审稿周期，大部分会议的审稿都在1-3个月内，而大部分期刊的第一轮意见都需要3个月以上才会出现。所以时间敏感的话，建议优先投会议，而非期刊。
另一个常见的操作是会议论文在发表后经过扩展(>30%)的新内容再重投期刊，可以同时兼顾时效性和完整性。
选择投稿渠道也是对于新手非常不友好的环节，建议多问问周围的资深人士。
这一切的前提都是你的英文足够好，这点是一切的前提。最佳情况还是要和别人合作，即使他们和你一样是新手也没关系，毕竟是人多力量大，心理上有个依靠。还有一点就是新手独立发文，在单盲的情况下更容易被拒稿，增加1-2个共同作者有助于减轻这种偏见，原因非常明显就不赘述了。
论文被拒稿是很常见的事情，作为独立新手就更无法避免了。
4、总结
理论上只要你方向选的合适，自身条件尚可，在坚持不懈的实验、写作、投稿、被拒、修改、重投后，总能慢慢走上正轨。如果幸运的话说不定还能在你的研究小领域打开一点局面，有一点知名度。
独立研究最大的成就感来自于「独立」，在这个过程中，你会不断的怀疑自己甚至否定自己，这也是为什么我建议大家能有人一起同行。
但当你有所推进时，比如发出了第一篇不错的文章，你会非常激动。
因为你完成了自己的博士入门训练，避开了民科式科研，在艰苦的环境中打开了一片局面，甚至还微微推动了科学发展。这比发表论文本身更有意义，你应该为自己感到自豪。
我是皇家学术大佬，会持续分享考研干货与科研知识与论文写作技巧等，欢迎大家多多专注！！！
Computational visual media conference是清华大学图形学实验室主办的国际会议，是亚洲图形学学会的三大会议之一（另两个是Pacific Graphics和GMP）。Computational visual media conference会议每年投稿100-240篇，录取25-38篇，论文全部发表在期刊上，包括：CCF A类的IEEE TVCG，CCF B类的Graphical Models和JCST，以及同名的期刊《Computational visual media》，该刊EI收录，Scopus影响因子2.9，高于graphical models.值得投稿！
《Tensorflow：实战Google深度学习框架》（郑泽宇）电子书网盘下载免费在线阅读
资源链接：
链接：
书名：Tensorflow：实战Google深度学习框架
作者：郑泽宇
豆瓣评分：8.0
出版社：电子工业出版社
出版年份：2017-2-10
页数：296
内容简介：
TensorFlow是谷歌2015年开源的主流深度学习框架，目前已在谷歌、优步（Uber）、京东、小米等科技公司广泛应用。《Tensorflow实战》为使用TensorFlow深度学习框架的入门参考书，旨在帮助读者以最快、最有效的方式上手TensorFlow和深度学习。书中省略了深度学习繁琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow样例程序介绍如何使用深度学习解决这些问题。《Tensorflow实战》包含了深度学习的入门知识和大量实践经验，是走进这个最新、最火的人工智能领域的首选参考书。
作者简介：
郑泽宇，现为才云科技（Caicloud.io）联合创始人、首席大数据科学家。针对分布式TensorFlow上手难、管理难、监控难、上线难等问题，他带领团队成功开发了国内首个成熟的分布式TensorFlow深度学习平台（TensorFlow as a Service）。基于此平台，才云大数据团队为安防、电商、金融、物流等多个行业提供有针对性的人工智能解决方案。归国创业之前，郑泽宇曾任美国谷歌高级工程师。从2013 年加入谷歌，郑泽宇作为主要技术人员参与并领导了多个大数据项目。由他提出并主导的产品聚类项目用于衔接谷歌购物和谷歌知识图谱（knowledge graph）数据，使得知识卡片形式的广告逐步取代传统的产品列表广告，开启了谷歌购物广告在搜索页面投递的新纪元。郑泽宇于2011年5月获得北京大学计算机学士学位，并荣获北京大学信息科学技术学院十佳优秀毕业论文、北京大学优秀毕业生。2013年5月获得美国 Carnegie Mellon University（CMU）大学计算机硕士学位，并获得西贝尔奖学金 (Siebel Scholarship)。郑泽宇在机器学习、人工智能领域有多年研究经验，并在SIGIR、SIGKDD、ACL、ICDM、ICWSM等顶级国际会议上发表多篇学术论文。
姓名：丁磊 民族：汉族性别：男出生年月：1971.10.10星座：天秤座籍贯：浙江宁波毕业院校：电子科技大学 供职机构：网易公司职务：首席架构设计师1971年10月生于宁波，奉化 1993年毕业于电子科技大学 1993~1995年在宁波市电信局工作 1995年-1996年就职于Sybase广州公司 1996年-1997年就职于广州飞捷公司1997年5月创办网易网易公司首席架构设计师,丁磊1997年6月创立网易公司，将网易从一个十几个人的私企发展到今天拥有近300员工在美国公开上市的知名互联网技术企业。2000年3月，丁磊辞去首席执行官，出任网易公司联合首席技术执行官，2001年3月，担任首席架构设计师，专注于公司远景战略的设计与规划。在创立网易公司之前，丁磊曾是中国电信的一名技术工程师，后担任一家美国数据库软件公--美国赛贝斯(中国)公司(Sybase)的技术支持工程师。丁磊毕业于电子科技大学，获工学学士学位。新华网浙江频道8月6日电上周，网易公布了今年第二季度财务报告，其股价猛涨，最高蹿至52.21美元。以每股50美元计算，网易市值已达15.7亿美元，创始人丁磊持有58%的股份，账面价值约合人民币75亿元。