Jinzhe Zeng's Blog

苟利国家生死以,岂因祸福避趋之

0%

Rutgers Today 4月3日报道[1],疾控中心现在推荐人们离家时佩戴口罩。罗格斯大学医学与微生物学教授、CABM(先进生物技术与医学中心)主任Martin Blaser表示,口罩可以阻止病毒传播的证据明确,人们都应当佩戴口罩。他指出,病毒主要通过呼吸道传播,既可以通过咳嗽传播,也可以由无症状患者传播,而戴口罩能有效防护病毒传染。因此,每个人在离家时或散步时,抑或在6英尺范围内与他人接触时,都应佩戴口罩。

Martin Blaser认为,卫生部门因为口罩不能提供最高水平的防护,就劝阻人们戴口罩,是一个错误。除了戴口罩外,他还建议人们勤洗手,并保持社交距离。

Martin Blaser的Google Scholar引用数达11.6万,h-index达169。


  1. 1.Should You Wear a Face Mask to Protect Against the Coronavirus?, Rutgers Today, April 3, 2020.

引用使馆及总领馆官网内容,均提供参考资料,按时间倒序排列,长期更新。

美国能否控制疫情

  • 4月3日,驻美使馆

情况不容乐观,努力遏制蔓延。

(一)发展待观察。截至4月1日11时,美国累计确诊感染新冠病毒的人数为190908名,并有持续上升趋势。特朗普总统每日召开疫情发布会,表示未来30天对减缓新冠疫情蔓延至关重要,预计拐点最早在两周后到来,整体形势将于6月初转好。美专家称,虽然根据数据模型预测,新冠疫情在美可能最终会导致超过100万人感染,但完全有望通过有效举措控制感染人数。

(二)全国总动员。3 月 13 日美国进入紧急状态以来,各州也陆续宣布“居家令”。全国上下包括联邦和各州政府、各级卫生部门、私营公司、教育机构甚至军方都在积极调动资源,采取有效举措抗击疫情。当前大多数地区的检测和就医过程稳中有序,各州都在筹备更多医疗物资以备后用。纽约州是美国疫情的震中,确诊人数占全美41%,所需医疗资源紧缺。据悉将有 4 万多名医护人员志愿奔赴纽约参与救护,海军医院医疗舰已于3月30日抵达纽约港提供抗疫支援。包括中国在内的多个国家已向美提供医疗物资。

(三)医护水平高。美国政府及社会有较大的生产潜能和动员能力。美国雅培公司已开发出快速检测仪,预计今后每月检测数量可达500 万人。感染人群中大多数是可自愈的轻症患者,大约20%-30%会转为肺炎,重症患者比例较少,且美国每10万人拥有的ICU床位比例居全球之首。

(四)社会秩序好。各州进入紧急状态后,一些美国民众第一反应是去超市抢购,造成一些物资的暂时短缺。目前口罩等防疫物资仍紧缺,生活物品供应良好。绝大多数美国民众已经意识到此次危机严重性,开始理性主动地采取防控措施,并在“居家令”的要求下开展采购和锻炼等基本生活所需的外出活动,有意识地保持社交距离。[1]

Read more »

NJDOH于3月24日起公布了所有测试点的Negative数据总和,从图中可以看出,3月25日起,测试量稳定在了5k左右,应该就是目前的测试极限了。然而今明两天要将测试量限制在每日500,试剂盒的供应可能存在问题。

image alt text

我们可以看到,在测试数量不断扩大后(三天内翻了一倍),确诊率仍保持在40%上下,这说明数据增长的瓶颈仅仅在于测试量,那么,之后的确诊数据基本上是没有参考价值的——仅仅反应测试量的多寡。想要看到真实的数据,必须继续增加测试数量。武汉巅峰时期能测2万例,现在NJ 5k,NY 1万,还需要继续努力,继续被输血。

从图中还可以看出,3月22日国民自卫队搭建的临时检测点,于3月25日开放大规模检测后,确诊率上升了近10%——这毫无疑问说明人群中有大量患者之前没有得到测试。只要这种现象持续下去,就说明测试量还没有追上疫情的蔓延速度。现在这个只能说明——如果你出现了症状,那么就有2/5的可能性是患者。当然我相信,既然已经shutdown了,之后还是有希望追上的(数据有滞后性)。

image alt text

来源:一亩三分地

病逝人数一般认为是比较真实的。从图中可以看出,取了对数的病逝人数是条直线,即增长人数呈指数增长,鉴于潜伏、发病到病逝需要一定的时间,这说明大概半个月前,没有shutdown的那段时间,是按指数传染的,大致每周翻三番,这个数据和之前确诊量的数据差不多,因为之前的确诊量本来也就等于重症量。shutdown的效果还要过几天再看死亡人数。不过,应当庆幸的是,从目前的数据来看,医疗应当尚未被击穿。

