他的综合绩点3.94，连续四年位列全年级第一；

他在纽约大学Courant数学研究所访学期间取得全A成绩（包括两门博士生课程）；

他曾入选跨校跨专业的神经科学项目，用动力系统的观点研究大脑维持记忆的机制；

他曾入选加州大学洛杉矶分校交叉学科夏令营，作为第一完成人开发了可高效处理带有时间结构高维数据的机器学习算法，为医学分析提供了便利；

在毕业季，他收到了华盛顿大学、加利福尼亚大学圣迭戈分校、马里兰大学等多个专业排名全美前二十项目的全额奖学金直博offer，最终选择赴AI以及应用数学方向全美前十水准的马里兰大学深造。大家说，他是学霸中的学霸。他说：“我不关心自己是不是最好的学生，只在乎将来能不能做重要的事。”

他就是树礼书院2016级数学系本科生徐源诚。

把专注练成常态 读课本如同看故事

尽管连续四年成绩位列全年级第一，徐源诚却不认为自己属于极其聪明的那一类学生。在被问起有什么独特的学习心得时，徐源诚顿了一下，随即坚定地说出两个字：专注。“我认为对于一个学者来说，专注是最为宝贵的品质。”他认为，好的学习状态并不是随便地翻翻课件、算算公式、编编程序，而是严肃地思考与理解。徐源诚练就了长时间专注思考的能力和习惯。在每天结束的时候，徐源诚会回顾一天，问问自己是否对当天的效率感到满意，并不断调整状态。“其实对于大多数人，每个星期能做到三四天的高效就已经很不错了。学习是一个持久的过程，而不是到了考试之前才能有超乎平时的专注。”

他表示，相信每个同学都有过自我感觉今天学习效率很高的经历，可以回想一下当时的状态：关闭社交网络，抽出大块的时间主动地理解知识，高度专注下，常常会发现“原来这个地方是这个意思，妙啊！”或者“我终于知道我哪里不懂了，可以去请教一下‘学霸’或者老师这几个具体的问题”等等。徐源诚说：“最需要做的，就是把这种偶尔出现的学习状态，变成常态。”他认为，让自己在大学生活节奏下有斗志，不浮躁是一种能力，是完全可以训练的。

在徐源诚看来，踏踏实实地想清楚所学的知识才是最重要的，学数学额外的“刷题”没有必要。徐源诚更愿意花时间来了解未知的领域，而非一味练习巩固已经知道的知识。

徐源诚在图书馆

“如果你能真正欣赏一门课的价值，你应该能学得很好。”徐源诚说。他发现，找到学习一门课程的动机是学好该课程的“利器”。动机可能来自于科研、一些感兴趣的结论或者现象以及老师的“广告”。比如他在神经科学的科研项目里了解了随机的动力系统，所以之后在上随机分析课程时就学得津津有味。 他表示，“其实我们上课的内容和课本上的知识对于考试来说已经足够了，如果真正理解了课本，题目在你眼里就会变得很简单。”而现在由于大部分的老师都会提供课件，很少同学会真正认真地阅读教科书。“如果你认真去读一本好的书（南科大的教科书大都是非常优质的原版教材），你会发现它往往将许多复杂知识背后的原理逻辑解释得很清楚，而这些内容课上不一定会讲。”徐源诚认为，有许多课程需要花时间去“磨”，快节奏式的课件并不是最好的参考资料。他在看书的时候喜欢时不时地停下来去猜测该章节剩余的内容会处理什么问题，在看到定理的时候会先在直觉上去感受为什么这个定理是对的，这个定理到底在说些什么，并尝试证明它；一个章节结束后他会去重新理解这门课到底在讲什么。所以他在学习课程上花的时间比大部分人都多。“能在细节里面去挖掘一些比较琐碎的事情，又能够跳出来去宏观上理解这些章节之间的关系，这样看课本就如同在看一个有趣的故事。”徐源诚说。

恩师引领“陷入”数学之美 “自造”环境提升语言能力 

与许多刚上大学的同学一样，徐源诚也曾经历过专业选择的迷茫和纠结。受一些科幻电影的影响，徐源诚对理论物理、计算机、数学这三个学科一直有着好奇和向往，而在深入了解之后，最终徐源诚感觉物理和计算机专业似乎不太适合自己。他打趣道。“比起动手做实验，我似乎更适合纸上谈兵。”意识到自己更擅长于长时间专注思考，徐源诚选择了数学系的数学与应用数学专业。

张振导师组合影

徐源诚选定专业还与他的书院导师、数学系副教授张振有关。大一刚入学，徐源诚选择了张振作为自己的书院导师。张振喜欢组织学生们一起聚会、爬山，在路途中，他总是忍不住和学生们分享数学之美。在与张振的交流中，徐源诚了解到了许多有趣的数学知识，更多地发现了自己对数学的向往，“这应该是我擅长且喜欢的方向”，他对数学的兴趣更浓了。