在去年《福布斯》中国内地富豪榜上，中信泰富的荣智健和世茂集团的许荣茂分别以70.35亿元和64.56亿元的个人资产排名前两位。网易成立后的最初两年，丁磊把资金和精力主要放在开发互联网应用软件上，其中1997年11月推出了中国第一个双语电子邮件系统。2000年3月，丁磊辞去首席执行官，出任网易公司联合首席技术执行官，2001年3月，担任首席架构师，专注于公司远景战略的设计与规划 张朝阳1.搜狐公司董事局主席兼首席执行官1964年10月31日出生于陕西省西安市，祖籍河南省洛阳市孟津县，陕西西安人。1986年毕业于清华大学物理系，同年以全国第39名成绩，考取CUSPEA项目奖学金赴美留学。1993年底在美国麻省理工学院(MIT)获得博士学位。1994年任MIT亚太地区(中国)联络负责人。1995年底回国任美国ISI公司驻中国首席代表。1996年在MIT媒体实验室主任尼葛洛庞帝教授和MIT斯隆商学院爱德华·罗伯特教授的风险投资支持下创建了爱特信公司，成为中国第一家以风险投资资金建立的互联网公司。 1998年2月25日，爱特信正式推出“搜狐”产品,并更名为搜狐公司。在张朝阳的领导下搜狐历经四次融资，于2000年7月12日，在美国纳斯达克成功挂牌上市（NASDAQ:SOHU）。搜狐公司目前已经成为中国最领先的新媒体、电子商务、通信及移动增值服务公司，是中文世界最强劲的互联网品牌，对互联网在中国的传播及商业实践作出了杰出的贡献。张朝阳现任搜狐公司董事局主席兼首席执行官。获得荣誉 1998年10月被美国《时代周刊》评为“全球50位数字英雄”之一，1999—2001年被《中国青年报》连续三年评为“年度IT十大风云人物”之一，1999年7月被《亚洲周刊》选为封面人物，2001年5月7日，被《财富》杂志评选为全球二十五位企业新星之一，同年，被世界经济论坛评为全球“明日领袖”之一。 2005年1月5日，搜狐公司举办的“2005·中国新视角”高峰论坛在京隆重召开。论坛探讨了2005年中国社会和经济在国际化、未来发展和转型期间的诸多问题。搜狐董事局主席兼CE0张朝阳发表了精彩的演讲。张朝阳讲道：“互联网可以说是走过了第一个十年，在第一次浪潮1996年萌动到1997年开始形成商业模式的探索到1998年、1999年高潮，这是第一个浪潮，产生了相当多的企业，当然有很多很多企业失败了。比较幸运能够捷足先登获得资本市场青睐的只有三大门户，稍微晚一些可能机会少一些，但是也能够产生一些企业。经过多少年以后或者七年以后，六年以后，最初的三大门户形成相当的规模，有了足够的资金在品牌上获得发展。第二次资产浪潮到来以后，1998年、1999年产生的企业大批企业死亡了，但是剩下的几个顽强的，除了三大门户以外还有一些顽强的企业一直活下来，终于迎来资本市场第二次浪潮，第二次浪潮可以说是资本市场的第二次浪潮。但是互联网的应用和实践网民数量越来越多，每个人上网的各种行为从简单的读新闻到发邮件到年轻人上网有多种多样跟互联网的亲密接触，这是市场上的进展。活下来渡过资本严冬的企业现在逐渐融得大量风险资金获得上市，表现出来的就是资本的第二次浪潮，中国互联网企业突然有了很多钱，商业模式比较清晰，但很多方面还需要探索。”这样重要的场合里，张朝阳这样一番讲话是具有象征意义的。至少在最清楚公司运营情况的张朝阳自己看来，他已经坐到了成功者的交椅上，有资格总结历史，展望未来，平静地讲几句业界的宏观话题。张朝阳真的为渴望创造奇迹的年轻一辈树立了一个榜样?张朝阳真的堪称英雄?近日专访了张朝阳，期望从他的言谈话语中判断他的现状，解读这个经常作秀的新锐财富代表人物。
国际权威学术组织的数据挖掘（ICDM）12 2006 IEEE国际会议上入选十大经典领域的数据挖掘算法：C4.5，K均值，SVM，先验，EM的PageRank，AdaBoost的朴素贝叶斯，KNN，和CART 不只是所选算法10，事实上，参与的18种算法的选择，其实，只是为了拿出一个可以称得上是经典算法的数据挖掘领域有产生深远的影响。 的C4.5 C4.5算法是一种分类决策树算法，机器学习算法，核心算法是ID3算法C4.5算法继承了ID3算法的优点和ID3算法已经在以下几个方面： 1）信息增益率提高，选择属性，克服偏差值选择属性信息增益选择属性缺乏; 2）在树结构中修剪; 3）完成的过程中连续属性离散化; 4）不完整的数据。 C4.5算法有以下优点：产生的分类规则易于理解，准确率较高。其缺点是：在树形结构中，顺序扫描和排序的数据集，从而导致低效率的算法。 2。 K-means算法 k-means算法算法的k-means算法是一个聚类算法，根据其属性分成K，K
狭义相对论(Special Relativity)是主要由爱因斯坦创立的时空理论，是对牛顿时空观的改造。伽利略变换与电磁学理论的不自洽到19世纪末，以麦克斯韦方程组为核心的经典电磁理论的正确性已被大量实验所证实，但麦克斯韦方程组在经典力学的伽利略变换下不具有协变性。而经典力学中的相对性原理则要求一切物理规律在伽利略变换下都具有协变性。迈克尔孙寻找以太的实验为解决这一矛盾，物理学家提出了“以太假说”，即放弃相对性原理，认为麦克斯韦方程组只对一个绝对参考系（以太）成立。根据这一假说，由麦克斯韦方程组计算得到的真空光速是相对于绝对参考系（以太）的速度；在相对于“以太”运动的参考系中，光速具有不同的数值。实验的结果——零结果但斐索实验和迈克耳逊－莫雷实验表明光速与参考系的运动无关。洛仑兹坐标变换洛仑兹变换是描述狭义相对论空间中各参考系间关系的变换。它最早由洛仑兹从以太说推出，用以解决经典力学与经典电磁学间的矛盾（即迈克尔孙-莫雷实验的零结果）。后被爱因斯坦用于狭义相对论。1632年，伽利略出版了他的名著《关于托勒密和哥白尼两大世界体系的对话》。