现在的局势说不定比武汉还差了,唯一的好消息是这个病毒确实对年轻人更友好。只希望科研力量能拯救全世界了。

最近几个月,Google Colab上线了免费的P100。本文介绍如何用Google Colaboratory的免费P100训练deepmd-kit模型。

在Google Drive上传训练需要的文件。为了方便展示,这里以GitHub的库里的example为例,但是stop_batch被调为了20000。

打开Colab网站https://colab.research.google.com/ ,点击下方的“新建笔记本”:

进入Colab界面,点击代码执行程序>更改运行时类型,将硬件设置为GPU:

用!nvidia-smi看一下被分到的卡是什么型号,看看是不是较差的P4,毕竟能否抢到P100也个玄学的事情。如果不是,可以重复执行以上操作。

用!pip install deepmd-kit tensorflow==2.1 配置环境:

挂载Google Drive。点击左侧的“文件”图标,点击“挂载Google云端硬盘”,并且同意访问:

cd到刚才上传目录训练,然后坐等训练完成。

免费的还是挺香的。

保存模型:

测试模型。由于我只训练了20,000个batch,精度没有达到最高水平:

回到Google Drive,我们发现,所有训练文件都在里面了——也就是说如果中途断线也可以继续训练。

本文的colab文件

很久没有写技术贴了。最近,总有在Linux环境下连回ecnu服务器的需求,但是又不想丧失使用Google的权利,怎么办?openconnect是一个非常好的开源软件,可以实现这一需求。

openconnect支持AnyConnect、Pluse Connect等诸多高校常用的校外访问平台,可以用包:

1
sudo apt install openconnect

1
sudo dnf install openconnect

然后用pip安装vpn-slice:

1
pip install vpn-slice

确定which vpn-slice能够找到路径。

方便起见,我们先设置环境变量:

1
2
3
4
export SERVER=vpn-cn.ecnu.edu.cn
export USERNAME=20199966
export PASSWORD=<HIDDEN>
export IPRANGE="219.228.63.0/21 59.78.176.0/20 59.78.199.0/21 202.120.80.0/20 222.66.117.0/24"

SERVER是要连接的服务器地址,USERNAME是我的用户名,PASSWORD是密码,IPRANGE是需要用VPN访问的IP段,这里就是ecnu的IP段。然后我们使用openconnect连接:

1
2
3
4
5
6
7
8
echo "$PASSWORD" | \
sudo openconnect $SERVER \
-m 1290 \
-u $USERNAME \
--passwd-on-stdin \
-s "$(which vpn-slice) $IPRANGE" \
-b \
--syslog

即可连接成功。

ping ecnu的服务器,大致就是中美之间的正常延迟:

1
2
3
4
5
6
7
8
9
10
(base) [[email protected] bin]$ ping 219.228.63.136
PING 219.228.63.136 (219.228.63.136) 56(84) bytes of data.
64 bytes from 219.228.63.136: icmp_seq=1 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=2 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=3 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=4 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=5 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=6 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=7 ttl=62 time=246 ms
64 bytes from 219.228.63.136: icmp_seq=8 ttl=62 time=246 ms

ping google,延迟极小:

1
2
3
4
5
6
7
8
9
(base) [[email protected]muscato bin]$ ping www.google.com
PING www.google.com (172.217.12.164) 56(84) bytes of data.
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=1 ttl=53 time=2.10 ms
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=2 ttl=53 time=2.25 ms
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=3 ttl=53 time=2.30 ms
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=4 ttl=53 time=2.32 ms
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=5 ttl=53 time=2.31 ms
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=6 ttl=53 time=2.25 ms
64 bytes from lga25s62-in-f4.1e100.net (172.217.12.164): icmp_seq=7 ttl=53 time=2.20 ms

虽然只过了博士生涯的1/10,但是已经可以对比了。

0 待遇和工作时间

待遇方面,本科期间导师给的津贴是¥800-1000/月,因为导师的经费只支持这么多。博士期间的工资是$3000/月,全额学费减免,医保,享受1984年税收协定的零税率。
收到工资确实是一件很有仪式感的事情,感到自己的劳动受到了尊重。

工作时间方面,本科期间有张纸贴在办公室的门上,说是一周7天,每天9:30-21:30,不过我没理睬过这张纸。博士期间课题组对工作时间没有任何要求。实际来说,本科期间大概只要对得起良心就行,比如每天8小时,不过由于周末总能见到人,所以周末去办公室是件正常的事情。博士期间的状态也差不多,不过大家都会在20点前走光,导致我最晚也会在21点走人;周末去办公室总是见不到人,大概大家默认周末不上班,于是后来也不去了,最多在家工作。

