我不知道你是否经常阅读MathWorks杂志，MathWorks新闻和笔记；我做的事。我发现它鼓舞人心，令我们的客户的创造力感到惊讶，对现实世界问题的解决方案感到感激，等等。万博 尤文图斯例如，除了寻找一篇文章关于使用计算机视觉从水下图像中“移去水”的有趣的事情，这让我希望我能很快去某个地方浮潜!

我注意到的一件事是，这本杂志激发了我的想法，把一些完全不同领域的新想法融入到我自己的工作中。即使没有成功，我也学到了一些新东西。

在我完成博士论文并成功答辩的几年后，我发现了这一点安妮Trefethen我也写过非常相似的论文:她写的是同化卫星数据(为英国气象局用样条和交叉验证进行缝隙数据拟合)，我写的是地球内部磁场的建模。数学是一样的，除了标准的选择，当然，一个模型应用在一个球体内，一个应用在球体外。这是一个潜在的合作机会，或者我们可以扩展到一个新的研究领域。如果我们在论文答辩时就意识到这些相似之处，我们很可能会在未来的工作中合作，并利用彼此的领域经验。

一个领域的过程或算法可能对另一个完全不同的领域很突出，但你如何发现它呢?这是最棘手的部分之一。博览群书，结交其他领域的朋友都是不错的选择。我还发现，一个好的类比可以帮助我理解一个新的领域，如果有合理的相似之处。

跨学科思想的交叉传播并不是什么新鲜事，乍一看也不是什么令人惊讶的联系。毕竟，从进化的角度来看，大象和岩狸是近亲，但乍一看，它们是多么不同啊!当进化生物学家们知道这些长相迥异的动物有如此多的共同点——也许比我们第一眼看到的要多的时候，他们能收集到什么见解呢?这是值得花时间跨学科寻找你自己的潜在洞察力的。

当我还是研究生的时候，我们一群人被邀请了弗朗西斯·克里克到晚上的讨论(当然是啤酒和披萨——嘿，我们还是学生!)，探索地球地震学和大脑成像之间的相似之处。同样，这两个问题的数学本质上是相同的。然而，在这种情况下，材料属性，几何假设，以及模型的近似值都有所不同。我们试图弄清楚它们之间的区别，以及大脑成像技术是否可以用来研究地球。几个小时后，我们得出结论，尽管这些问题听起来很相似，但进行有效模拟的具体细节却很难来回转换。我们可以各自陈述一个相似的问题，我们可以各自做简化的假设，但这两个问题的假设是不同的。例如，地球和大脑有不同的物质组成，不同的对称性，它们的各向同性(和各向异性)不同。就连实验的设置也大不相同。在地球上，我们倾向于在有陆地或海洋的地方使用更多的仪器，这些地方经过了充分的研究，从而可以获得数据。对于整个地球地震学，我们倾向于使用从非常大的地震中收集的数据，在时间方面我们无法控制，什么样的波会被触发，等等。 For the parallel brain imaging case, especially that long time ago, the excitation source was well controlled in a medical lab. So, unfortunately, there was less obvious synergy in the early 1980s than we'd hoped for.

最近，我们从MathWorks咨询公司(现在是开发部门的一员)的汽车工程师Pete Maloney那里听到了一个非常有趣的关于交叉授粉的故事。皮特帮助一个令人印象深刻的团队包括许多眼科医生在内的许多人都希望能改善视力白内障手术晶状体植入选择．即使是很小的百分比收益也可能是相当有意义的，因为每年都有数百万次这样的手术。皮特运用了基于模型的标定工具箱建立适当的分析技术，以确定最佳的人工晶状体(IOL)匹配非常广泛的可能的眼睛测量光谱。2014年，RBF IOL计算器结果改善了14%。自2014年以来，这种模式是部署到网络、Excel外接程序和Lenstar 900生物传感器，并一直在使用。(下一代计算器承诺会更好，但目前还没有现场结果。)我很着迷观看模式识别人工晶体功率选择由首席调查员沃伦·希尔博士负责这项工作一直持续到今天，来自MathWorks咨询是团队的重要组成部分。

MBC工具箱径向基功能配合质量:

MBC工具箱凸壳边界模型用于取消不属于正常患者群体的患者从RBF透镜计算器使用:

谁会想到汽车专业知识会与眼科医生相关。这是聪明的人和偶然的异花授粉的结果。

你有过顿悟时刻或顿悟吗?

你是否在你的研究领域之外寻找灵感?你往哪里看?让我们知道在这里．

获取MATLAB代码

发布与MATLAB®R2020b