书中那位地动派的“萨尔维阿蒂”对上述问题给了一个彻底的回答。他说：“把你和一些朋友关在一条大船甲板下的主舱里，让你们带着几只苍蝇、蝴蝶和其他小飞虫，舱内放一只大水碗，其中有几条鱼。然后，挂上一个水瓶，让水一滴一滴地滴到下面的一个宽口罐里。船鱼向各个方向随便游动，水滴滴进下面的罐口，你把任何东西扔给你的朋友时，只要距离相等，向这一方向不必比另一方向用更多的力。你双脚齐跳，无论向哪个方向跳 过的距离都相等。当你仔细地观察这些事情之后，再使船以任何速度前进，只要运动是匀速，也不忽左忽右地摆动，你将发现，所有上述现象丝毫没有变化。你也无法从其中任何一个现象来确定，船是在运动还是停着不动。即使船运动得相当快，你跳向船尾也不会比跳向船头来得远。虽然你跳到空中时，脚下的船底板向着你跳的相反方向移动。你把不论什么东西扔给你的同伴时，不论他是在船头还是在船尾，只要你自己站在对面，你也并不需要用更多的力。水滴将象先前一样，滴进下面的罐子，一滴也不会滴向船尾。虽然水滴在空中时，船已行驶了许多柞(为大指尖到小指尖伸开之长，通常为九英寸，是古代的一种长度单位)。鱼在水中游向水碗前部所用的力并不比游向水碗后部来得大；它们一样悠闲地游向放在水碗边缘任何地方的食饵。最后，蝴蝶和苍蝇继续随便地到处飞行，它们也决不会向船尾集中，并不因为它们可能长时间留在空中，脱离开了船的运动，为赶上船的运动而显出累的样子。” 萨尔维阿蒂的大船道出一条极为重要的真理，即：从船中发生的任何一种现象，你是无法判断船究竟是在运动还是停着不动。现在称这个论断为伽利略相对性原理。 用现代的语言来说，萨尔维阿蒂的大船就是一种所谓惯性参考系。就是说，以不同的匀速运动着而又不忽左忽右摆动的船都是惯性参考系。在一个惯性系中能看到的种种现象，在另一个惯性参考系中必定也能无任何差别地看到。亦即，所有惯性参考系都是平权的、等价的。我们不可能判断哪个惯性参考系是处于绝对静止状态，哪一个又是绝对运动的。 伽利略相对性原理不仅从根本上否定了地静派对地动说的非难，而且也否定了绝对空间观念（至少在惯性运动范围内）。所以，在从经典力学到相对论的过渡中，许多经典力学的观念都要加以改变，唯独伽利略相对性原理却不仅不需要加以任何修正，而且成了狭义相对论的两条基本原理之一。 狭义相对论的两条原理 1905年，爱因斯坦发表了狭义相对论的奠基性论文《论运动物体的电动力学》。关于狭义相对论的基本原理，他写道： “下面的考虑是以相对性原理和光速不变原理为依据的，这两条原理我们规定如下： 1．物理体系的状态据以变化的定律，同描述这些状态变化时所参照的坐标系究竟是用两个在互相匀速移动着的坐标系中的哪一个并无关系。 2．任何光线在“静止的”坐标系中都是以确定的速度c运动着，不管这道光线是由静止的还是运动的物体发射出来的。” 其中第一条就是相对性原理，第二条是光速不变性。整个狭义相对论就建筑在这两条基本原理上。 爱因斯坦的哲学观念是,自然界应当是和谐而简单的。的确，他的理论常有一种引人注目的特色：出于简单而归于深奥。狭义相对论就是具有这种特色的一个体系。狭义相对论的两条基本原理似乎是并不难接受的“简单事实”，然而它们的推论却根本地改变了牛顿以来物理学的根基。 后面我们将开始这种推论。 爱因斯坦狭义相对论 相对论是20世纪物理学史上最重大的成就之一，它包括狭义相对论和广义相对论两个部分，狭义相对论变革了从牛顿以来形成的时空概念，提示了时间与空间的统一性和相对性，建立了新的时空观。广义相对论把相对原理推广到非惯性参照系和弯曲空间，从而建立了新的引力理论。在相对论的建立过程中，爱因斯坦起了主要的作用。 爱因斯坦是美籍德国物理学家。1914年任德国威廉皇帝物理研究所所长和普鲁士科学院院士，1933年因遭纳粹政权迫害迁往美国，任普林斯顿高等研究院主任。1905睥，在他26岁时，法文科学杂志《物理年鉴》刊登了他的一篇论文《论运动物体的电动力学》，这篇论文是关于相对论的第一篇论文，它相当全面地论述了狭义相对论，解决了从19世纪中期开始，许多物理学家都未能解决的有关电动力学以及力学和电动力学结合的问题。 提起狭义相对论，很多人马上就想到钟表慢走和尺子缩短现象。许多科学幻想作品用它作题材，描写一个人坐火箭遨游太空回来以后，发现自己还很年轻，而孙子已经变成了老头。其实，钟表慢走和尺子缩短只是狭义相对论的几个结论之一，它是指物体高速运动的时候，运动物体上的时钟变慢了，尺子变短了。钟表慢走和尺子缩短现象就是时间和空间随物质运动而变化的结果。狭义相对论还有一个质量随运动速度而增加的结论。实验中发现，高速运动的电子的质量比静止的电子的质量大。 狭义相对论最重要的结论是使质量守恒失去了独立性。它和能量守恒原理融合在一起，质量和能量可以互相转化。如果物质质量是M，光速是C，它所含有的能量是E，那么E=MC 2。这个公式只说明质量是M的物体所蕴藏的全部能量，并不等于都可以释放出来，在核反应中消失的质量就按这个公式转化成能量释放出来。按这个公式，1克质量相当于9＊10 3焦耳的能量。这个质能转化和守恒原理就是利用原子能的理论基础。 大狭义相对论中，虽然出现了用牛顿力学观点完全不能理解的结论：空间和时间随物质运动而变化，质量随运动而变化，质量和能量的相互转化，但是狭义相对论并不是完全和牛顿力学割裂的，当运动速度远低于光速的时候，狭义相对论的结论和牛顿力学就不会有什么区别。 几十年来的历史发展证明，狭义相对论大大推动了科学进程，成为现代物理学的基本理论之一。 爱因斯坦于1922年12月有4日，在日本京都大学作的题为《我是怎样创立相对论的？》的演讲中，说明了他关于相对论想法的产生和发展过程。他说：“关于我是怎样建立相对论概念这个问题，不太好讲。