作为一名博士生，黄浚哲几乎每天都在忙碌中度过。“这或许会是我人生当中最忙的5年，”他说。此时已是美东时间晚上8点半，结束一天工作的黄浚哲才稍微空下来聊聊近况。

2022年8月，黄浚哲从亚特兰大搬到宾夕法尼亚州大学城，开启在宾州州立大学（Penn State）的博士生涯，主攻Machine Learning in Mobile Systems（移动端机器学习）和Mobile Edge Computing（MEC，移动边缘计算）两个方向。这符合了他给自己设定的目标——加入机器学习与深度学习领域，而这一目标起源于在本科时期的一次实习经历。

坚定信心，向心仪目标靠近

黄浚哲来自重庆，本科就读于四川大学通信工程专业，不仅成绩优异，还曾加入中国科学院下属的重庆市自动推理与认知实验室实习，期间接触了与人工智能相关的工作，也因此萌生了对深度学习和机器学习的兴趣。 随后，黄浚哲以出色的毕业设计成果投稿了当年的Optical Fiber Communication Conference and Exposition（美国光纤通讯研讨会和展览会），更是奠定了日后读博的决心和基础。“当时的我意识到读博将会是个非常可行的选择，”他说。

2020年8月，黄浚哲入读GTSI的电子与计算机工程硕士项目。在选择硕士院校时，因疫情影响不考虑出国，他把目光放在可以在国内就读的、计算机科学方向的硕士学位项目，而佐治亚理工学院的电子与计算机工程正合其意。黄浚哲表示，ECE课程种类丰富，包含了算法、操作系统、计算机网络等偏CS的课程，甚至还可以选Deep Learning、Computer Vision等计算机科学下的课程。“这些课程为我带来了更系统化、更深入的理论学习和项目实践。”

在深圳完成了近一年的学习后，有志于攻读博士学位的黄浚哲，选择交换至佐治亚理工亚特兰大本部，一步一步向着自己的目标靠近。

到了亚特兰大，他就着手博士项目的申请，经过一段时间的筛选和来回沟通，黄浚哲最终决定加入Penn State一位资深教授的团队，从事Machine Learning in Mobile Systems和Mobile Edge Computing方向，两者都是移动计算下的热门分支，在黄浚哲看来，不仅难度系数高，也是应用情景广阔且很有意义的方向。

从初识人工智能到深耕机器学习，从懵懂的本科生到有想法的博士生，黄浚哲秉持坚定的兴趣，从未停下努力的步伐，用毅力和成果证明这是他一开始就坚信的“非常可行的选择”。

做好规划，剩下的交给恒心

黄浚哲最近在做的一个项目是Scheduling of Multiple Models on Heterogeneous Processors（异构处理器上多个模型的规划）。所谓异构就是将CPU、GPU、DSP等多种计算单元组合起来，形成一个混合的计算系统，从而提升计算性能和效率。手机上一般有多个处理器，结合手机能耗和延时性的要求，如何更好地规划模型，使处理器更高效运行，是黄浚哲正在专注的主题。

规划处理器上的模型看似复杂，但规划自己的学术之路可能更难。在黄浚哲看来，读博是一件需要认真规划的事情。“我是在硕士下半段才开始联系导师的，实践下来发现，时间显得不太够，建议有念PhD想法的同学们都尽早开始规划。”

找到合适的方向和导师是一个好的开端，剩下的就交给恒心。黄浚哲表示，对于读博来说，聪明未必是最重要的，但一定要有恒心，因为这条路上必然会遇到各种困难和挫折，唯有恒心才能坚持下去。“我们在做学术项目的时候，可能自己觉得自己的想法很棒，但你的导师未必认同，这也是没有办法的事情，都要有恒心，捋清思路和做法，学会更好地与导师沟通，把事情做起来。”

他还提到，自从成为一名博士生，每天都在逼着自己向前走，需要学的东西很多，“我能明显感受到自己的自主学习能力提高了很多。”黄浚哲笑称。

当然，自律和自主学习，也是在硕士期间养成的习惯。回顾起由深圳和亚特兰大两座城市、两个校区构成的硕士研究生生涯，最让黄浚哲印象深刻的是他的同学们。“大家都很优秀，我们经常一起学习，互相激励，培养出自觉自律的好习惯。”