二山手工皂叫什么名字_百度知道
二山手工皂叫什么名字
我有更好的答案
是加拿大人，叫社么derrromore的英文名戴维摩尔吧
，oe，淘宝有卖
其他类似问题
为您推荐：
手工皂的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁感谢@赵世奇邀请。话说高中化学实验笔记的话问你们老师好了，我这是大学的。&b&各个学校要求不一样，仅供参考。&/b&&br&&br&本子的话A4纸大小，硬面最好，耐摔耐碰耐腐蚀（我就不信有人能标准到每次在lab book上写字都会摘手套）。&br&&br&（手机拍摄，质量不太好，凑合看吧）&br&&br&外观如下，封面上记得写上你的名字和学号：&br&&img data-rawheight=&1920& data-rawwidth=&2560& src=&/b87ef7dbadf6ed787238_b.jpg& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&/b87ef7dbadf6ed787238_r.jpg&&&br&实验的开头附上risk assessment form，包含反应方程式和各个物质的MSDS数据：&br&&img data-rawheight=&2560& data-rawwidth=&1920& src=&/0a908e37f4c1c5d3e074_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&/0a908e37f4c1c5d3e074_r.jpg&&&br&内容格式没有硬性规定，我习惯写上&br&&ul&&li&实验名称（编号+全名）&/li&&li&实验目的或简介（Aims&Objectives）&/li&&li&实验过程及现象（Experimental Procedures&Observations。这个是最重要的，我分了两栏写，比较容易看）&/li&&li&右上角写上实验日期（重要）&br&&/li&&/ul&&img data-rawheight=&2560& data-rawwidth=&1920& src=&/e87a95c4be5a831b0618e_b.jpg& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&/e87a95c4be5a831b0618e_r.jpg&&&br&做的各种检测分析要记录下来，比如TLC，计算的Rf值，使用的溶剂（百分比）之类也要写上：&img data-rawheight=&1920& data-rawwidth=&2560& src=&/1bf9074eaff069cdc47604_b.jpg& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&/1bf9074eaff069cdc47604_r.jpg&&产物的外观，质量，产率；以及一些简单数据处理：&br&&img data-rawheight=&1920& data-rawwidth=&2560& src=&/a63b633fd652e4513855df_b.jpg& class=&origin_image zh-lightbox-thumb& width=&2560& data-original=&/a63b633fd652e4513855df_r.jpg&&&br&做出来的NMR，IR图谱之类记得在最后用订书机钉在一起。&br&&br&如果是物理实验的话，请使用带网格的本子，便于制作图表。&br&&br&几个原则：&br&&ul&&li&不管做了什么都要记下来（多加了点溶剂，多做了一次重结晶etc）。哪怕是从头做一遍也要完完整整的记下来。我就记过repeated experiment，很无聊，但是必要。&br&&/li&&li&量化&/li&&li&随做随记&/li&&li&保持整洁（这个我一直做不到，做实验时候容易心烦）&/li&&li&赞@赵世奇所说：真实，做不到就别碰这行&/li&&li&尽量完整标注，包括图表，因为文件多了很容易搞混&/li&&li&&b&使用钢笔或者水笔，修改时候用横线划去，而不是修改液&/b&&/li&&/ul&
感谢@赵世奇邀请。话说高中化学实验笔记的话问你们老师好了，我这是大学的。各个学校要求不一样，仅供参考。本子的话A4纸大小，硬面最好，耐摔耐碰耐腐蚀（我就不信有人能标准到每次在lab book上写字都会摘手套）。（手机拍摄，质量不太好，凑合看吧）外观…
&p&谢邀～！这是我每年都需要考虑的问题之一，其实基础材料研究方面都在做什么，媒体上很容易查得到，我下延到应用这里，希望能有对大家有所启发：&/p&&br&&p&我的逻辑线：&/p&&br&&p&如果要回答未来材料领域有什么热点，需要知道未来终端市场的趋势是什么，秉承我一向的观念，材料不会孤立存在，材料是支撑终端的产品的。典型的例子就是苹果公司，在大众看来苹果是手机公司，其实苹果从某种程度上是材料应用公司，他把握的是人的欲望，然后用材料组合成产品满足人们的欲望，苹果公司在材料和加工工艺领域积攒了超乎寻常的储备，这点我们作为苹果供应商是深有体会的，很多电子行业新材料的起源并不是苹果，但是是苹果将这些材料发扬光大的。&/p&&br&&p&如果要了解终端市场的趋势是什么样子的，需要知道社会发展的过去是什么样子的，未来可能有哪些亟待解决的问题，也便对趋势有一些认识。&/p&&br&&p&世界可见的大趋势是什么？&/p&&br&&p&现实基础：经济全球化，全球人口持续增长，中产阶级增速加倍，城镇化加快，资源消耗越加剧烈，需求多元化，产品多样化。&/p&&br&&p&信息基础：快速迈入信息社会，技术进步指数化，数字化生存，渠道聚合化，物联网，共享经济，云计算。&/p&&br&&p&所以能跟迎合现实基础和信息基础的产品和技术会得到市场认可快速成长，如果无法结合这两项基础，即便是社会有刚需，但是在基础科技没有打好的情况下，不会出现成熟的商业化。在过去的一个多世纪，推动社会和科技进步的是计算机和信息产业，这个行业由著名的摩尔定律所驱动，而后也衍生了吉尔德定律/梅特卡夫原则/病毒扩散原则/六度分隔理论/马太效应。然而近十年里其他的行业变化不大，曾经有人说生物技术会爆发，但实际上，这个行业是在遵从“倒摩尔定律”，自1950年期，批准投资10亿美元研发的新药数量每9年就会减半。结合上面的一些信息，我写下我的几个看法：&/p&&br&&p&1.
&br&中国相关的空气/水/食品安全产业.&/p&&p&这里面我能看到的一个材料领域是过滤材料、生物吸附材料。应该还有其他很多材料应用，不过没有仔细研究过。&/p&&br&&p&2.
&br&清洁能源产业&/p&&p&由于中产阶级大量崛起，能源消耗越来越快，但是政府插手太多了，无法真正市场化，市场化会淘汰落后技术和商业模式，政府插手的话，市场就不存在公平竞争。这里面涉及能量转化材料，大家可以继续深入挖掘。&/p&&br&&p&3.
&br&产品轻量化&/p&&p&轻量化的现实基础是轻量化带来低的能源消耗。比如交通工具轻量化中的复合材料。但通常轻量化不是孤立的，轻量化同时要满足其他传统能能性的要求以及工艺要求。轻量化的信息基础是人机融合加速，以更少的资源做更多的事。&/p&&br&&p&4.
&br&芯片摩尔定律的持续&/p&&p&摩尔定律仍然持续发挥作用，那么在更小的芯片上拥有更强大的计算性能，随之而来的是半导体相关材料，这一领域永远是热点，但是更多的是延续。如果要开创性的只可能看生物芯片或者能替代硅的新一代技术。这个领域技术含量太高，也是资金密集产业，有新的技术突破会迅速商业化。&/p&&br&&p&5.
&br&数字化智能化与物联网&/p&&p&数字化生存是我们必然面临的选择，那么必经之路是传感器的创新，传感器是连接现实世界和数字世界的桥梁。传感器相关的材料必将是热门领域。这个是和半导体材料还是有区别的。当物理世界变为数字世界后，数字世界经过计算后还是要回到物理世界的。&/p&&p&补充:后面提到生物材料，其实都是人机交互的大类，传感器是人机交互和物理数字交互的交叉，人机交互的典型材料还有触摸屏材料，但是触摸屏是人机交互的初级阶段。&/p&&br&&p&6.