我的思想曾受到那么多神秘而复杂的事物的启发，每种思想的影响，在生活幸福论概念的发展过程中的不同阶段都不一样……我第一次产生发展相对论的念头是在17年前，我说不准这个想法来自何处，但是我肯定，它包含在运动物体光学性质问题中，光通过以大海洋传播，地球在以太中运动，换句话说，即以太阳对地球运动。我试图在物理文献中寻找以太流动的明显的实验证据，蓝天是没有成功。随后，我想亲自证明以太相对地球的运动，或者说证明地球的运动。当我首次想到这个问题的时候，我不怀疑以太的存在或者地球通过以太的运动。”于是，他设想了一个使用两个热电偶进行的实验：设置一些反光镜，以使从单个光源发出的光在两个不同的方向被反射，一束光平行于地球的运动方向且同向，另一束光逆向而行。如果想象在两个反射光束间的能量差的话，就能用两个热电偶测出产生的热量差。虽然这个实验的想法与迈克尔逊实验非常相似，但是他没有得出结果。 爱因斯坦说：他最初考虑这个问题时，正是学生时代，当时他已经知道了迈克尔逊实验的奇妙结果，他很快就得出结论：如果相信迈克尔逊的零结果，那么关于地球相对以太运动的想法就是错误的。他说道：“这是引导我走向狭义相对论的第一条途径。自那以后，我开始相信，虽然地球围绕太阳转动，但是，地球运动不可能通过任何光学实验探测太阳转动，但是，地球的运动不可能通过任何光学实验探测出来。” 爱因斯坦有机会读了洛伦兹在1895年发表的论文，他讨论并完满解决了u/c的高次项（u为运动物体的速度，c为光速）。然后爱因斯坦试图假定洛伦兹电子方程在真空参照系中有效，也应该在运动物体的参照系中有效，去讲座菲索实验。在那时，爱因斯坦坚信，麦克斯韦－洛伦兹的电动力学方程是正确的。进而这些议程在运动物体参照系中有效的假设导致了光速不变的概念。然而这与经典和学中速度相加原理相违背。 为什么这两个概念互相矛盾。爱因斯坦为了解释它，花了差不多一年的时间试图去修改洛伦兹理论。一个偶然的机会。他在一个朋友的帮助下解决了这一问题。爱因斯坦去问他并交谈讨论了这个困难问题的各个方面，突然爱因斯坦找到了解决所有的困难的办法。他说：“我在五周时间里完成了狭义相对论原理。” 爱因斯坦的理论否定了以太概念，肯定了电磁场是一种独立的、物质存在的特殊形式，并对空间、时间的概念进行了深刻的分析，从而建立了新的时空关系。他1905年的论文被世界公认为第一篇关于相对论的论文，他则是第一位真正的相对论物理学家。狭义相对论效应 根据狭义相对性原理，惯性系是完全等价的，因此，在同一个惯性系中，存在统一的时间，称为同时性，而相对论证明，在不同的惯性系中，却没有统一的同时性，也就是两个事件(时空点)在一个关性系内同时，在另一个惯性系内就可能不同时，这就是同时的相对性，在惯性系中，同一物理过程的时间进程是完全相同的，如果用同一物理过程来度量时间，就可在整个惯性系中得到统一的时间。在今后的广义相对论中可以知道，非惯性系中，时空是不均匀的，也就是说，在同一非惯性系中，没有统一的时间，因此不能建立统一的同时性。 相对论导出了不同惯性系之间时间进度的关系，发现运动的惯性系时间进度慢，这就是所谓的钟慢效应。可以通俗的理解为，运动的钟比静止的钟走得慢，而且，运动速度越快，钟走的越慢，接近光速时，钟就几乎停止了。 尺子的长度就是在一惯性系中"同时"得到的两个端点的坐标值的差。由于"同时"的相对性，不同惯性系中测量的长度也不同。相对论证明，在尺子长度方向上运动的尺子比静止的尺子短，这就是所谓的尺缩效应，当速度接近光速时，尺子缩成一个点。 由以上陈述可知，钟慢和尺缩的原理就是时间进度有相对性。也就是说，时间进度与参考系有关。这就从根本上否定了牛顿的绝对时空观，相对论认为，绝对时间是不存在的，然而时间仍是个客观量。比如在下期将讨论的双生子理想实验中，哥哥乘飞船回来后是15岁，弟弟可能已经是45岁了，说明时间是相对的，但哥哥的确是活了15年，弟弟也的确认为自己活了45年，这是与参考系无关的，时间又是"绝对的"。这说明，不论物体运动状态如何，它本身所经历的时间是一个客观量，是绝对的，这称为固有时。也就是说，无论你以什么形式运动，你都认为你喝咖啡的速度很正常，你的生活规律都没有被打乱，但别人可能看到你喝咖啡用了100年，而从放下杯子到寿终正寝只用了一秒钟。时钟佯谬或双生子佯谬 相对论诞生后，曾经有一个令人极感兴趣的疑难问题---双生子佯谬。一对双生子A和B，A在地球上，B乘火箭去做星际旅行，经过漫长岁月返回地球。爱因斯坦由相对论断言，二人经历的时间不同，重逢时B将比A年轻。许多人有疑问，认为A看B在运动，B看A也在运动，为什么不能是A比B年轻呢?由于地球可近似为惯性系，B要经历加速与减速过程，是变加速运动参考系，真正讨论起来非常复杂，因此这个爱因斯坦早已讨论清楚的问题被许多人误认为相对论是自相矛盾的理论。如果用时空图和世界线的概念讨论此问题就简便多了，只是要用到许多数学知识和公式。在此只是用语言来描述一种最简单的情形。不过只用语言无法更详细说明细节，有兴趣的请参考一些相对论书籍。我们的结论是，无论在那个参考系中，B都比A年轻。 为使问题简化，只讨论这种情形，火箭经过极短时间加速到亚光速，飞行一段时间后，用极短时间掉头，又飞行一段时间，用极短时间减速与地球相遇。这样处理的目的是略去加速和减速造成的影响。在地球参考系中很好讨论，火箭始终是动钟，重逢时B比A年轻。在火箭参考系内，地球在匀速过程中是动钟，时间进程比火箭内慢，但最关键的地方是火箭掉头的过程。在掉头过程中，地球由火箭后方很远的地方经过极短的时间划过半个圆周，到达火箭的前方很远的地方。这是一个"超光速"过程。只是这种超光速与相对论并不矛盾，这种"超光速"并不能传递任何信息，不是真正意义上的超光速。如果没有这个掉头过程，火箭与地球就不能相遇，由于不同的参考系没有统一的时间，因此无法比较他们的年龄，只有在他们相遇时才可以比较。