提出值得问的问题
88选择1000个可能的研究方向中哪一个实际上值得多年的资金和努力,是一种判断,称目前的AI系统本身无法可靠地作出判断.
格子越深，表示该主题在这项指标上越高。
抗AI65
薪酬58
入行门槛84
自主性62
需求55
影响力88
低高
简短问答
物理学家每天做什么?
大部分物理学家早期都专门研究理论,实验或计算,并花几天时间进行计算,分析数据,编写代码或维护仪器,而不是做出戏剧性的发现. 很大一部分工作是递增的:检查结果三种不同的方式,精确地写出来,并在确定之前为怀疑的同事们辩护.
我需要博士学位做物理学家吗?
对于学术或工业的研究角色,是的——博士是该领域真正的证书,因为几乎没有一个雇主相信有人会设计没有一个人的原创研究. 物理学士或硕士学位在纯研究,开工工程,数据科学,财务和教学角色之外仍然有价值,这些角色使用物理培训而无标题.
学术物理就业市场真的和人们说的一样残忍吗?
对 光是美国的物理学博士课程每年就毕业约1,800人,而保有权轨道的开学人数则低到数百人;大多数物理学博士从未担任过永久性的学术职位。 培训对于一般的分析工作来说确实非常出色,这就是为什么如此多的物理学家最终在金融,技术或工业中收入丰厚的原因.
物理学家挣多少钱?
它因部门和国家而大不相同。 美国毕业生每年的津贴约为30,000美元,邮编约为60000美元,而所有部门的中位物理学家在美国的收入约为15万美元. 进入定量金融的物理学博士的收入可达数倍,而大多数其他国家的学术工资则要低得多。
理论物理学家与实验物理学家有何区别?.
理论家们建立和完善了描述宇宙应如何表现的数学模型,主要与计算,计算机和粉笔板合作. 实验者设计和运行仪器——粒子探测器、望远镜、低温器——以测试这些模型是否确实与现实相抗衡。 大部分物理学家在研究生早期都坚定地专门从事一个赛道.
物理学有AI的危险吗?
部分内容。 文学搜索,第一稿编码,例行数据清理和图案生成越来越得到AI的协助. 抵制自动化的是决定哪个问题值得多年的职业生涯,设计一个能够实际回答它的实验,并且为声称的结果承担个人责任——判决称当前的AI系统不能被追究责任.
物理学在AI时代有一个不寻常的开端:一个物理学家实际产生的很多东西——一种新奇的假说,一个工作机器,对声称的发现的个人责任——正是那种判断号召和负责的创造力,语言模型尚不能可靠地替代.
这不能证明工作是人工智能 在人工智能的帮助下,文学分类、第一稿代码和常规数据处理已经更快,下面各节将已经发生的变化与迄今为止由于更接近判断和问责而不是原始技术困难的原因而抵制自动化的情况分开。
Moderate
机器可替代的工作占比
物理常规执行的实际份额——文献分类,锅炉板模拟代码,第一稿文档和图生成——在AI的协助下已经更快了. 阻止自动化的是决定哪个问题值得多年的职业生涯,设计一个能够实际回答它的实验,并且对声称的结果承担个人责任的机器还不能负责.
按任务计分，而非头衔。越低越安全。
AI难以取代的职业 →机器夺不走的
设计和排除真正设备的故障
84获得物理探测器,激光或低温器 来实际工作, 并诊断它为什么不起作用, 仍然取决于物理直觉 建立 从多年的实践实验经验。
对有效性和意义的同行判断
80决定新结果是否真实,重要,分析是否正确,是负责的人类审查人员提出的社会和科学判断呼吁,而不是期待.
对公布结果的个人问责
90一个被命名的物理学家的声誉,有时还有他们的事业,以目前没有任何AI系统的答案的方式,在公开的主张上上线.
建立和维持大型协作
72协调数十个国家的数千名科学家进行共同试验需要信任和外交,而目前的人工智能系统没有管理。
它们已经在夺的
文学搜索和总结
70AI工具越来越多地处理或加快了每天在arXiv上冲刷新的预印和标注相关结果。
模拟和分析编码
66从描述的方法中生成标准数据处理管道和模拟脚手架,是当前代码生成工具的有力适合.
论文第一稿和图生成
55在许多组中,起草文件导言的初始版本或从已处理的数据中生成标准地块已经部分自动化。
例行数据清理和校准处理
74过滤噪音、纠正已知工具效应和标出异常数据点,越来越多地通过自动化或机器学习管道而不是人工审查。
工作如何变化
AI辅助文献分类成为标准
物理学家越来越多地使用人工智能工具来调查每日arXiv firehose和旗下相关工作,压缩了一个过去需要几个小时人工扫描成分钟的任务.