&br&创客经济&/p&&p&说到经济趋势必须提创客经济，因为产品多样化的需求越来越大，所以面临越来越分化的细分市场，终端产品生命周期越来越短。所以要求产品开发也越来越快，3D打印可以发挥一定作用，但是同样发挥作用的是材料本身的数字化，也即材料仿真，这一块我一直认为可以结合云计算和共享经济做文章，也是我未来的方向，不知道是否有童鞋感兴趣。&/p&&br&&p&还有一点，材料的研究也分两级，一级为基础材料，从自然界加工而产生，一般不能直接运用到产品上要经过二次加工，&br&二级为基础材料经过二次加工的功能材料。在一级基础材料没有形成突破的情况下，基本上商业化会需要很长时间。如果一项材料市面上没有太多公司在做，说明基础研究还不足够，我不相信在短期内能有多大商业突破形成真正的趋势。&/p&&br&&p&暂时先写这么多了，毕竟材料行业太博大精深了，各个门类都懂基本不太可能，支持请点赞～～！&/p&&br&&p&补充一个吧：&/p&&p&人与机器的交互，也即生物材料。大家应该都知道奇点理论，机器终将智能化，但人们常常忽略的一点是人也终将机器化，人和机器最终会融为一体。大家不要把这里面的机器定义为机械，也可能是人造生物材料，我是涵盖所有非自然的人造的技术产品。所以这里面会涉及到生物材料，但涉及人体的东西我认为目前基础研究还不够，也许未来某一天有所突破，会形成真正新的一次工业革命。&/p&&p&====================================================================&/p&&p&看来大家对这个话题还是有兴趣的.我看很多人转载了&新材料在线&的两篇文章，这样的文章其实很多，但问题是你看完心血来潮，觉得高材料的好高大上，但是和你有关系吗，有机会放入你的职业规划吗？我现在最讨厌的就是颠覆这个词，真正颠覆性的科技是伴随着颠覆性的商业模式和颠覆性的终端产品的，颠覆永远发生在边缘地带不是主流地带，能完成商业颠覆的大公司少之又少～，而很多时候敢叫出来自己是颠覆者，寿命常常很短，也许辉煌一段，但最后一定会被灭掉，即便颠覆性的科技是在大公司产生的～！推荐大家阅读《创新者的窘境》，还是奉劝大家一句，前途是光明的，道路是曲折的，材料行业是支柱产业，但不意味着你可以做的很举世瞩目，一个看是不起眼的点上你能做出材料和产品的改进对社会就是大大的帮助。&/p&
谢邀～！这是我每年都需要考虑的问题之一，其实基础材料研究方面都在做什么，媒体上很容易查得到，我下延到应用这里，希望能有对大家有所启发：我的逻辑线：如果要回答未来材料领域有什么热点，需要知道未来终端市场的趋势是什么，秉承我一向的观念，材料不…
来自子话题：
西雅图华盛顿大学的David Baker是蛋白结构预测及合理设计领域的大牛（我本来想说最强者的）。下面是他们实验室在蛋白设计领域的部分工作：&br&&br&&ol&&li&设计催化retro-aldol反应的酶：&a class=& wrap external& href=&http://www.bakerlab.org/system/files/jiang08A.pdf& target=&_blank& rel=&nofollow noreferrer&&De Novo Computational Design of Retro-Aldol Enzymes&i class=&icon-external&&&/i&&/a&&img data-rawheight=&114& data-rawwidth=&582& src=&/67cefb19dd_b.jpg& class=&origin_image zh-lightbox-thumb& width=&582& data-original=&/67cefb19dd_r.jpg&&&/li&&li&设计催化Kemp elimination的酶：&a class=& wrap external& href=&http://www.bakerlab.org/system/files/r%C3%B6thlisberger08A.pdf& target=&_blank& rel=&nofollow noreferrer&&Kemp elimination catalysts by computational enzyme design&i class=&icon-external&&&/i&&/a&&img data-rawheight=&159& data-rawwidth=&625& src=&/bbbd5dc51a8db65c1c5fe949_b.jpg& class=&origin_image zh-lightbox-thumb& width=&625& data-original=&/bbbd5dc51a8db65c1c5fe949_r.jpg&&&/li&&li&催化Diels-Alder反应的酶：&a class=& wrap external& href=&http://www.bakerlab.org/system/files/siegel10A.pdf& target=&_blank& rel=&nofollow noreferrer&&Computational Design of an Enzyme Catalyst for a Stereoselective Bimolecular Diels-Alder Reaction&i class=&icon-external&&&/i&&/a&&img data-rawheight=&404& data-rawwidth=&850& src=&/ff862c3dd6e3dfbf4cebf7ff0b72e024_b.jpg& class=&origin_image zh-lightbox-thumb& width=&850& data-original=&/ff862c3dd6e3dfbf4cebf7ff0b72e024_r.jpg&&&/li&&li&关于人工设计蛋白的综述：&a href=&/doi/10.1002/anie./abstract& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Computational Enzyme Design&i class=&icon-external&&&/i&&/a&&br&&/li&&li&设计可以和地高辛（digoxigenin）特异性结合的蛋白：&a class=& wrap external& href=&/nature/journal/v501/n7466/full/nature12443.html& target=&_blank& rel=&nofollow noreferrer&&Computational design of ligand-binding proteins with high affinity and selectivity&i class=&icon-external&&&/i&&/a&&/li&&li&自组织成特殊架构的蛋白：&a class=& wrap external& href=&http://www.sciencemag.org/content/346/& target=&_blank& rel=&nofollow noreferrer&&High thermodynamic stability of parametrically designed helical bundles&i class=&icon-external&&&/i&&/a&&/li&&li&设计和病毒蛋白BHRF1特异性结合的蛋白：&a class=& wrap external& href=&http://www.bakerlab.org/A-computationally-designed-inhibitor-of-an-epstein-barr-viral-bcl-2-protein-pub/& target=&_blank& rel=&nofollow noreferrer&&A computationally designed inhibitor of an epstein-barr viral bcl-2 protein induces apoptosis in infected cells.&i class=&icon-external&&&/i&&/a&&/li&&/ol&&br&&p&Baker实验室链接：&a href=&http://www.bakerlab.org/index/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Baker Laboratory&i class=&icon-external&&&/i&&/a&&/p&&br&&p&国内相关领域做的比较好的是北大的来鲁华教授：&a href=&http://mdl.ipc./& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&mdl.ipc./&/span&&span class=&invisible&&&/span&&i class=&icon-external&&&/i&&/a&&/p&
西雅图华盛顿大学的David Baker是蛋白结构预测及合理设计领域的大牛（我本来想说最强者的）。下面是他们实验室在蛋白设计领域的部分工作：设计催化retro-aldol反应的酶：设计催化Kemp elimination的酶：