火箭掉头后，B不能直接接受A的信息，因为信息传递需要时间。B看到的实际过程是在掉头过程中，地球的时间进度猛地加快了。在B看来，A现实比B年轻，接着在掉头时迅速衰老，返航时，A又比自己衰老的慢了。重逢时，自己仍比A年轻。也就是说，相对论不存在逻辑上的矛盾。 相对论要求物理定律要在坐标变换(洛伦兹变化)下保持不变。经典电磁理论可以不加修改而纳入相对论框架，而牛顿力学只在伽利略变换中形势不变，在洛伦兹变换下原本简洁的形式变得极为复杂。因此经典力学与要进行修改，修改后的力学体系在洛伦兹变换下形势不变，称为相对论力学。 狭义相对论建立以后，对物理学起到了巨大的推动作用。并且深入到量子力学的范围，成为研究高速粒子不可缺少的理论，而且取得了丰硕的成果。然而在成功的背后，却有两个遗留下的原则性问题没有解决。第一个是惯性系所引起的困难。抛弃了绝对时空后，惯性系成了无法定义的概念。我们可以说惯性系是惯性定律在其中成立的参考系。惯性定律实质一个不受外力的物体保持静止或匀速直线运动的状态。然而"不受外力"是什么意思?只能说，不受外力是指一个物体能在惯性系中静止或匀速直线运动。这样，惯性系的定义就陷入了逻辑循环，这样的定义是无用的。我们总能找到非常近似的惯性系，但宇宙中却不存在真正的惯性系，整个理论如同建筑在沙滩上一般。第二个是万有引力引起的困难。万有引力定律与绝对时空紧密相连，必须修正，但将其修改为洛伦兹变换下形势不变的任何企图都失败了，万有引力无法纳入狭义相对论的框架。当时物理界只发现了万有引力和电磁力两种力，其中一种就冒出来捣乱，情况当然不会令人满意。 爱因斯坦只用了几个星期就建立起了狭义相对论，然而为解决这两个困难，建立起广义相对论却用了整整十年时间。为解决第一个问题，爱因斯坦干脆取消了惯性系在理论中的特殊地位，把相对性原理推广到非惯性系。因此第一个问题转化为非惯性系的时空结构问题。在非惯性系中遇到的第一只拦路虎就是惯性力。在深入研究了惯性力后，提出了著名的等性原理，发现参考系问题有可能和引力问题一并解决。几经曲折，爱因斯坦终于建立了完整的广义相对论。广义相对论让所有物理学家大吃一惊，引力远比想象中的复杂的多。至今为止爱因斯坦的场方程也只得到了为数不多的几个确定解。它那优美的数学形式至今令物理学家们叹为观止。就在广义相对论取得巨大成就的同时，由哥本哈根学派创立并发展的量子力学也取得了重大突破。然而物理学家们很快发现，两大理论并不相容，至少有一个需要修改。于是引发了那场著名的论战：爱因斯坦VS哥本哈根学派。直到现在争论还没有停止，只是越来越多的物理学家更倾向量子理论。爱因斯坦为解决这一问题耗费了后半生三十年光阴却一无所获。不过他的工作为物理学家们指明了方向：建立包含四种作用力的超统一理论。目前学术界公认的最有希望的候选者是超弦理论与超膜理论。
狭义相对论马赫和休谟的哲学对爱因斯坦影响很大。马赫认为时间和空间的量度与物质运动有关。时空的观念是通过经验形成的。绝对时空无论依据什么经验也不能把握。休谟更具体的说：空间和广延不是别的，而是按一定次序分布的可见的对象充满空间。而时间总是又能够变化的对象的可觉察的变化而发现的。1905年爱因斯坦指出，迈克尔逊和莫雷实验实际上说明关于“以太”的整个概念是多余的，光速是不变的。而牛顿的绝对时空观念是错误的。不存在绝对静止的参照物，时间测量也是随参照系不同而不同的。他用光速不变和相对性原理提出了洛仑兹变换。创立了狭义相对论。 狭义相对论是建立在四维时空观上的一个理论，因此要弄清相对论的内容，要先对相对论的时空观有个大体了解。在数学上有各种多维空间，但目前为止，我们认识的物理世界只是四维，即三维空间加一维时间。现代微观物理学提到的高维空间是另一层意思，只有数学意义，在此不做讨论。 四维时空是构成真实世界的最低维度，我们的世界恰好是四维，至于高维真实空间，至少现在我们还无法感知。我在一个帖子上说过一个例子，一把尺子在三维空间里（不含时间）转动，其长度不变，但旋转它时，它的各坐标值均发生了变化，且坐标之间是有联系的。四维时空的意义就是时间是第四维坐标，它与空间坐标是有联系的，也就是说时空是统一的，不可分割的整体，它们是一种“此消彼长”的关系。 维时空不仅限于此，由质能关系知，质量和能量实际是一回事，质量（或能量）并不是独立的，而是与运动状态相关的，比如速度越大，质量越大。在四维时空里，质量（或能量）实际是四维动量的第四维分量，动量是描述物质运动的量，因此质量与运动状态有关就是理所当然的了。在四维时空里，动量和能量实现了统一，称为能量动量四矢。另外在四维时空里还定义了四维速度，四维加速度，四维力，电磁场方程组的四维形式等。值得一提的是，电磁场方程组的四维形式更加完美，完全统一了电和磁，电场和磁场用一个统一的电磁场张量来描述。四维时空的物理定律比三维定律要完美的多，这说明我们的世界的确是四维的。可以说至少它比牛顿力学要完美的多。至少由它的完美性，我们不能对它妄加怀疑。 相对论中，时间与空间构成了一个不可分割的整体——四维时空，能量与动量也构成了一个不可分割的整体——四维动量。这说明自然界一些看似毫不相干的量之间可能存在深刻的联系。在今后论及广义相对论时我们还会看到，时空与能量动量四矢之间也存在着深刻的联系。 狭义相对论基本原理 物质在相互作用中作永恒的运动，没有不运动的物质，也没有无物质的运动，由于物质是在相互联系，相互作用中运动的，因此，必须在物质的相互关系中描述运动，而不可能孤立的描述运动。也就是说，运动必须有一个参考物，这个参考物就是参考系。 伽利略曾经指出，运动的船与静止的船上的运动不可区分，也就是说，当你在封闭的船舱里，与外界完全隔绝，那么即使你拥有最发达的头脑，最先进的仪器，也无从感知你的船是匀速运动，还是静止。