编程依赖领域知识，你会编程的前提下，你懂的越多上限越高。
编程不依赖某种语言，有通用的方法论，使用某种语言是为了使用它的生态，而py有很多数学库。
高性能编程推荐rust。

首先看你的方向，如果你的科研只需要做一些数据处理，python是最合适的，也不需要并行计算
但如果你的方向是计算物理，比如计算量子物理，等离子计算，分子动模拟，或者计算流体固体这种的话，你需要的是C++或者fortran，python太慢，做科学计算的没人用。
然后你一定需要并行计算，MPI或者cuda之类的，除非你只跑一些很简单的问题。
关于如何入门，不建议去学那种几百页的并行计算教材，只会让你迷茫。最关键的是要上手项目，如果你的导师没给你代码，你就去github上找开源的项目，然后从一行一行的读代码开始。这种开源项目最好是和你科研相关的，别去找那种google的开源项目，和你学的物理屁关系都没有

一般搞科研的也不可能真当纯程序员，啥软件都自己编吧，那多浪费人才。一般多多少少还是会使用一些工具吧，比如Matlab、Mathematica之类，而这些工具软件大多都会有相对支持的程序语言，比如Matlab对C、C++、Fortran这些会支持更好。当然不是所有的科研都是专业的真科研，有些所谓的科研其实水得很，Excel都搞得定。实在不知道的话，学C、C++最保险，因为那个最通用。
但还是那句话，又不是专业程序员，没必要学得跟专业程序员那么深入，像Matlab之类的工具软件，自带的功能和指令就已经足够完成什么方程、积分之类的功能了，调用就行了，谁闲着没事干连这些基本功能都还重新去编，甚至你碰到个什么问题想自己编的时候，人家专业搞软件的甚至比你还紧跟时代，一个版本更新就直接把你要的东西给编好了。与其从头开始学程序，还不如直接从这些工具软件的指令开始学起。