我来吐槽新福尔摩斯&br&&br&&ol&&li&普通的光学显微镜是不带自动处理成3D还加伪彩色功能的！分辨率也没那么好！导演你以为用电脑处理过的扫描电镜照片来充数能骗过所有观众么~（S1E3）&/li&&li&另外在显微镜下扫了一眼就知道是什么细菌，这是什么神人啊~&br&&/li&&li&肉毒杆菌毒素是个150kD的多肽 &a href=&http://zh.wikipedia.org/wiki/%E8%82%89%E6%AF%92%E6%A1%BF%E8%8F%8C%E6%AF%92%E7%B4%A0& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://&/span&&span class=&visible&&zh.wikipedia.org/wiki/%&/span&&span class=&invisible&&E8%82%89%E6%AF%92%E6%A1%BF%E8%8F%8C%E6%AF%92%E7%B4%A0&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a& 也就是说，首先，经皮吸收下毒是不可能的 &a href=&/question/& class=&internal&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/question/2031&/span&&span class=&invisible&&6622&/span&&span class=&ellipsis&&&/span&&/a&
；其次，20年了还能检测出来，你把整双鞋子都保存在零下80度了么？！！！&/li&&li&忽然意识到，以上都不是这个桥段的致命弱点，用肉毒杆菌毒素下的毒，分析的时候怎么会看到肉毒杆菌啊喂！！！！！！&br&&/li&&li&...待补&/li&&/ol&此外有个化验凝固血液的镜头看着也很奇怪，不了解不乱说了。&br&&br&另外表扬一个动画，GHIBLI的《借东西的小人》，小人国的茶壶倒起水来是一大滴一大滴的，赞。
我来吐槽新福尔摩斯普通的光学显微镜是不带自动处理成3D还加伪彩色功能的！分辨率也没那么好！导演你以为用电脑处理过的扫描电镜照片来充数能骗过所有观众么~（S1E3）另外在显微镜下扫了一眼就知道是什么细菌，这是什么神人啊~肉毒杆菌毒素是个150kD的多肽 …
来自子话题：
手机电池均为锂电池，锂电池是没有记忆效应的。充不满或没用完均不影响寿命和容量。&br&举例来说，我一次充100%用100%，这在锂电池的寿命中记录为一个循环寿命；我一次用10%充10%，依此循环10次，仍然视作一个循环寿命。&br&影响锂电池寿命的反而是过充和过放，不充满、不放光对寿命是有帮助的，降低循环深度将大大提高寿命。&br&在比部分储能项目中还有间歇充放的策略设置，即充满自动关闭充电，依靠自放电放出部分容量，再进行充电，依此循环。&br&所以你的使用习惯请不要担心。
手机电池均为锂电池，锂电池是没有记忆效应的。充不满或没用完均不影响寿命和容量。举例来说，我一次充100%用100%，这在锂电池的寿命中记录为一个循环寿命；我一次用10%充10%，依此循环10次，仍然视作一个循环寿命。影响锂电池寿命的反而是过充和过放，不充…
喷题主的真是够了，题主哪句话能招来你们这么多黑？只是讨论一下而已，你不想答没必要喷人。&br&&br&&br&在美PhD，见过或听说过几个开公司的（或成功或失败）的教授。抛砖引玉，欢迎探讨。&br&&br&&blockquote&美国的bio、chem教授自己创立公司的情况怎么样呢？&br&&/blockquote&很普遍。两个原因。首先，得益于较高的社会地位，教授们去创业更容易得到风投的承认，也更容易接触到各个层面上的合作者，起点比普通人高多了。第二个原因尤其重要：大部分研究性大学有专门的促进成果转化的机构，为创业的教授们提供涵盖创业知识准备、法律流程、投资渠道、宣传策略的服务。这些机构长年累月专门做这些事情，帮助教授创业就是轻车熟路。&br&&br&&blockquote&Robert Langer这种神经历需要哪些必要条件呢？&br&&/blockquote&第一，学术上有自己的独特的创造。科技创业的核心是专利，专利要求唯一性。paper可以发的低一些，但是要有独创，形成自己的特色。当然，一般来说真正厉害的独创发出来的paper不会差的。&br&&br&第二，如果题主说的“神经历”是指开的公司多的话，还需要学术创新多点开花。一个有水平的教授，做了10+年的研究以后，懂的方向已经很多了。如果想在众多方向上都作出创新，一需要时间积累，二需要运气。Rob Langer今年已经66岁了。&br&&br&第三，这和教授的研究方向有很大关系。做bio medical有个特点（有时是好处有时却又是坏处）：研究是以某种疾病为主线的。所以，每对一个疾病有了新药物或新体系，就足以提供一个产品，一个产品就足以创办一家公司。更别提各种产品还有可以你中有我我中有你了。从另一个角度想，即使一个做超快光谱或者结构生物学的教授做的顶破了天，他的技术也没法创业。&br&&br&第四，这一“神经历”其实未必那么神。根据wikipedia，Robert Langer只是“has been involved in the founding”。这就很难说每一家公司Robert Langer具体付出了多少了。有可能一些公司是以他的学生为主导创立的，只是用了Robert Langer的技术和名声。我没有每个公司详细去查。&br&&br&&blockquote&是不是与MIT独有的一些政策有关呢？&br&&/blockquote&应该是。MIT的创业氛围相当浓厚，boston也是东北部的文化科技中心。&br&&br&&blockquote&如果是Langer在美国差一些的学校当教授会如何呢？&/blockquote&前100的学校应该都有辅助创业的机构，所以开公司这件事对Langer不是问题。但是其得到的支持力度必然是远逊于MIT的，公司能不能开这么多、质量还能不能这么好，非常值得怀疑。另一个原因别忘了，学生才是实施研究的人。换个学校能否做出这么多研究成果，非常值得怀疑。&br&&br&&blockquote&我们在中国当教授的中国人，还有在美国当教授的中国faculty缺乏哪些条件呢？&/blockquote&国内就不用说了吧。北上广也许还好，其他地方吃拿卡要盖章办事的难度就远胜于美国。另外国内的科研以paper为导向，生化领域很少见到原创性与应用性俱高的文章。国内做生意的教授，我所见到的大多是以成熟技术开工厂的，离“科技创业”的概念相去甚远。&br&&br&在美中国faculty存在商业意识、在美人脉、语言文化的缺陷，硬件条件上其实平台差不多。新生代的中国faculty们语言和头脑都好很多，主要还是差在了人脉上。&br&&br&========================================================&br&&br&题主完善了问题，那我也多抛几块砖。真心希望关注这个问题的同行们也能来讨论一下，毕竟在知乎上化学生物圈是少数。&br&&br&&blockquote&bio、chem类专业的top级从业人员的财务状况以及创立公司的情况是如何的？&/blockquote&&br&根据美国人均收入数据&a href=&http://en.wikipedia.org/wiki/Personal_income_in_the_United_States& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Personal income in the United States&i class=&icon-external&&&/i&&/a&，教授可以算高收入。且不说top教授，就说AP吧。以2010年的数据为例，即使AP的年收入只有七万刀，他也已经比86.27%的人强了。而收入超过82500的人就已经处于前10%了。top教授有各种title有加成，咨询费参考价200刀一小时，每年还有各种award，即使不开公司收入也很可观了。&br&&br&创立公司已经说过了。对于前~100学校的教授来说，有了学校的扶持之后，开公司与否基本取决于他的研究领域和个人意愿。&br&&br&&blockquote&之所以黑基本是从毕业后的就业、薪资、以后大富大贵可能性等方面考虑的；所以坚持做下去的人绝对都是真爱。但，我也听说，bio、chem的顶级从业人员的财务状况绝对差不了。&br&&/blockquote&两句话都没错，而这不仅仅是一句“任何一个行业的顶级从业人员都差不了”就能说明清楚的。&br&&br&首先还是强调领域的重要性。材料开发、分析测试、仪器器件，绝对比反应动力学、机理研究、电荷传输动力学、蛋白质折叠更容易做出产品。Rob Langer, John Rogers, Alan Heeger的财务状况肯定比Rudolph Marcus好太多，连媒体上的风头都被前面这些人抢尽了，毕竟更贴近市场啊。&br&&br&另外不要忘了，“一将功成万骨枯”。狭义上说，实验需要人来做，而且周期长产出慢，无数激情和智慧都是被日复一日的重复试验磨灭的。从广义上来说，无数若干年前的小工作逐渐积累归纳扩展，才为大牛们的成果打下了基础；而做了铺路石的学生教授，谁又会记得。&br&&br&高劳动密集度和较长的研究周期，使生物化学圈的“社会金字塔”比其他行业的金字塔要“&b&扁平&/b&”得多。它不一定高，底座不一定大，但是真的&b&扁平&/b&，在计算机化的时代更显如此。要改善底层从业者的状况，我觉得要寄希望于能做实验的机器人，把人的头脑从体力劳动中解放出来。&br&&br&&blockquote&想了解一个学科的总体发展情况和潜力、技术创业的各方面优势和劣势，行业top人员的情况可以说明一些&/blockquote&生化领域的发展潜力绝对是巨大的，毕竟有太多太多待填补的未解之谜，太多太多尚未完全开发的实验室技术。更重要的是，不像抽象的数学和理论物理，这些未解之谜和这些技术都是看得见摸得着的。但是他们经常给我们一种“蹦一蹦就够得着”的错觉，实际上我们需要付出大量时间，做大量的试验和优化。期待实验室自动化能早日实现，到时候电脑可以自动搭反应，自动过柱子，自动检测表征产物，自动刻蚀器件（其实这些都已经存在了），自动写程序（这个还没出现）。到那个时候，就是我们生化搬砖工的解放之时，也是码农们的灭亡之日！ →_→