更无从感知速度的大小，因为没有参考。比如，我们不知道我们整个宇宙的整体运动状态，因为宇宙是封闭的。爱因斯坦将其引用，作为狭义相对论的第一个基本原理：狭义相对性原理。其内容是：惯性系之间完全等价，不可区分。 著名的麦克尔逊·莫雷实验彻底否定了光的以太学说，得出了光与参考系无关的结论。也就是说，无论你站在地上，还是站在飞奔的火车上，测得的光速都是一样的。这就是狭义相对论的第二个基本原理：光速不变原理。 由这两条基本原理可以直接推导出相对论的坐标变换式，速度变换式等所有的狭义相对论内容。比如速度变幻，与传统的法则相矛盾，但实践证明是正确的，比如一辆火车速度是10m/s，一个人在车上相对车的速度也是10m/s，地面上的人看到车上的人的速度不是20m/s，而是(20-10^(-15))m/s左右。在通常情况下，这种相对论效应完全可以忽略，但在接近光速时，这种效应明显增大，比如，火车速度是0.99倍光速，人的速度也是0.99倍光速，那么地面观测者的结论不是1.98倍光速，而是0.999949倍光速。车上的人看到后面的射来的光也没有变慢，对他来说也是光速。因此，从这个意义上说，光速是不可超越的，因为无论在那个参考系，光速都是不变的。速度变换已经被粒子物理学的无数实验证明，是无可挑剔的。正因为光的这一独特性质，因此被选为四维时空的唯一标尺。 狭义相对论效应 根据狭义相对性原理，惯性系是完全等价的，因此，在同一个惯性系中，存在统一的时间，称为同时性，而相对论证明，在不同的惯性系中，却没有统一的同时性，也就是两个事件(时空点)在一个惯性系内同时，在另一个惯性系内就可能不同时，这就是同时的相对性，在惯性系中，同一物理过程的时间进程是完全相同的，如果用同一物理过程来度量时间，就可在整个惯性系中得到统一的时间。在今后的广义相对论中可以知道，非惯性系中，时空是不均匀的，也就是说，在同一非惯性系中，没有统一的时间，因此不能建立统一的同时性。 相对论导出了不同惯性系之间时间进度的关系，发现运动的惯性系时间进度慢，这就是所谓的钟慢效应。可以通俗的理解为，运动的钟比静止的钟走得慢，而且，运动速度越快，钟走的越慢，接近光速时，钟就几乎停止了。 尺子的长度就是在一惯性系中"同时"得到的两个端点的坐标值的差。由于"同时"的相对性，不同惯性系中测量的长度也不同。相对论证明，在尺子长度方向上运动的尺子比静止的尺子短，这就是所谓的尺缩效应，当速度接近光速时，尺子缩成一个点。 由以上陈述可知，钟慢和尺缩的原理就是时间进度有相对性。也就是说，时间进度与参考系有关。这就从根本上否定了牛顿的绝对时空观，相对论认为，绝对时间是不存在的，然而时间仍是个客观量。比如在下期将讨论的双生子理想实验中，哥哥乘飞船回来后是15岁，弟弟可能已经是45岁了，说明时间是相对的，但哥哥的确是活了15年，弟弟也的确认为自己活了45年，这是与参考系无关的，时间又是"绝对的"。这说明，不论物体运动状态如何，它本身所经历的时间是一个客观量，是绝对的，这称为固有时。也就是说，无论你以什么形式运动，你都认为你喝咖啡的速度很正常，你的生活规律都没有被打乱，但别人可能看到你喝咖啡用了100年，而从放下杯子到寿终正寝只用了一秒钟。 时钟佯谬或双生子佯谬 相对论诞生后，曾经有一个令人极感兴趣的疑难问题---双生子佯谬。一对双生子A和B，A在地球上，B乘火箭去做星际旅行，经过漫长岁月返回地球。爱因斯坦由相对论断言，二人经历的时间不同，重逢时B将比A年轻。许多人有疑问，认为A看B在运动，B看A也在运动，为什么不能是A比B年轻呢?由于地球可近似为惯性系，B要经历加速与减速过程，是变加速运动参考系，真正讨论起来非常复杂，因此这个爱因斯坦早已讨论清楚的问题被许多人误认为相对论是自相矛盾的理论。如果用时空图和世界线的概念讨论此问题就简便多了，只是要用到许多数学知识和公式。在此只是用语言来描述一种最简单的情形。不过只用语言无法更详细说明细节，有兴趣的请参考一些相对论书籍。我们的结论是，无论在那个参考系中，B都比A年轻。 为使问题简化，只讨论这种情形，火箭经过极短时间加速到亚光速，飞行一段时间后，用极短时间掉头，又飞行一段时间，用极短时间减速与地球相遇。这样处理的目的是略去加速和减速造成的影响。在地球参考系中很好讨论，火箭始终是动钟，重逢时B比A年轻。在火箭参考系内，地球在匀速过程中是动钟，时间进程比火箭内慢，但最关键的地方是火箭掉头的过程。在掉头过程中，地球由火箭后方很远的地方经过极短的时间划过半个圆周，到达火箭的前方很远的地方。这是一个"超光速"过程。只是这种超光速与相对论并不矛盾，这种"超光速"并不能传递任何信息，不是真正意义上的超光速。如果没有这个掉头过程，火箭与地球就不能相遇，由于不同的参考系没有统一的时间，因此无法比较他们的年龄，只有在他们相遇时才可以比较。火箭掉头后，B不能直接接受A的信息，因为信息传递需要时间。B看到的实际过程是在掉头过程中，地球的时间进度猛地加快了。在B看来，A先是比B年轻，接着在掉头时迅速衰老，返航时，A又比自己衰老的慢了。重逢时，自己仍比A年轻。也就是说，相对论不存在逻辑上的矛盾。 狭义相对论小结 相对论要求物理定律要在坐标变换(洛伦兹变化)下保持不变。经典电磁理论可以不加修改而纳入相对论框架，而牛顿力学只在伽利略变换中形势不变，在洛伦兹变换下原本简洁的形式变得极为复杂。因此经典力学与要进行修改，修改后的力学体系在洛伦兹变换下形势不变，称为相对论力学。 狭义相对论建立以后，对物理学起到了巨大的推动作用。并且深入到量子力学的范围，成为研究高速粒子不可缺少的理论，而且取得了丰硕的成果。然而在成功的背后，却有两个遗留下的原则性问题没有解决。第一个是惯性系所引起的困难。抛弃了绝对时空后，惯性系成了无法定义的概念。我们可以说惯性系是惯性定律在其中成立的参考系。