“数学是一门重在思考的学科，你能比较自由地安排自己的时间。”徐源诚表示。他虽然最终选择数学专业，但也一直关注其他学科的发展，希望自己能用所学在更大空间探索。“张振老师是一位学识很渊博的人，他对很多方向都有涉猎。”虽然在专业领域，徐源诚并没有选择张振老师的研究方向，但他仍时常与张振沟通，更多了解以数学为基础的跨学科研究。徐源诚的专业导师是数学系的讲席教授熊捷。熊捷十分幽默，上课会穿插自己或者其他数学家的趣事，为课堂增添愉悦的气氛。徐源诚说，“熊老师总能从不同角度深入地解释数学问题。”

在探索未知的路上，徐源诚认为南科大给了他很大的帮助。“南科大的老师都非常愿意为你解答问题，即使有些问题在他们眼中很简单，但是只要你肯主动去探索，就会得到他们的帮助。”他建议同学们增强与老师的联系，不要因多余的担心而丢掉了宝贵的资源。因为学习科研表现出色，常常有同学来向他讨教学习方法，徐源诚总是谦虚分享许多实用的学习建议。

比如学习英语。徐源诚强调了在网络上寻找资料的重要性。他建议，在搜索的时候尽量使用英文进行搜索，搜索原汁原味的英文资料阅读，关注一些学术相关的英文博客，看国外教授的个人网站，尽量将学习、休闲放在英语环境之中，这样提升专业素养的同时也锻炼了英语阅读理解能力。徐源诚刚开始到境外时，在课堂上一度不敢开口。但经过一段时间的“厚脸皮”“逼”自己课堂提问后，他在交流时更加自信从容。他说：“你在国外交流学习的交流能力，不仅仅包括英语水平，还包括你的思维清晰度以及‘脸皮厚度。’”在国外交流学习时，个别同行的非英语母语学生准备英文课堂报告时手忙脚乱，而他早已对这种教学方式习以为常。徐源诚感叹道：“南科大与国际接轨的师资力量、教学模式、教学内容以及丰富的科研资源是我们的优势。”

数学为基跨校跨学科研究  将人工智能“深耕”下去

 在毕业季，徐源诚拿到了三个全美top20的全奖直博offer。“这得益于南科大老师们对我的悉心栽培和我多个以数学为背景的跨学科研究项目以及赴国际一流大学的交流经历。”徐源诚说。

徐源诚一直认为，神经科学是最神秘最激动人心的领域。 “了解神经科学的过程，就是了解生命、了解自己的过程”，抱着深入了解自己的想法，结束了大二学习的徐源诚申请并入选上海纽约大学的神经科学科研交流项目。这也是他参与的第一个跨校科研项目。在那个暑假，他研究使用数学中动力系统的观点去解释大脑如何维持记忆，与此同时，他也接触到了自己在随机分析方向的知识盲区。在大三下学期，他决定前往纽约大学Courant数学研究所填补自己的知识盲区。

徐源诚在UCLA作科研报告

大三结束的暑假，徐源诚又申请参加了UCLA-CSST交叉学科夏令营，用机器学习的方法去处理带有时间结构的医学数据。为了能在导师所给的机器学习课题上有所突破，徐源诚在没有明确的方向时，独立阅读了大量文献并尝试了一些简单的算法实现。在花了大半个月，阅读了数十篇论文后，徐源诚逐渐理清了其中的关联，并且意识到了已有方法的局限性。然而想要做出实质性的突破，结合不同方法的优点，从算法上不是一件容易的事。几经周折，徐源诚得到了一个欧洲小组的技术支持，他将对方编写的package已有的方法和他自己的想法有机结合起来，提出并实现出了一个新的算法框架FREEtree，可以用来有效地处理带有时间信息的高维数据。

徐源诚在机器学习以及神经科学领域的科研经历让他分别从两个不同的角度去看待人工智能，并坚定了他在人工智能方向继续探索的决心。他越发觉得人工智能是一个有趣、有洞察力、有影响力的领域。他直博申请的研究方向处于应用数学、统计与计算机的交叉点，这正好适合他跨学科的背景，而扎实的数学功底能让他可以去接触更加根本性的研究。徐源诚表示，“做科研是一件非常有趣和有意义的事。”要做好科研，徐源诚认为，要乐于主动学习新知识，尽早开始培养自己的学术兴趣与能力。“我们在科研中肯定要学习新知识，其难度不一定亚于我们的课程知识。”他建议，永远不要从头开始学习，“当你已经有了足够的基础知识与能力训练之后，快速进入一个新领域可更快确定知识欠缺在哪，直接精准‘直击’知识盲点、缺点、堵点，而不是从头开始，这样才是高效率的做法。” 

在徐源诚看来，几段高质量的科研经历对他最大的改变，就是提升了研究品位。比起申请学校、拿奖学金，什么样的研究是有意义的？是有远见的？这些渐渐成为了他更关心的问题。徐源诚表示，希望自己能做一个看得见“星星”的行动家，“星星”在他看来，就是那些真正有意义、有价值的研究，他希望未来用一生的行动去探索发掘更多有意义有价值的研究，“我觉得自己做得不错的，就是不断地思考什么事情是真正有意义的，并且能付出行动去完成。”

部分材料来源：南科新知、南科大数学系等公众号报道

编辑：劳湘雯

图片：受访者本人提供