这个问题其实有点像问一个艺术家，“你是怎么获得灵感的？”科研是一件需要创新的事情，一个好的科研想法应该和之前所有他人做过的工作都不一样。
当然，天才的科研想法往往来源于灵光一闪和运气，我们不奢求那么高，放低一点要求，一般的科研想法和创新的idea要怎么获取，有没有一点方法论呢？
有人寄希望于导师，大佬有现成方向自己顺着往下研究即可。这样做其实有风险：
第一，导师不一定很了解你擅长的细分领域，自然没有办法为你提供合适选题；
第二，有的导师本身是散养风格，只在一些重要节点上把把关，指望导师亲力亲为帮你捋思路，找选题，等来等去选题没等到反而延误了时机，一不小心延毕也是有可能的。
第三，靠谱的导师其实可遇不可求，有的导师别说给你选题了，可能连把关选题的能力都没有。一旦识别出你的导师是这种类型，要赶紧领悟接下来的科研生活主要得靠自强奋斗了，和师兄师姐打好关系，寻求帮助，自己也要努力多读文献，加强科研能力，方能自救。
我当年的导师是另一种极端，他自己有很多想法，一个礼拜时间可能就能提出七八个值得研究的问题，往往因为可研究的东西太多，陷入选择困难症，最后苦于学生不够用，开展不了那么多研究。后来跟他讨论我发现，他的大部分研究想法，往往来源于三个简单的创新思路:旧瓶装新酒：用一些比较成熟的方法，去研究一个新的问题
新瓶装旧酒：用一些新的方法去研究一个老的问题
移花接木：用A领域的方法去研究B领域的问题
那么接下来，我就教你，如何一步一步的用这三个指导思想，提出你自己的新的科研想法以及完整的研究思路。![]()
好的科研想法，一定是建立在大量文献阅读和对领域的了解基础上的。
哪怕是我刚刚提出的三条稍微有些投机取巧的方法，也一样建立在对本领域深刻的了解当中。知道你的领域大家都在研究什么，现在还缺少什么，哪里需要进行改进或者可以开发新的方法技术。这些其实都可以诞生新的科研想法。这里有两个方法，可以让你了解一个领域，每个方法针是基于你对领域基础了解多寡而定的。如果你对一个领域了解很少，那百科、资讯评论文章是一个非常好的快速入门选择。做科研的小伙伴往往有一种“清高”情节，就是觉得自己不应该看那些XX百科，不应该从评论文章，科研资讯里了解领域，总觉得这样不够“专业”，不够“学术”。但是，百科和资讯、评论文章却是最好懂，也比较全面的一种，也很有助于我们快速了解一个领域的大概情况。接下来，当你对领域有了一个大致认识后，如果想要有更深刻更“科学”的了解，就需要阅读综述性文献了。好的综述往往对领域研究有一个全面系统的介绍，你会从中知道这个领域有哪些研究方向，哪些技术，甚至哪些大牛研究者。同时，综述性文章往往也会提出领域内还需要进一步挖掘的内容，哪些方面还需要更深入的研究。![]()
当你对领域有了大致了解之后，那么接下来你需要集中注意力到某个或者某几个问题上。比如你一开始想要了解整个遗传药理学领域，当你大致了解之后，想要提出真正可行的研究想法，那必须缩小你的“视野”，聚焦你的注意力到某个非常具体的问题上，比如“EGFR基因突变对于XX药物的药代动力学影响”这样的问题上。想要找到这样值得研究的问题有一个小技巧，就是去阅读研究性文献。研究性文献中最后一部分是disccussion，这部分内容会提到领域的一些有待研究和完善的部分。因为研究性文献往往只针对某个具体的研究课题，所以适应面很窄，这也是为什么你需要对领域有整体了解之后，再去阅读研究性文献。这样才有助于你找到自己的科研想法。![]()
也就是说，使用什么方法能够解答你提出的这个问题。这里就涉及我们最开始提到的三个思路了。当你已经解决过一些问题，或者通过阅读文献，积累了大量的解决问题的工具方法，那么这些方法就是你的工具箱。那么，当你找到一个值得解决的新问题的时候，你就可以考虑是不是可以用你的工具箱里的工具去处理一下。比如，我如果是了解深度学习技术的研究者，那么我的手头会有一个庞大的工具箱，从基础的CNN,RNN到注意力机制、GCN等等。那么，当我看到一个“预测新冠药物靶点”的问题时，我看到很多人在用分子对接，结构耦合的方法去寻找靶点，我自然想到是不是可以用我手里的深度学习工具箱去解决这个问题。于是，我想到CNN，想到GCN，想到复杂关联网络的链路预测方法……这些解决方法，每一个也许都是一个还不错的科研想法，可以去进一步挖掘它的潜力并且形成一篇还不错的研究。这个研究思路和刚刚那个不同之处在于，之前你关注的问题都是没有解决的新问题。但是，如果你手里有一套新工具，那么你完全可以回过头去，看看之前已经解决过的老问题是否可以再研究一遍。
比如一个研究者提出了图卷积神经网络的注意力机制，这个方法很新，没有在多少实际问题中应用过。那么你可以立刻想一想，这个领域内研究过的那些研究方向研究问题，哪个可以用这个方法再去研究一遍。不过这个研究思路有一点需要格外注意，就是新的方法解决问题，一定要优于老方法，这样的研究才有意义。所以你对新方法的理解以及老方法缺陷的了解会直接影响你是否能够找到值得用新方法再研究一遍的老问题。很多研究者只关注自己的研究领域，对相关领域和其他领域没有精力也没有兴趣了解。但是这样，你实际上会错过了很多极好的研究思路。用其他领域方法解决本领域问题不是一个新鲜的想法。事实上，这种研究思路早就根植在我们心中了，只不过你并没有意识到。最典型的例子就是数学工具，现代科学，不管是自然科学还是人文科学，都离不开数学工具。只要你从事研究工作，你都不知不觉在利用数学这个学科的工具，去解决其他领域的问题。当然，数学工具太过基础，没有什么“新故事”可讲。但是，新兴的几个学科正逐步赶上，成为众多学科研究的基础工具，典型的例子比如人工智能，大数据。许多自然科学研究中已经充斥了人工智能技术和方法的影子。而在生命科学、医学、经济学、社会学等等学科大数据的研究方法都有广泛的应用。当然，我们还可以更深入的挖掘这个“移花接木”的思路。很多时候，相关领域的研究思路和方法是可以通用的。关键问题就是，你需要发现这些相关性。这就需要一种“模式匹配”的思维模式。“模式匹配”的思维就是，你想到的这个新问题，看起来像是已经解决的相关问题吗？如果你能发现这种相关性，那就可以从已经解决的问题那里，借来一两种成熟有效的方法。所以，可以保持对相关学科的开放和好奇的态度，经常阅读一些相关学科的论文或者评论文章，你也继续就会看到他们解决问题的方式也可以用用在你的领域。