惯性定律实质一个不受外力的物体保持静止或匀速直线运动的状态。然而"不受外力"是什么意思?只能说，不受外力是指一个物体能在惯性系中静止或匀速直线运动。这样，惯性系的定义就陷入了逻辑循环，这样的定义是无用的。我们总能找到非常近似的惯性系，但宇宙中却不存在真正的惯性系，整个理论如同建筑在沙滩上一般。第二个是万有引力引起的困难。万有引力定律与绝对时空紧密相连，必须修正，但将其修改为洛伦兹变换下形势不变的任何企图都失败了，万有引力无法纳入狭义相对论的框架。当时物理界只发现了万有引力和电磁力两种力，其中一种就冒出来捣乱，情况当然不会令人满意。 爱因斯坦只用了几个星期就建立起了狭义相对论，然而为解决这两个困难，建立起广义相对论却用了整整十年时间。为解决第一个问题，爱因斯坦干脆取消了惯性系在理论中的特殊地位，把相对性原理推广到非惯性系。因此第一个问题转化为非惯性系的时空结构问题。在非惯性系中遇到的第一只拦路虎就是惯性力。在深入研究了惯性力后，提出了著名的等性原理，发现参考系问题有可能和引力问题一并解决。几经曲折，爱因斯坦终于建立了完整的广义相对论。广义相对论让所有物理学家大吃一惊，引力远比想象中的复杂的多。至今为止爱因斯坦的场方程也只得到了为数不多的几个确定解。它 那优美的数学形式至今令物理学家们叹为观止。就在广义相对论取得巨大成就的同时，由哥本哈根学派创立并发展的量子力学也取得了重大突破。然而物理学家们很快发现，两大理论并不相容，至少有一个需要修改。于是引发了那场著名的论战：爱因斯坦VS哥本哈根学派。直到现在争论还没有停止，只是越来越多的物理学家更倾向量子理论。爱因斯坦为解决这一问题耗费了后半生三十年光阴却一无所获。不过他的工作为物理学家们指明了方向：建立包含四种作用力的超统一理论。目前学术界公认的最有希望的候选者是超弦理论与超膜理论。
1、想要发表论文，事先要做的就是写好一篇查重率合格，且具备一定价值的论文，论文查重率的具体要求，要根据想要发表的期刊来定，若为普通期刊，则查重率在20%或是30%左右即可，若是核心期刊，则查重率一般要在10%以内。
2、在期刊上发表论文，主要途径就是投稿，最好是通过一些比较熟悉和了解的渠道进行投稿，因为这样通过的概率会更高一些，审批也会比较快，发表的时间也能够往前安排。
3、如果是缺乏有关渠道的，可以向有经验的同学或是学长学姐咨询，也可以向有关的老师询问，一般也能够得到一些可靠的方式方法。
4、对于社内投稿，即在官网投稿系统或邮箱投稿，或者是在知网投稿系统投稿，它对于所有类型的期刊都是合适的，缺乏有关渠道的，也可以通过这种方式进行投稿。
5、还有一类投稿，是社内会公布联系方式，或是在线系统投稿，但是这一类投稿的要求会比较高，对于缺乏经验的投稿人来说，也有可能遇到假冒或是的，因此选择这类投稿方式的，建议事先进行必要的验证，确定无误后在进行投稿。
6、可供大家选择的投稿、发表论文的方式其实有不少，但大家也要对各类方式、途径进行甄别对比，还有非常重要的一点是：不得一稿多投。
以下是发表论文或期刊的方法：
一、写作
首先要写好一篇论文，选题要与专业、研究方向密切相关，论文的格式要规范，应包括题目、作者（姓名、单位、邮编及简介）内容摘要、关键词、正文等；论文篇幅不宜过长，因为期刊版面的字符数是固定的，字符数越多，版面增加，相应的费用就会越高；最后还要注意控制重复率，一般期刊要5%-20%以下才合格录用。
二、选刊
选择一本合适的期刊进行投稿，是成功发表论文极其关键的一步，要遵循几个原则，即
1、 国家新闻出版署能查到的正规期刊；
2、知网、万方、维普、龙源四大数据库之一正常收录的期刊；
3、符合学校、单位要求的期刊；
最后还要考虑论文是否符合期刊的收稿范围，避免因为文章方向不合适出现拒稿的情况。
三、投稿
投稿的途径有两种，一种是通过杂志社邮箱，官网或者在线系统投稿。（注意：数据库和期刊的目录页上面的联系方式才是准确的），虽然这种方式完全不用担心，但缺点是审稿时间较长，沟通不及时，无法了解期刊最新出刊时间，费用，收稿要求等等。
第二种就是找代理投稿 。这个方法也是现在大多数人用的要给方法，为什么会这样的，我只能说谁用谁知道。这个是最简单最省事儿的。以前我就是找的一个文化公司安排文章，服务没得说，只需要提供文章，剩余的事情全由他们搞定。
中介投稿也是有很多优势的
1、刊物比较丰富和全面，各类的刊物都有，可以根据作者的要求快速推荐推荐合适的刊物。
2、 期刊信息非常的全名，从刊物的收稿栏目，出刊时间，版面字符数要求，期刊级别、出刊周期、审核标准、是否可以开社内发票、刊号邮发代号、电子刊号、是否可以查稿、封面以及影响因子区间
3、他们基本上是和杂志社或是承包商直接对接的，沟通速度比较的迅速。
4、查稿后付款。这点已经算是标配了，绝大多数的刊物都是可以查稿后付款的，而且查稿电话是数据库可以查询到的哦 。
5、 最要是不收定金和知道一个刊物的审稿要求和难度。