1 办公环境

本科时,导师在办公室给了一个比较宽敞的座位;博士时,座位宽敞了3倍,人均面积提高了10倍。连卫生间都更加宽敞。本科时办公室的面积是要给学校交钱的;博士时尚不清楚。

2 仪器

办公电脑方面,本科时,导师给了一套含显示屏的dell电脑,型号记不清了,我毕业前又买了NAS给我存数据,感觉很大方。博士时,老板给我买了$2985的Dell alienware(京东卖三四万RMB)、$339的HP显示屏和2个$174.99的4TB硬盘,感觉老板就是土豪。

超算方面,本科时,学校有超算,现在已经有九期了,有CPU和GPU,觉得学校很有钱。美中不足的是超算是收费的,需要老师申请账号,CPU 0.1元/核/小时,GPU 1元/卡/小时。博士时,得知所有超算都是免费的,当时就大跌了眼睛。学校主要有两个超算,一个是学生也可以申请的Amarel,CPU和GPU型号和华师大的差不多,但是速度莫名其妙就是更快(当然不是心理作用,测试过的)。另一个是Caliburn,说是花了一千万刀美元建设的。华师大在超算上十年的投入应该都没这么多。

网络方面,本科时,有100Mbps有线网,感觉很快,当然只限于国内的网络。博士时,竟然有1000Mbps有线网,下个package唰的一下就下好了,当时感觉不敢相信自己的眼睛。GitHub也很快。

3 老板

经费方面,本科时,觉得经费很多。博士时,查到老板每年竟然能从NIH拿到120万刀经费,不知道是国内的多少倍了。

关于老板的h-index,Google Scholar的数据分别是13和47。

老板都不push。具体来说,博士期间的老板更不push一点。当然,可能是因为push程度是相对的,当自己比老板还push时老板就显得不push了。

4 课题组

博士期间,组里人才更多,猜测因为工资更高。

关于组内通讯方式,除了当面聊这一全世界通用的方式以外,本科期间,一般用微信,立马回;博士期间,只用email,一般不回,偶尔回。

关于组会,本科期间,组会按例一周一次。博士期间,迄今为止只开过两三次,感觉根本没有开组会的习惯。

5 课题

本科时,用deep learning potential炼丹;博士时,还在用deep learning potential炼丹。

6 课程与讲座

本科期间,上课对研究没有任何帮助;博士期间,虽然选的课都是(看起来)相关的,但是对研究仍然没有任何帮助。

讲座报告都是一般每周一次。

7 院系和同学

本科时,一个年级一个班。博士时,大致也是如此,不过没有听说过有“班级”的说法。(可能叫program?)

本科时,同班同学都是正儿八经的第一学历985的学生(废话)。博士期间,发现同年级第一学历在国内的那些同学的第一学历也都是985。

关于院系的文章要求,应该没有哪里会对本科生有文章要求;然而博士期间,对文章仍然没有任何要求。

本科期间学院内有丰富的活动,包括学院的班级的团支部的党支部的。博士期间未见有什么活动,清净的很。

本科时学院有学生会。博士期间并没有这种东西。

8 学校资源

关于电子资源,感觉没什么区别,该买的数据库学校都买了。

关于校外访问校园网的方式,都是思科的AnyConnect,没什么区别。

关于Email,本科期间学校提供的是无限量的腾讯企业邮箱,stu.ecnu.edu.cn域名;博士期间学校提供的是100GB的Outlook和无限量的Gmail,rutgers.edu域名和chem.rutgers.edu域名。

关于网盘,本科期间学校没有提供网盘;博士期间学校给了无限量的Google Drive、无限量的Box和5TB OneDrive。

关于软件,都提供了Windows、Office全套、MATLAB等软件,区别在于本科期间提供了全套Adobe和Visio,博士期间提供了ChemOffice。

9 生活

本科期间和博士期间都经常吃食堂和点外卖。外卖都主要点汉堡和中餐。

日前发布的《华东师范大学2019年毕业生就业质量报告》显示,华东师范大学化学与分子工程学院2019年共毕业245人,就业率达98.78%(242人),仅3人暂不就业。就业率超过孟宪承书院、计算机科学与软件工程学院等23个院系,也超过全校平均水平(96.91%)。