作为标准分析工具的机器学习
神经网络现在运行在粒子探测器触发系统内部,并筛选出天文测量数据中异常现象的百兆字节,任何人类团队都不可能在这种规模下进行实际的工作。
独奏理论家较少,团队科学更多
越来越多的新物理成果,特别是在粒子和天体物理学方面,携带着上千或数千名共同作者,改变了作为物理学家个人贡献和功劳的价值。
工业现在吸收的博士比学术界多
由于每年新获博士学位的人数远远超过终身制职位,大多数物理学博士现在在金融、技术或工业研究领域而不是在大学从事职业。
分岔出的新职业
定量研究员(财务)
在对冲基金和贸易公司的金融市场上应用经物理训练的数学模型,这是物理学博士的最高收入目的地之一。
机器学习研究科学家
AI实验室越来越多地聘请物理学博士,以培养和测试数学模型与杂乱的现实世界数据,即使没有计算机科学背景。
量子计算工程师
构建和校准量子计算机背后的物理方位和控制系统,这种快速增长的专业化直接借鉴了凝聚物质和原子物理的训练.
Data scientist
将物理学博士期间建立的统计分析和模型制作技能应用于技术、保健或物流等行业问题,这是纯粹研究之外的一个常见着陆点。
AI 暴露情景
三个可逆透镜：增强、替代切片、新缝隙。教学标记，非预测。
增强
保留岗位；AI 加速草稿、分诊或调研，判断与责任仍在人。
替代切片
狭窄任务堆可能先压缩，相邻手艺反而增长。
新缝隙
在需信任 AI 输出的受监管场景，可能出现监督、集成与领域质检角色。
展望
在未来十年里,对接受物理培训的人的需求很可能保持强劲,这与半导体、量子计算和数据重工业的持续增长相比,没有受到任何单一的AI趋势的驱动,即使该职称与物理无关,这些行业也重视领域的数学刚性。
老实说,AI是这个领域最老的结构性问题旁边的次要问题:物理博士课程每年毕业的研究人员远远多于聘用任期轨道学术职位,而这种不匹配,而不是自动化,已经促使大多数物理学家在所培训的大学之外从事事业。
相近职业
不限同一领域，六项评分最接近的职业。
🧬
Biologist
研究生命本身的科学家,从Linnaeus手工命名物种,到用CRISPR编辑基因组,仍然在针对一个活生物体测试每一种想法.
抗AI 64 🏗️建筑师
设计必须屹立不倒、符合规范、让客户满意且造价合理的建筑——一旦出问题，还要承担法律责任。
抗AI 78 💱经济学家
研究稀缺性的学者——从亚当·斯密的制针厂到中央银行的决策室，至今仍被要求预测任何模型都无法完全捕捉的东西。
抗AI 62 🎬电影导演
通过决定每一个镜头、每一次表演和每一处剪辑，把剧本变成一部完成的电影，再说服制片人、制片厂和观众相信这份投入值得那笔预算。
抗AI 73 🧪化学家
亲手制造并测量物质本身的科学家——从塔普提在巴比伦蒸馏香水的年代到今天的机器人实验室，仍是那个判断谱图意味着什么的人。
抗AI 70 👔律师
为客户提供法律意见，起草具有约束力的文件，并在案件进入法庭时为其辩护——若建议有误，还须承担个人法律责任。
抗AI 58继续探索
继续探索
科学·研究领域的其他职业
🧬
Biologist
研究生命本身的科学家,从Linnaeus手工命名物种,到用CRISPR编辑基因组,仍然在针对一个活生物体测试每一种想法.
抗AI 64 🧪化学家
亲手制造并测量物质本身的科学家——从塔普提在巴比伦蒸馏香水的年代到今天的机器人实验室，仍是那个判断谱图意味着什么的人。
抗AI 70 📊数据科学家
从数据中寻找规律、构建预测模型——一个2008年才出现的职位名称，建立在三个世纪计数、检验与可视化证据的传统之上。
抗AI 38 🔭天文学家
丈量宇宙的科学家，从巴比伦泥板到空间望远镜，始终要判断数据中的哪一次闪烁是一项发现。
抗AI 70 🧮数学家
从巴比伦文士到菲尔兹奖得主，再到AI辅助证明：这门职业把难题一个定理接一个定理地变成永恒的确定性。
抗AI 70 🧿量子工程师
构建、测量和控制利用量子态进行计算、传感、通信和材料研究的设备。
抗AI 78 🧫临床数据科学家
使用临床、试验和卫生系统数据生成可靠的证据，以实现更安全的护理、研究和运营决策。
抗AI 68