喷题主的真是够了，题主哪句话能招来你们这么多黑？只是讨论一下而已，你不想答没必要喷人。在美PhD，见过或听说过几个开公司的（或成功或失败）的教授。抛砖引玉，欢迎探讨。美国的bio、chem教授自己创立公司的情况怎么样呢？很普遍。两个原因。首先，得益…
不会。&br&&br&虽然狄拉克说过那句著名的话，而且化学的一些理论比如量子化学理论也的确来源于物理，但是在实际研究中，不同层面不同scale的体系还是需要不同的方法来处理。比如，你处理一个滑轮挂木块或者弹簧拉小车的问题的时候就只会使用经典力学而不是量子力学，而且不需要使用相对论。&br&&br&而大部分的化学问题，其尺度恰恰就是一个&b&小到有明显量子效应无法用经典力学近似，但又大到无法用很精确的物理方法（比如量子场论）处理&/b&的尺度，所以才需要总结出很多时不时就会出例外但仍然管用的经验规律，才需要大量的实验/计算工作去尝试去验证。所以，化学和物理紧密相关但化学不会变成物理。
不会。虽然狄拉克说过那句著名的话，而且化学的一些理论比如量子化学理论也的确来源于物理，但是在实际研究中，不同层面不同scale的体系还是需要不同的方法来处理。比如，你处理一个滑轮挂木块或者弹簧拉小车的问题的时候就只会使用经典力学而不是量子力学…
感谢&a class=&member_mention& href=&/people/19c1fee255e& data-hash=&19c1fee255e& data-tip=&p$b$19c1fee255e&&@肖石燕&/a& 的展开讨论和补充， 以及被赞同最多的&a class=&member_mention& href=&/people/37e1d824c0e8c60b3a06& data-hash=&37e1d824c0e8c60b3a06& data-tip=&p$b$37e1d824c0e8c60b3a06&&@余旷&/a& 的调侃哈哈哈&br&&br&好像还没看到正面回答。题设想表达的应该是计算化学尤其是涉及量化计算的前景问题吧。个人认为有几方面的原因。&br&&br&1、计算化学已经是理论较为成熟的一门学科。&br&计算化学实质还是以理论物理为基础。与化学有关的微观问题，包括价健轨道，电子排布等都能通过量子物理解释，而宏观上涉及分子运动层面的问题，分子力学也已经给出很好的解决方案。所以看历年获化学诺奖的科学家很多都是为化学理论奠基的物理学家。量子力学和分子力学已经是经历多年考验和发展的理论，很难想像会有颠覆性的新理论被提出。即使是最近几十年很热门的密度泛函方法，现在的发展也不断放缓。所以在目前理论计算方法发展的限制下，一般的科研工作者很难在计算化学这个领域有突破性的发现。&br&&br&2、受实际环境的局限，计算化学的预测能力有限。&br&关于计算化学有个笑话，大概说某鸡场的鸡得了瘟症，鸡场老板找来理论化学家给出解决方案，可是照做之后鸡全死了，一看paper发现写着&只对真空中的球形的鸡有效&。读此笑话，只能说又好笑又无奈。一翻开计算化学的经典教材，里面充斥着各种刚性小球碰撞等理想模型或者忽略二阶导数之类的近似。辛辛苦苦好不容易搭个模型调好参数到头来发现可用的范围非常有限。目前很多计算模型能算好自己的就不错了，但偏偏学科发展大趋势所在，不把自己的模型做到生物材料上去都不好意思说自己的研究有多好。于是计算化学的领域发展越来越窄，真正有广泛实践价值的东西越来越少。&br&&br&3、计算水平，特别是计算机的计算能力，很大程度上制约着计算化学的发展。&br&在没有计算机的年代人们对着薛定锷方程只能是直摆手摇头。后来摩尔定律的魔咒把量子化学推到了学术前沿，人们开始无穷止境地追求计算精度。于是，计算机的计算水平发展开始跟不上计算体系的复杂度。这年头发文章，动力学动辄要求多构像几十纳秒的轨迹分析，量化计算不来发CCSD(T)都不好说自己算得准，做半经验的有条件都不能不改成DFT。没个大集群发文章都难过登天。于是大家都知道了做计算除了耗脑细胞就是耗时，要不干脆还是搞应用去吧文章还来得快，还有谁去愿意搞理论?&br&&br&4、基于第二和第三点，计算化学目前在化学领域的地位并不高。&br&我花钱买个集群，养一班基础薄弱的学生，经历长时间去发展理论和建模，到头来预测能力能有多高?谁也不清楚。本身算不算得准已经是未知数，用来解释点现象还可以，靠计算指导实验还早了点。做实验的来问:你讲的我们都(不)懂，能告诉我接下来怎么办吗，做计算的普遍哑口。原因在于计算的很大程度上来源于实验基于现象，对于超过理论基础的事情只能无能为力。理论设计药物分子文章数起来论斤称，什么高通量筛选分子对接动力学模拟结合能计算筛下来十来个，拿到体外试验死掉一半，拿到体内又死掉一半，最后发现能做药的早上市了。不能责怪做实验的看不起做理论的，这就是现实。&br&&br&5、计算化学这门学科需要大量知识和多元人才的沉淀积累，目前国内的科研环境很难满足这一条件。&br&一个合格的计算化学学者，需要掌握不少知识。基础化学不能缺，学好数学看公式，会用物理建模型，手拿电脑写程序，还有统计整数据。如果是学计算生物化学的，忠告你不要以大师为目标，能体面点活下去就不错了。一个人能同时掌握两门知识和技能就不错了，还能指望他能在两个领域有深刻理解和成就的，不是不可以，实在很难。国外在计算化学能取得成就的课题组，都是靠一帮知识扎实很早就进入该领域一直招入杰出人才，再加上厚实的经费支持或软件赞助，埋头苦干多少年才有今日如此成就。计算化学领域从来不是靠许多单独个人异想天开开拓出来的，但我们偏偏只能看到站在台上给我们绘声绘色讲述故事的一些代表。国内计算的发展条件还不太理想，空喊培养复合人才却不见实质培养手段，加上教育环境和科研环境的差距计算化学领域更是落后先进国家水平一大截。不过可喜的是靠着一堆&死脑筋&的科研工作者的努力以及引进海外人才并重点培养，国内很多地方像大连物化所和厦门大学的计算化学有着不俗的水平。&br&&br&大致想到这么多可能以后还会有补充。虽说题设观点需要批判，但不能否认目前计算化学的发展势头并不猛，客观看发展有变缓的趋向。论发文章势头不上偏门的生物信息学之类，论找工作也不见比其他统计学之类的理论学科有优势。不过说到复合人才的发展来说计算化学领域绝对不比任何其他学科要差，选择了这个方向的同好们大可不必妄自菲薄。
感谢 的展开讨论和补充， 以及被赞同最多的 的调侃哈哈哈好像还没看到正面回答。题设想表达的应该是计算化学尤其是涉及量化计算的前景问题吧。个人认为有几方面的原因。1、计算化学已经是理论较为成熟的一门学科。计算化学实质还是以理论物理为…
来自子话题：
我觉得关注大家的关注点都挺歪的，作为课题与此密切相关的人来说，看到这篇文章第一时间真没有多惊讶，miRNA那么多，其作用原理又没有蛋白质或者化学物质那样的局限，植物界中出现可以与流感病毒序列结合并起作用的miRNA，真心不是稀奇事，是完全可以肯定存在的。不过我很关心的是，首先，金银花的使用，是需要煎煮，miRNA由于序列过短，比较容易在高温下断裂，所以做小鼠实验，煎煮过的金银花药剂，是否还具有完备活性的miRNA。文章中的讨论部分第一段就明确的指出miR-2911的特殊性：MIR2911, previously reported as a plant miRNA in Populus euphratica, Nicotiana tabacum and Helianthus annuus [15-17], is an atypical miRNA because it is derived from ribosomal RNA (rRNA) and does not follow classical miRNA biogenesis。Although the mechanism underlying the high stability of MIR2911 during the boiling process remains unknown。简言之，这货是核糖体RNA来着，结构和机制跟普通的miRNA不一样，所以煮呀煮不烂~大概是跟GC含量很高有关系。第二个新颖点，便是摄取，张辰宇团队小火的时候我没在意，通过肠道吸收RNA，确实一个非常新颖的观念，机制目前依旧未知，但是非常有药物应用的前景~第三个新颖点，人体的RISC/AGO2等蛋白，可以识别外源的miRNA，并且发挥相同的作用，这其中的机制，还根本没有定论（个人觉得miRNA挺没节操的，现有的miRNA机制并不能解释全部的现象）。&br&
上面纯粹是论文观后感来着，抗病毒的miRNA千千万，大小点数的文章数不胜数，这篇文章有新意，有启发，但不够深入。合成miRNA的成本非常高，实验所用的合成RNA公司报价为360,2OD，这么多钱，你能买多少金银花。直接从植物中提纯miRNA工艺也不很可取。国外药物公司研发了一些靶定RNA药物，其中做病毒的了解比较多的大概算是miR-122，肝特异性miRNA，如果有兴趣，可以自行谷歌。&br&
PS，&b&Lonicera&/b&的研究早就有不少，起作用的成分例如chito-oligosaccharide等，这里不得不说我对传统中医黑的一点点非议，中医的理论兴许是糟粕，但是中药不是，中药是经验主义的产物，也是一个宝库，我们用现代医学的严谨来验证中药，去粗存精，倒是一件有意义的工作，所以，请不要一棒子打死。&br&
知乎牛人那么多，我就卖个瓜~
我觉得关注大家的关注点都挺歪的，作为课题与此密切相关的人来说，看到这篇文章第一时间真没有多惊讶，miRNA那么多，其作用原理又没有蛋白质或者化学物质那样的局限，植物界中出现可以与流感病毒序列结合并起作用的miRNA，真心不是稀奇事，是完全可以肯定存…