期刊上发表论文，适合有文章需要发表、但是对投稿一头雾水无从下手的作者，无论是准备自投还是找中介代发，话不多说，下面干货。发表论文的整个流程，简单概括就是：定稿-选择期刊-审核-通过/返修-支付费用-定版-排版校对-印刷-出刊邮寄-上传数据库接下来按照步骤详细说说每个发表环节以及注意事项。定稿：其实就是写论文，这个我也不是专业的，所以不多说，仅从发表的角度简单说几句。1.关于论文主题：如果你的文章是准备用来发表的，尤其是准备投稿普刊，那么有些选题千万不要碰，比如港ao台、疫情、涉党涉政、宗教、神学、封jian迷xin、校园bao力等等，不要问为什么，这类主题写了大概率发表不出去！即便有收的，审核也严格，论文内容不能有不适合刊登的点。总之，发表论文不要只知道埋头苦写，动笔之前先去问问某个主题能不能发、好不好发，不能发、不好发就尽量不要写。2.关于语言逻辑：普刊在大家眼里通常就是要求低，但是要求低不等于没有要求！！文章内容如何就不说了，最起码得是篇论文吧，不能语病、错字一堆，不能毫无逻辑、前言不搭后语，不能让人不知所云，不能过于口语化......所以论文写好后建议自己先通读一遍，如果自己看不出毛病，就找同学、同事、朋友随便谁帮你看看，毕竟一篇连语言基本功都有问题的论文，即便内容写得再好，又有谁愿意看？3.关于起发字符、重复率：现在基本所有正规学术期刊都是5000字符左右/3版起发，能够2版起发的很少，即便遇到了也建议发3版，因为2版的文章后续存在被要求整改的可能。至于重复率，每个期刊的要求不一样，从10%到30%都有，有的期刊审核的时候会查重，有的则文责自负（即万一后续数据库抽查发现重复率过高而导致论文被下架，作者自己负责），这种的就建议自己提前查下，那些杂志社会查重的，如果对自己论文没把握的（特别是复制较多的），也建议提前查下，之前遇到个作者论文审核的时候查重结果直接七八十，这种就很尴尬了，这让编辑怎么想？选择期刊：我个人认为这是发表论文最重要的一个环节，这个说起来很简单，做起来其实很难，很耗费精力和时间。选择期刊分为两步——第一步，大家务必要先弄清楚自己对期刊的要求，尤其是因为评职称、评奖学金、保研等这些原因需要发表论文的，一定要先去看看学校、单位对期刊的具体要求是什么，比如期刊等级，是要普刊、学报还是核心？是不是非知网收录的期刊不可？最晚什么时候需要提交评审材料
如何发表论文如下：
论文发表，一个是可以直接投稿杂志社，一个是可以通过论文代理机构。
费用方面，杂志社肯定要比代理便宜。因为，杂志社只是收取非常小部分的版面费。而代理方面，收取的比较多。
时间方面，杂志社的编辑一般很少自己采集稿件。毕竟，每个编辑其实都会跟很多代理合作。他们会直接从代理方面得到稿件，并且从中抽取部分好处费。代理手中的稿件比较多，所以杂志社的编辑们一般都非常乐于跟他们合作。
关键是，自己也能从中得到额外的收入，何乐而不为。 审稿方面，杂志社不是所有的稿件都给你发。当然，作为代理方，也不可能所有的稿件都能承诺给你发。但是，只要代理方面承诺可以发。那么，就百分之百可以发表了。
毕竟，只要是气候成熟的代理，都会固定的和一些杂志社编辑有长期合作。这样，就会无形中生成一种关系户的效果。
所以，审稿方面，找代理确实要比杂志社容易多。 也就是说，杂志社便宜是便宜，但是没有时间保证，审稿麻烦切周期长。而，代理方面，贵也贵不到哪儿去，审稿速度快，时间短。现在需要发表论文的作者，时间方面大多都比较紧迫，而且论文方面也都比较麻烦。
项目：
校外:可以去的地方有大公司的研究机构(如MSRA IBM CRL等)，有中科研的各个著名院所等。
校内:一种途径是参与校内著名实验室每年定期的暑期实习，比如电信学员的网安实验室,比如材料学院的微纳中心等，一种途径 是自己联系在科研上比如活跃的老师(此如自己的任课老师，
指导老师:找一个好的指导老师很重要,他的作用=好的科研指导+好的科研推荐信+挂高质量论文的机会+给美国教授内推的机会
在日常生活中,无论是评职称还是大学生毕业都离不开发表论文.在公开发行的学术期刊上发表论文,成为职称评选硬性条件之一,可以说发表论文,在职称评审中占据非常重要的作用.下面学术堂就来简单的说一下如何凭借个人经验发表论文.发表论文首先需要写一篇好的论文,论文不光主题鲜明,论点创新,还应该结构严谨,层次分明.与此同时,还应该注意论文标准格式、文句通顺,确保论文通过审核.发表论文流程主要包括以下几方面.根据杂志办刊盘方向以及办刊宗旨,确定要发表的刊物.然后投稿到杂志社邮箱,杂志社审稿录用排版印刷,到最后出版发行.如果稿件有问题会出现两种情况出现退稿与返修.返修的稿件要求整理好发回杂志社.觉得注意的是杂志社审稿在一周到一年不等根据杂志社实际情况来定排班时间在一周左右交稿三天左右印刷七到十天左右发行时间为一周左右.在进行发表期刊论文的过程中,要根据自己的实际情况选择合理的时间进行发表.个人如何发表论文.1、发表论文的重要性.不同的人发表论文的作用也不同:(1)评职称(晋升职称):研究生 毕业需要;教师 、医护人员 、科研院所的人员、企业员工 等 晋升高一级的职称时,发表期刊论文是作为一项必须的参考指标.(2)申报基金、课题 :教育、科技、卫生系统 每年申报的国家自然科学基金项目、其它各种基金项目、各种研究课题时,发表论文 是作为 基金或课题 完成的一种研究成果的结论性展示.(3)世界性基础领域的研究,比如在医学、数字、物理、化学、生命科学 等领域开展的基础性研究,公开发表论文 是对最新科技 科学研究成果、研究方法的一种展示和报道.以推动整个社会的科技进步等.(4)提升自身竞争力:本科生和研究生在校期间发表具有一定水准的论文,有助于提升个人学术素养,进入社会,也可能会有更高的起点.2、发布论文的流程.(1)确定自己的研究课题,验证其写作价值,如果具有一定价值,就着手开始筹备论文,第一次发表论文,可以多向前辈请教,多查阅一些资料文献,在前人的基础上寻找突破口,选题立意要新颖实用,不要为了写论文而写论文.(2)论文经过多次修改完善以后,接下来我们就可以准备发表论文,发表论文第一步就是要选择对应的期刊,如果稿件投向不合适的期刊可能会遭遇退稿和不公正评判.如何选择合适的期刊?在知网或其他数据库中检索本篇论文相关领域的期刊,查看期刊级别以及刊物号等,确保其为正规期刊,然后阅读其刊登发表过的论文,看自己的论文是否适合在这些期刊上发表,从中挑出2-3个期刊作为备选,进一步了解这些刊物的审稿周期、投稿费用、投稿要求等,从中选出将要投稿的1个期刊,联系期刊编辑将自己的稿件投递过去,然后等待审稿人员的回复.