《就业质量报告》同时公布了院系本科毕业生留学、升学比例。化学与分子工程学院本科毕业生境内升学率达41.67%,境外留学率达9.72%。

就业质量报告院系留学、升学数据

信息公开网公开的《华东师范大学2018-2019学年本科教学质量报告》[1]显示,2018-2019学年华东师范大学化学与分子工程学院本科毕业生就业率达100%。化学与分子工程学院是学校10个本科毕业生就业率达100%的院系之一。

参考资料


  1. 1.华东师范大学2018-2019学年本科教学质量报告 http://xxgk.ecnu.edu.cn/s/202/t/377/a8/04/info174084.htm

2019年11月11日晚,数十名爱国学生自发聚集在一起,发起“反废青”爱国集会。此前,“废青”们计划当晚在罗格斯大学道格拉斯学生中心散布有关香港的谣言,引起了极大愤慨。爱国学生自发策划了是次活动,旨在传播真相,抵制谣言。

在“废青”的要求下,道格拉斯学生中心加强了安保,禁止带入宣传性标语和专业摄像设备,禁止摄像和拍照,禁止散布传单。这些措施限制了真相的传播,但不能限制爱国学生们传播真相的决心。“废青”们自称受女权组织资助,宣扬所谓“民主”,与香港暴徒连线,声称他们是“非暴力”、“和平”的。现场爱国学生对这些谎言表示愤怒,但为了维护国家形象,爱国学生们保持了最大限度的克制,准备在“废青”们声称的所谓问答环节戳穿他们的谎言。

然而到了休息时间,“废青”声称问答将不会现场提问,而是以所谓问卷的形式进行。一时间,现场学生纷纷抗议“问答”造假,使用预先准备好的问题,压制真相和异议。休息时间结束后,“废青”承诺问题不会造假,然而果然使用了预先准备好的问题。爱国学生群情激愤,纷纷离场以示抗议。在场外唱国歌的提案遭到了否决,爱国学生一致同意国歌是神圣而不可侵犯的,用于抗议“废青”有损国歌的尊严。一名女生当场痛哭,痛诉香港“废青”传播谣言的罪恶行径。

次日,校报The Daily Targum对爱国学生分发传单谴责“废青”的行动,以及对“废青”掩盖真相的抗议进行了报道。

本次爱国集会使香港“废青”“双标”式的“民主”谎言暴露于世,他们的所谓“民主”便是压制一切与己不同的观点,与法西斯主义无异。希望全世界能看清香港“废青”的真面目,不被谎言蒙蔽。

(题图来自校报The Daily Targum,图注为Students who opposed the Hong Kong protests distributed double-sided flyers outlining their position to other attendees. SALMA HQ)

2019 年 10 月 24 日(UTC-4)微信公众号

近日,我已经通过 conda-build[1]构建了 deepmd-kit(含 lammps 模块)的 conda packges[2],并用 constructor[3]打包了离线安装包。下介绍安装方法及注意事项:

一、conda 安装

安装 conda 后,使用以下命令安装 GPU 版:

1
2
3
4
conda install deepmd-kit=*=*gpu lammps-dp=*=*gpu -c deepmodeling
将gpu改为cpu即可安装CPU版:
```bash
conda install deepmd-kit=*=*cpu lammps-dp=*=*cpu -c deepmodeling

如需指定版本,需将两个等号中间的*号改为版本号(目前有 1.0.1 和 0.12.8):

1
conda install deepmd-kit=1.0.1=*cpu lammps-dp=1.0.1=*cpu -c deepmodeling

二、离线安装

https://github.com/njzjz/deepmd-kit-recipes/releases 下载 v1.0.1 离线安装包(也提供了百度网盘链接):

releases

下载后执行以下命令,按提示操作即可。

1
sh deepmd-kit-1.0.1-*pu-Linux-x86_64.sh

三、使用与注意事项

dp 和 lmp 分别为 deepmd-kit 主程序与 lammps:

1
2
dp -h
lmp -h

GPU 版本已经包含 CUDA 10.0,需要注意的是 CUDA 10.0 仅支持 NVIDIA 驱动 410.48 以上,详情可参见 NVIDIA 官网 https://docs.nvidia.com/deploy/cuda-compatibility/

运行 dp 命令时,应设置环境变量KMP_BLOCKTIME=0KMP_AFFINITY=granularity=fine,verbose,compact,1,0,否则会导致高达50%的性能损失。这是由于 anaconda numpy 一个存在多年的 bug[4]


  1. 1.conda-build https://github.com/conda/conda-build
  2. 2.deepmd-kit-recipes https://github.com/njzjz/deepmd-kit-recipes
  3. 3.constructor https://github.com/conda/constructor
  4. 4.numpy/numpy#12374 https://github.com/numpy/numpy/issues/12374