我就谈谈就业。当然，PHD、薄厚这种不算就业，我不了解也不想去了解。&br&&br&先说结论。在美国就业难么？难。别说美国，中国就业也难。大部分学化学化工出身的同学本科下来应该都是这种感觉，上了一堆课，套了一堆公式写了一堆作业，做了一堆实验。小部分认真一点的同学可能读了几篇paper，套了瓷去了研究所实验室，然后……还是做实验。说白了，就是无用功+搬砖。其实不光是本科，master甚至博士依然是重复这些事，上课做作业读paper做实验。为什么会这样？因为化学和物理生物一样，本身就是一门非常基础的科学，对理论的要求很高，又无法直接有什么工业产出。化工应该是很实用的一个专业，但因为理论方向更好发paper，所以全世界绝大部分graduate school的化工学生的培养也是偏向学术、偏向理论的，所以导致了大家化学化工傻傻分不清楚，也导致了化学化工学生就业遭冷遇的尴尬。&br&&br&而社会是现实的，没有像样的一个公司会需要一群只会做题搬砖的人。所以大家会发现你国内学化学化工的同学可能都转行了去做了银行白领或者公务员了。但有一点要明白，我们在美国的第一份工作一定是和technical有关的，银行、公务员、文员这种国内最常见的工作和我们fresh grad无缘。原因很简单，外国人留美工作要工作签证，这种全民工作犯不着让公司去放弃美国本土求职者来花费精力财力去sponsor你一个英文都讲不溜的外国人。&br&&br&就算你愿意做technical，对于MS的就业，我觉得先要调整心态。如果想在传统著名跨国企业如拜耳，陶氏这种谋得一份工作很难，是需要名校PHD才可以的。一般这种公司招的都是研发岗位，开出的工资不低还愿意sponsor。研发需要很强的理论背景，有PHD在，有你们MS什么事。怎么样，是不是绝望了呢？办法当然还是有的，不然我不会和你唠嗑这么久。&br&&br&撇开这些大公司的话，能否就业还得看你一会什么，二什么方向。MS还是走一些新的方向或者交叉领域，如三废处理，模拟，过控，数据挖掘，计算化学，化学软件开发之类的。我推荐这些方向的原因，一来比较偏实用，二来脱离了实验室。为什么我要强调这两点呢？我刚才推荐的那些方向，是化学领域鲜有的“不需要太深的理论知识但很technical很practical而且PHD做得也不多”的几个方向，也就是说让你避免了和美国人以及PHD的正面交锋。比如模拟，就有很多公司招人做流体模拟，工厂3D建模；三废处理，比如很多水处理公司需要人去给他们的项目计算设计水处理流程等等。关于这个请看我在这里的回答：&br&&a href=&/question//answer/& class=&internal&&化工专业男生应该学会那些计算机软件？ - Hai Tang 的回答&/a&&br&&br&这也同样解释了PHD的就业。和楼上的一些观点不同，我觉得我们学校的化工PHD找工作很容易，凡是我知道的去向都不错，宝洁3M联合利华研发部之类的，不仅因为他们有丰富的技术经验，而且我们学校还和这些企业有联系，很多PHD直接去公司做实验搞开发，直接面向生产。只要你做的东西实用，哪怕你的专业听起来再理论，就业也是好的。比如我们的物理系有一个组专门做计算物理，那个组出来的同学都顺利地转去做了码农。而那些搞纯理论研究的PHD，哪怕你是EE这种专业出身，就业依然艰辛，所以不要以为有了个PHD就业就稳了，在选方向选导师选组这个问题上需要三思而后行。&br&&br&所以无论你学化学还是化工，最简单的结论，就是去学各种各样的计算机技术，优先学化工有关的，反正也很少；然后学化工沾点边的，如用来做数据的Python，Matlab的神经网络模块，数据库这种，有机会去药厂；最后还有时间则去学和化工没关系的，比如各种语言，Java和C等等，Android开发，Web Design等等，IT业在美国最好就业是不争的事实，而且很多公司不看你的专业，只要你厚实的代码功底和有丰富的project经验就有机会。这个过程可能很艰难，因为绝大部分化工学院不会提供这些课，需要你大量时间和坚定的意志去自学，而且没有老师很难入门。幸好，我们生在信息时代，网上有丰富的教学资源，学不学就看你愿不愿意折腾了。学吧，同学，为了就业，我们还有什么事情做不出来呢？&br&&br&日更新&br&下面 &a data-hash=&9a1a37f61d0fc57d750f& href=&/people/9a1a37f61d0fc57d750f& class=&member_mention& data-tip=&p$b$9a1a37f61d0fc57d750f&&@Tech Priest&/a&说到转专业以及样样知道却不精通的这个问题，以及 &a data-hash=&dda3d8e687& href=&/people/dda3d8e687& class=&member_mention& data-tip=&p$b$dda3d8e687&&@Vare Amells&/a& 关于读博的说法，我觉得有必要说明一下。如果一开始就打定转去CS这样好找工作的专业，并且不转成绝不罢休的话，那也没必要来关注这个问题了。我的回答针对的对象是“化学化工系希望在美国就业的硕士毕业生”，单纯地回答一句“转专业”，其本质和“读PHD”以及“薄厚”是一样的，就是“接着念书以提升自己为了更好的就业”。&br&&br&然后是深度和广度的问题。我并没有推荐大家对很多东西蜻蜓点水地学一下就好。比如编程，用十种语言写hello world明显不如会用一种语言设计算法、设计app。但为什么我不推荐非常深入地学习某一个知识点呢？答案是分散风险。比如你能非常深入地学习Aspen，对各种收敛都能深入分析，各种模型都应用自如的话，作为化工过程设计师，你当然是合格了。但是一到招聘会，你突然发现化工单位本来就没几个；好不容易有的，只要green card holder；好不容易收国际生的，说“我们做的是高分子材料，请问你对XXXX设备熟悉吗？”你：“……”。这时候你Aspen学得再深入，也就是一身杀龙的本领，有价无市。又比如你觉得计算机好找工作，两年下来拼命搞App开发，搞数据库，搞网络，心想这下好找工作了吧。结果一到招聘会，发现自己学校学EECS的加起来能把其他专业的都淹没了。人家公司已经供不应求了，结果看到你巍巍颤颤地递上简历，上面major一栏赫然写着&Chemical Engineering“……亚洲三巨头的微笑见过没？笑的就是你呢。&br&&img src=&/c2e143a4944edbebdfcb55_b.jpg& data-rawwidth=&317& data-rawheight=&220& class=&content_image& width=&317&&当然，从目前的就业形势看，后者比前者更容易找到工作……CS大法好！&br&&br&其实PhD也是同样的道理。 &a data-hash=&dda3d8e687& href=&/people/dda3d8e687& class=&member_mention& data-tip=&p$b$dda3d8e687&&@Vare Amells&/a&讲的跟我的其实想法差不多，做计算化学毕业后转去做码农做金融分析是一条不错的路。但是！Vare和Tech本人也说了，做BIO做material这些偏academic的方向才是当今各大化学化工学院的主流，而这些方向在工业界运用不广，职位无一例外僧多粥少。新能源也是个看起来不错的方向，但说实在的也就是个概念，具体研究就是个无底洞。我在career fair上有看见一家做新能源的，就上去问问人家需要什么人，人家第一句话就是“We need some people do modeling for us. Do you have any experience in simulation technology?”，那些研究装置、反应的PhD们是不是就立马泪流满面了？而幸好我做过几个用Matlab模拟反应器的case，并且也听说了Matlab可以模拟风车运动之类的应用，所以可以和面试官聊上几句，最后他们也发邮件回过来问我具体情况了。可惜的是他们只招full time，而我是找实习，最后只能遗憾放弃。但如果我找full time的话，应该是有机会拿到面试的。咳咳，似乎扯远了。我的point是，PhD固然经验比Master多，但方向是定死的，而且你能选择的大部分方向都不怎么好找工作，也就是说有大概率浪费五年甚至更久的时间只换来一个和MS差不多的结局。而且因为年龄关系，转型将会更难。所以在对学术没什么兴趣时，不要为了好就业才去读PhD。真的因此读PhD了，也请务必选好你的方向。&br&&br&所以就牵扯到了怎么学的问题。说得再具体一点，我认为我们化工MS就业的方向主要有三个：化工过程控制/优化/模拟，数据科学，软件开发/网页设计。还是先说结论：学的时候一定要注意联系实际！！一定要培养自己的动手操作能力而不是理论计算能力！！！面向生产，面向工业，面向实际，保证自己在遇到面试官时可以侃侃而谈说出自己究竟做了什么，会做什么，如何应用，而不是拿了一堆公式一堆题在那里埋头苦算。&br&&br&第一个是本专业内容，毫无疑问要学会Aspen等相关的软件。学的时候不要太注重于理论研究，比如收敛分析等，这是你找到工作后才要去好好研究的。而是要找一本靠谱的书，把上面所有的典型case都亲自操作一遍。对不同的情况下所选择的物性方法要熟悉（比如电解质对应ELECNRTL，低压下液液平衡选用UNIQUAC等），对不同模块的作用、参数要都了解一遍。这么做是为了让你通过实际生产去了解各种process的特点和共性，其实就等于下了一趟厂子。&br&&br&然后就是数据科学。现在工业界越来越重视数据统计和分析的作用，主要应用于包括消费者心理偏好、产品质量控制，数据预测以及决策优化等方面。数据挖掘、机器学习等因此变成了越来越炙手可热的方向，而且这方面工作经常不限背景，job requirements上通常写着&... who pursue a degree in math, physical, engineering&。理论上说，数据科学类工作本来就可以是化工学生的涉猎对象，只是绝大部分化工学院并不提供相关的课程罢了。数据科学的本质就是统计，所以要补充自己的统计知识。但在补充的同时，要配合着R、Python等语言的学习，利用里面的各种包去学习它们再统计工作中的各种应用。比如R自带的尼罗河流量的数据，可以尝试用不同的方法去做各种统计、绘图、预测、回归分析。&br&&br&软件开发等我有空了再更新……
我就谈谈就业。当然，PHD、薄厚这种不算就业，我不了解也不想去了解。先说结论。在美国就业难么？难。别说美国，中国就业也难。大部分学化学化工出身的同学本科下来应该都是这种感觉，上了一堆课，套了一堆公式写了一堆作业，做了一堆实验。小部分认真一点…
来自子话题：
重要的解释贴在正文底下，按顺序依次是：&br&正文：小球排列组合数与信息熵定义之间的渐进等价&br&回复：推导过程中有关极限应用的几个问题&br&回复：熵的不同定义，物理的和信息论中的&br&&br&&br&&br&&br&======================正文======================&br&&br&熵反映了状态的复杂程度，这是一个众人皆知的事实。但是有没有数学上的推导可以佐证这句话呢？答案是有的，只需要大一数学知识和三分钟耐心，就可以掌握熵与复杂度之间在数学上的联系。&br&&br&一、状态&br&假设在一个空间中有&img src=&/equation?tex=N& alt=&N& eeimg=&1&&个小球，这个空间被划分为&img src=&/equation?tex=m& alt=&m& eeimg=&1&&个房间。系统的状态就是小球在不同房间的分布。有的状态很容易出现，有的状态就不容易出现（比如所有小球都呆在相同的房间中）。&br&&br&二、指定状态的组合数&br&接下来，我们给每个房间指定一个小球数，以后只研究确定房间小球分配的情况。假设第&img src=&/equation?tex=i& alt=&i& eeimg=&1&&个房间中恰好落有小球&img src=&/equation?tex=n_i& alt=&n_i& eeimg=&1&&个，因为一共有&img src=&/equation?tex=m& alt=&m& eeimg=&1&&个房间，我们有&img src=&/equation?tex=%5Csum_%7Bi%3D1%7D%5E%7Bm%7D%7Bn_i%7D%3DN& alt=&\sum_{i=1}^{m}{n_i}=N& eeimg=&1&&。那么一共有多少种可能小球的组合数呢？答案是&img src=&/equation?tex=W%3D%5Cfrac%7BN%21%7D%7B%5Cprod_%7Bi%3D1%7D%5E%7Bm%7D%7B%7Bn_i%7D%21%7D%7D& alt=&W=\frac{N!}{\prod_{i=1}^{m}{{n_i}!}}& eeimg=&1&&&br&解释：按所在房间号从小到大排列小球，一共有&img src=&/equation?tex=N%21& alt=&N!& eeimg=&1&&种排列方法，由于在每个房间中的小球不分顺序，因此要除以每个房间中小球的排列数&img src=&/equation?tex=%7Bn_i%7D%21& alt=&{n_i}!& eeimg=&1&&&br&&br&如果随机抛小球到整个空间中，小球们的分布更可能呈W值大的状态&br&&br&三、指定状态的熵&br&由于组合数&img src=&/equation?tex=W& alt=&W& eeimg=&1&&实在太大了，不妨对它做一个单调变换----取个对数，然后再来个尺度变换抵消掉小球总数&img src=&/equation?tex=N& alt=&N& eeimg=&1&&的影响，记&br&&img src=&/equation?tex=H%3D%5Cfrac%7B1%7D%7BN%7D%5Cln%7BW%7D& alt=&H=\frac{1}{N}\ln{W}& eeimg=&1&&&br&下面我们来推导&img src=&/equation?tex=H& alt=&H& eeimg=&1&&就是指定小球分布的熵：&br&&img src=&/equation?tex=H%3D%5Cfrac%7B1%7D%7BN%7D%5Cln%7BW%7D%3D%5Cfrac%7B1%7D%7BN%7D%5Cln%7BN%21%7D-%5Cfrac%7B1%7D%7BN%7D%5Csum_%7Bi%3D1%7D%5E%7Bm%7D%7B%5Cln%7Bn_i%21%7D%7D& alt=&H=\frac{1}{N}\ln{W}=\frac{1}{N}\ln{N!}-\frac{1}{N}\sum_{i=1}^{m}{\ln{n_i!}}& eeimg=&1&&&br&使用数学上有名的Stirling公式，当&img src=&/equation?tex=N& alt=&N& eeimg=&1&&很大时有近似：&br&&img src=&/equation?tex=%5Cln%7BN%21%7D%5Csimeq+N%5Cln%7BN%7D-N& alt=&\ln{N!}\simeq N\ln{N}-N& eeimg=&1&&&br&这个公式也可以用到每个房间中，因为小球总数很大时，每个房间的小球数基本也很大，代到上边，化简可得：&br&&img src=&/equation?tex=H+%5Csimeq+-%5Csum_%7Bi%3D1%7D%5E%7Bm%7D%7B%5Cfrac%7Bn_i%7D%7BN%7D+%5Cln%7B%5Cfrac%7Bn_i%7D%7BN%7D%7D%7D%0A& alt=&H \simeq -\sum_{i=1}^{m}{\frac{n_i}{N} \ln{\frac{n_i}{N}}}
& eeimg=&1&&&br&&br&在信息论中，一个离散概率密度&img src=&/equation?tex=p%28X%3Di%29%3Dp_i& alt=&p(X=i)=p_i& eeimg=&1&&的熵是：&br&&img src=&/equation?tex=-%5Csum_%7Bi%3D1%7D%5E%7Bm%7D%7Bp_i%5Cln%7Bp_i%7D%7D& alt=&-\sum_{i=1}^{m}{p_i\ln{p_i}}& eeimg=&1&&，有没有发现和上面&img src=&/equation?tex=H& alt=&H& eeimg=&1&&的推导结果惊人一致，只需要令&img src=&/equation?tex=p_i%3D%5Cfrac%7Bn_i%7D%7BN%7D& alt=&p_i=\frac{n_i}{N}& eeimg=&1&&。&br&&br&&br&因此我们可以得出，某种状态的熵&img src=&/equation?tex=H& alt=&H& eeimg=&1&&不过是具有这种状态的小球组合数&img src=&/equation?tex=W& alt=&W& eeimg=&1&&的对数归一化表示：&img src=&/equation?tex=H%5Csimeq+%5Cfrac%7B1%7D%7BN%7D%5Cln%7BW%7D& alt=&H\simeq \frac{1}{N}\ln{W}& eeimg=&1&&。组合数多了就更不知道到底是其中的哪一个，系统的无序性、复杂性也大了，从上面的推导得出熵也大了。&br&&br&本解释来自&pattern recognition and machine learning&第一章第6节&br&======================分割线======================&br&回答&a href=&/people/bigeast& class=&internal&&王大东&/a&的疑问：&br&1. 为什么要取对数而不用其他单调函数。&br&
也许是因为只有这样变换，排列组合数和熵的定义才能恰好对上。一般来说，科学家需要把跨越多个数量级的数据(比如从1亿到1亿亿亿之间)单调变换到一个更窄区间时(比如1到20之间)，需要一种变换能够把乘法变为加法，这就是对数变换。&br&&br&2. 遇到有些格子里球很少怎么办？&br&
这正是除以&img src=&/equation?tex=N& alt=&N& eeimg=&1&&的另一个好处。首先，这个解释只适用于&img src=&/equation?tex=N& alt=&N& eeimg=&1&&很大的情况。重新来看看定义：&br&&img src=&/equation?tex=H%3D%5Cfrac%7B1%7D%7BN%7D%5Cln%7BW%7D%3D%5Cfrac%7B%5Cln%7BN%21%7D-%5Csum_%7Bi%3D1%7D%5E%7Bm%7D%7B%5Cln%7Bn_i%21%7D%7D%7D%7BN%7D& alt=&H=\frac{1}{N}\ln{W}=\frac{\ln{N!}-\sum_{i=1}^{m}{\ln{n_i!}}}{N}& eeimg=&1&&&br&&br&当某个房间的小球数&img src=&/equation?tex=n_i& alt=&n_i& eeimg=&1&&和&img src=&/equation?tex=N& alt=&N& eeimg=&1&&相比过小时&img src=&/equation?tex=%5Cln%7Bn_i%21%7D& alt=&\ln{n_i!}& eeimg=&1&&也很小，这一项可以直接从求和中删掉，甚至都不用考虑Stirling公式在小样本上失效的问题。因为我们在&img src=&/equation?tex=H& alt=&H& eeimg=&1&&计算中，只有和&img src=&/equation?tex=N& alt=&N& eeimg=&1&&数量级相当的分子部分才予以考虑，这些无足挂齿、让Stirling公式失效的房间中的小球数加在一起和&img src=&/equation?tex=N& alt=&N& eeimg=&1&&相比也是九牛一毛。在随后的计算中也可忽略。毕竟我们在算一个无穷比无穷型的分数值。&br&&br&3. 是否把n!当作(n/e)^n来近似？&br&
不是的，我们来看看wiki上的Stirling公式：&br&&img src=&/equation?tex=n%21%5Csimeq+%5Csqrt%7B2%5Cpi+n%7D%5Cleft%28+%5Cfrac%7Bn%7D%7Be%7D+%5Cright%29+%5En& alt=&n!\simeq \sqrt{2\pi n}\left( \frac{n}{e} \right) ^n& eeimg=&1&&&br&首先对这个数取对数得到：&br&&img src=&/equation?tex=%5Cln%7Bn%21%7D%5Csimeq+%5Cln%7B%5Csqrt%7B2%5Cpi+n%7D%7D%2Bn%5Cln%7Bn%7D-n%5Cln%7Be%7D& alt=&\ln{n!}\simeq \ln{\sqrt{2\pi n}}+n\ln{n}-n\ln{e}& eeimg=&1&&&br&这是正确的。右边三项的阶数分别为&img src=&/equation?tex=o%5Cleft%28+%5Cln%7Bn%7D+%5Cright%29+& alt=&o\left( \ln{n} \right) & eeimg=&1&&，&img src=&/equation?tex=o%5Cleft%28+n%5Cln%7Bn%7D+%5Cright%29+& alt=&o\left( n\ln{n} \right) & eeimg=&1&&，&img src=&/equation?tex=o%5Cleft%28+n+%5Cright%29+& alt=&o\left( n \right) & eeimg=&1&&，因此第一项属于第二项和第三项的高阶无穷小，被直接忽略，因此就得到：&br&&img src=&/equation?tex=%5Cln%7Bn%21%7D%5Csimeq+n%5Cln%7Bn%7D-n& alt=&\ln{n!}\simeq n\ln{n}-n& eeimg=&1&&&br&并没有把n!当作(n/e)^n来近似，也没有随意忽略平方根。&br&&br&======================分割线======================&br&回复&a href=&/people/blackholeescaper& class=&internal&&BHEscaper&/a&&br&熵的定义不止一种：&br&1、首先是香农在信息论中提出的信息熵，定义为：负对数概率的期望。正文部分的推导就是证明这个定义和小球组合数渐进等价。推导显示“信息熵”不过就是小球组合数的另一种压缩的表示形式，而“小球组合数越多越复杂”则是一个非常容易理解的解释。香农定义的熵之所以被广泛应用，是因为它具有很多更加深刻的性质，可查阅Cover所著《信息论基础》进一步理解。&br&2、物理上的熵。物理上的熵我参考了《费恩曼物理学讲义》第一卷44章第4节和第6节的定义：&br&理想热机在温度&img src=&/equation?tex=T_1& alt=&T_1& eeimg=&1&& 吸收热量&img src=&/equation?tex=Q_1& alt=&Q_1& eeimg=&1&&，在温度&img src=&/equation?tex=T_2& alt=&T_2& eeimg=&1&&放出热量&img src=&/equation?tex=Q_2& alt=&Q_2& eeimg=&1&&,44.4节推导出有一个值一直不变：&img src=&/equation?tex=S+%3D+%5Cfrac%7BQ%7D%7BT%7D& alt=&S = \frac{Q}{T}& eeimg=&1&&这个值就被定义为熵。可以说熵的这个定义反映了物理学的一惯作风----给某种过程中不变的量起一个新的酷炫的名字。在44.6节，通过一些推导，这个熵又等价为：&img src=&/equation?tex=S%3DNk%5Cln%7BV%7D& alt=&S=Nk\ln{V}& eeimg=&1&&。丛而可以看出，分子数越多、体积越大的系统的熵也越大。具体推导请查阅相关章节，大一数学知识。&br&&br&这两种熵之间是不同的，香农的熵强调的是概率的无序性，房间数给定了，小球总数也给定了，然后集中讨论每个房间小球数各种分配方案中排列组合数的变化。然而费恩曼的熵也就是物理上的熵，与特殊的分布无关，强调整体上空间越大，小球越多，整个空间的熵(无序性)越大。
重要的解释贴在正文底下，按顺序依次是：正文：小球排列组合数与信息熵定义之间的渐进等价回复：推导过程中有关极限应用的几个问题回复：熵的不同定义，物理的和信息论中的======================正文======================熵反映了状态的复杂程度，这是一…
谢谢邀请。这不是我的专业。但是关于怎么回答问题我可以说说我的看法。&br&&br&我就举我从其他人的答案中看到的例子。&br&&br&例如，皮肤含水量问题。面膜增加皮肤含水量。就举这个例子好了。如果大家纠结在这个命题的真假，到处去找paper去证实或证伪，这讨论就会显得很low。事实上，进行科学实验总有非常严格而具体的限定条件，所以无论paper怎么报道，都跟实际使用的情况关系不大。&br&&br&就当敷面膜真的能增加皮肤含水量好了，就当皮肤含水量是健康的标准好了，就当一定要达到20%~30%以上好了，就当我们确实能准确测量皮肤含水量好了。在这些议题上争论的，都是刚领略到科学研究方法就迫不急待地挥武大棒的低年级研究生。 &br&&br&虽然科学研究方法或者说批判性思维是具有普遍性的，但毕竟隔行如隔山。所以，质疑要有水平，要能够导出科学事实，增加知识。例如，如果说敷面膜才能把含水量增加到好的程度。那就是说，至少相当一部分人的皮肤在平时含水量是不达标的。当然，又不会无限地干燥到0。那么作为外行人，首先要问的就是皮肤平时的含水量一般多少？所谓“含水”都包括哪些地方里的水？有些地方的水当然不会少，例如细胞质里的水分，那是生物大分子的亲水性和电解质平衡的结果（这是我专业内知识）。如果光谈这部分水，想要“修改”其含水量，似乎只有改变生物大分子的组成和电解质浓度。那么，外敷的面膜能改变这些吗？OK，如果不是靠改这些，那还有哪些部分的“水分”是外敷可以改动的？这种质疑就是能导出科学事实的质疑。因为，你不知道无非是你不专业，别人专业的说不定真能告诉你，外敷怎么就能使含水量变化。&br&&br&我还可以质疑下去。如果说要敷才能临时提高，那敷完之后多久就会降下去？有数据吗？那就是说，每隔多长时间敷一次为最佳？&br&&br&其实含水量是我随便挑的例子，不是要针对哪个答案。我可以随便再挑几个，例如敷的面膜里含有胶原蛋白对皮肤好。人家只是说“对皮肤好”，没说“皮肤能吸收”。“不吸收还能怎么好法？”那你别太武断。我以前所在的课题组做过研究，把蛋白质溶液抹在头发上，能使头发丝表面的角质层变光滑好看（从电镜照片里看到的），但是用水洗掉之后就又恢复原样了。而且当时也就只知道能变光滑而已。我们不知道，到底是光滑好一些，还是不光滑好一些，还是没所谓。如果光滑好一些，那也许在角质层上仅仅抹一层胶原蛋白也可以算是一桩好事。如果以上的推理能稍微补充上一些事实理由，那我觉得就不用再追究太细。而且我们至少也了解了这些事实理由，增加了知识。&br&&br&这种问题还跟中医的争论有类似的地方。例如，说使用茶树精油理由是有消炎的作用。如果仅为消炎，为什么不直接使用消炎的药物分子，要用茶树精油？所以当然用它不仅仅是为了消炎。那到底还为了什么别的原因？这事情永远没办法说得太细的。海底的矿物，这东西听起来成份是不确定的。哪片海的海底呢？成份会不会差很远？主要有效的成份是哪些矿物？那既然这样为什么不直接用这几种物质调个溶液来用？因为很多无机盐其实是非常便宜的化学试剂。显然，答案就是：还有很多我们还不知道的因素在起作用，使得海底矿物泥就是跟我们人为地调配模仿成份效果不一样。这种心态跟中医是一样的。如果我们讨论的时候抓住这种问题去争论，就会使讨论沦为中医之争式的low帖。&br&&br&关于“生科院院长”的段子，首先就不确定他是否说了这话，或者原话的上下文和场合是不是就如段子所言，还有哪些段子没有讲到的信息（质疑这些就显得low，因为质疑这些是没用的，段子就是段子）。我想，假如真的有一个生科院院长跟学生讲了以上那些话，其用意是说：受过科学研究训练的人，应该能够像我在前问那样问出这样的问题，于是就不应该仍像那些没有这种思维的大众一样不假思索。他认为，作为知识分子的其中一个特点就是能够在当今发达的广告媒体下从芸芸无知轻信的消费者中独立出来。&br&&br&但其实，生物专业的女生毕竟是女生。让一切go right，用行动来彰显真理并不是她们的追求。敷面膜讲究的其实还是体验和社交，例如敷上姐妹淘之间最新追捧的产品的兴奋感。不管它有没有用，科不科学，如果你还没敷上，就会在社交圈子内处于不利的状态。因为在这个圈子里没有人care胶原蛋白是否能透过皮肤。当然，我说的只是其中一种比较肤浅和虚荣的社交体验。还可能有其他的一些体验，例如，我之所以敷一个因果联系还不清楚的东西到脸上，恰恰就是为了体验神奇。就是希望，海底矿物真的有什么科学尚不能清楚的神奇力量在起作用。敷完之后，脸蛋有任何变好，我都归因于是那种神奇力量。每次敷完都感到神仙的眷顾，这有什么不好？这就是我说的，因为人们在家里敷面膜，跟实验室做实验完全是两回事。不管是哪种体验，应该都跟胶原蛋白能否透过皮肤无关的。这是现代发达媒体下的各种社会心理。如果说生科院院长的那段话不专业，他不是生物不专业，而是社会学不专业。
谢谢邀请。这不是我的专业。但是关于怎么回答问题我可以说说我的看法。我就举我从其他人的答案中看到的例子。例如，皮肤含水量问题。面膜增加皮肤含水量。就举这个例子好了。如果大家纠结在这个命题的真假，到处去找paper去证实或证伪，这讨论就会显得很low…
来自子话题：
&p&先反对“做不出”。&br&
苏州的莹特丽、共聚，上海的巴黎蒂、露凡希，都是优秀的彩妆加工厂，里面工作的都是中国人。某些工厂可能只接国外订单，其中有很多鼎鼎大名的彩妆产品，直接出口，然后通过品牌商返销国内。说“中国做不出”，这不成立。&/p&&p&但是要说中国本土品牌为什么没有上档次的好用产品，这涉及到营销和市场的定位。优秀的彩妆公司，需要在时尚领域有长时间的沉淀，这是中国品牌目前不能及的。定位上不去，产品自然要跟随定位走。不是说你做出来一流产品卖二流价钱就能行的。&/p&
先反对“做不出”。
苏州的莹特丽、共聚，上海的巴黎蒂、露凡希，都是优秀的彩妆加工厂，里面工作的都是中国人。某些工厂可能只接国外订单，其中有很多鼎鼎大名的彩妆产品，直接出口，然后通过品牌商返销国内。说“中国做不出”，这不成立。但是要说中国本…
来自子话题：
看了这么多回答真是无力吐槽了 是不是苹果的所有设计都是人性化啊？ 吸力很强？ 一般插着电源就不动了？ 你们要不要无脑这么捧啊&br&&br&&img src=&/4e9cd0aa300c4d9ed3f0_b.jpg& data-rawwidth=&1024& data-rawheight=&492& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/4e9cd0aa300c4d9ed3f0_r.jpg&&这种情况烦死了有没有？&br&========================================================================&br&解决方案: Snuglet&br&&a href=&/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Snuglet keeps your MacBook power cable from falling out.&i class=&icon-external&&&/i&&/a&&br&最早是在kickstarter上做的 &a href=&/projects/snuglet/snuglet-keeps-your-macbook-power-cable-connected& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Kickstarter && Snuglet&i class=&icon-external&&&/i&&/a&&br&&br&&img src=&/d2c184a18d32e09869d15a_b.jpg& data-rawwidth=&500& data-rawheight=&360& class=&origin_image zh-lightbox-thumb& width=&500& data-original=&/d2c184a18d32e09869d15a_r.jpg&&&br&&img src=&/cb82bccbffdb9f934e3e6d_b.jpg& data-rawwidth=&1024& data-rawheight=&683& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/cb82bccbffdb9f934e3e6d_r.jpg&&&br&随便截的review 因为是在官网上 不知道有没有水分&br&&img src=&/dae3df2edb199d9cebbc118_b.jpg& data-rawwidth=&1046& data-rawheight=&509& class=&origin_image zh-lightbox-thumb& width=&1046& data-original=&/dae3df2edb199d9cebbc118_r.jpg&&&br&一套19刀 包括俩snuglet和一个拆卸工具，寄美国国内的话0-3刀 到祖国首都是5刀 但考虑到时间成本和丢失的风险 由美国亲友的话还是代收稳妥 毕竟很小的物件。
看了这么多回答真是无力吐槽了 是不是苹果的所有设计都是人性化啊？ 吸力很强？ 一般插着电源就不动了？ 你们要不要无脑这么捧啊这种情况烦死了有没有？========================================================================解决方案: Snuglet
评论中很多人分析，这是因为防晒霜中的主要成分“二苯甲酮”，与驱蚊水中的主要成分“避蚊胺”产生化学反应，生成了有毒物质，皮肤吸收后就中毒了。&br&&b&★二苯甲酮&/b&&br&防晒霜分为物理防晒和化学防晒两种，化学防晒霜是通过吸收紫外线的方式，来起到防晒的目。&br&很多化学防晒霜，包装上都注明含二苯甲酮。&br&二苯甲酮有一个特殊的分子结构，可以吸收紫外线，起到保护皮肤的作用。&br&&b&★避蚊胺&/b&&br&很多带驱蚊效果的花露水，包装上标注避蚊胺成分，浓度在3%-8%不等。驱蚊胺可以麻痹蚊子神经，让蚊子对它产生厌恶，达到驱蚊目的。&br&要知道两种成分混合，会不会产生有毒物质？ &br&做个小实验：把二苯甲酮和避蚊胺混合，充分搅拌；二苯甲酮很快就溶解在了避蚊胺的溶液里。将混合物放在模拟人体体温37度的环境里，静置10分钟，然后再来分析它们是否发生了化学反应。&br&&p&&img src=&/f34cd3ba5ce9_b.jpg& data-rawwidth=&600& data-rawheight=&394& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/f34cd3ba5ce9_r.jpg&&二苯甲酮（呈白色结晶状）、避蚊胺（无色透明的液体），将两者的混合物通过仪器进行分析。从分析图谱上比较，二者混合以后的两个峰值表明，它们仍然是两种物质，并没有生成第三种有毒物质。&img src=&/463a2a18568cfe8e7bb2daf1e89e7fc8_b.jpg& data-rawwidth=&600& data-rawheight=&410& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/463a2a18568cfe8e7bb2daf1e89e7fc8_r.jpg&&&img src=&/3ff55e602dfe33c01fffce348b5d50bc_b.jpg& data-rawwidth=&600& data-rawheight=&414& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/3ff55e602dfe33c01fffce348b5d50bc_r.jpg&&&img src=&/1be5af45ecacd5e178e10fbb_b.jpg& data-rawwidth=&600& data-rawheight=&414& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/1be5af45ecacd5e178e10fbb_r.jpg&&两种物质混合后，并没有发生化学变化，生成新的物质。就更谈不到生成所谓的有害物质。所以猜测是皮肤对某单个物质的过敏引起的。&br&有人指出说，避蚊胺能麻痹蚊子的神经，大量使用的话对人体也有害的？&br&能在人体身上体现出毒性这需要非常大的剂量。作为这种上市的驱蚊产品，想过国标中一定会对用量进行强制规定。使用量在限量范围内的，基本上对人是不会产生危害作用的。但避蚊胺这种成分，对避蚊胺特敏人群，相对较少的使用量，身体也会起反应。也许这就是台北王小姐出现过敏并晕厥的原因。&br&另外，二苯甲酮可以提高驱蚊胺在人体表面的分散性。也就是说，涂过防晒霜，让驱蚊水（含驱蚊胺）与皮肤接触的面积更大，对皮肤产生影响会增大。&br&首次使用尽量不要大面积喷涂。可先在皮肤比较脆弱、敏感的地方，如上臂的内侧，先擦点观察一段时间，看有没有反应。如没反应，就可以放心地使用了。&/p&
评论中很多人分析，这是因为防晒霜中的主要成分“二苯甲酮”，与驱蚊水中的主要成分“避蚊胺”产生化学反应，生成了有毒物质，皮肤吸收后就中毒了。★二苯甲酮防晒霜分为物理防晒和化学防晒两种，化学防晒霜是通过吸收紫外线的方式，来起到防晒的目。很多化…
来自子话题：
锂电池鼓胀一般有如下原因：&br&1、过放过充；&br&2、微短路，也就是隔膜有破损导致电池内部正负极有部分接触；&br&3、高温下连续浮充导致电解液发生副反应，以及高温下大倍率充放电，民用基本不会出现这个问题；&br&4、低温充电，其实也是析锂刺穿隔膜造成微短路；&br&5、外包装的铝塑膜遭到腐蚀；&br&6、抽真空不干净，或在海拔高的环境使用，手机电池都是软包装，这个影响很大。
锂电池鼓胀一般有如下原因：1、过放过充；2、微短路，也就是隔膜有破损导致电池内部正负极有部分接触；3、高温下连续浮充导致电解液发生副反应，以及高温下大倍率充放电，民用基本不会出现这个问题；4、低温充电，其实也是析锂刺穿隔膜造成微短路；5、外包…
来自子话题：
计算是一切理科的基础。你的举例也是基础中的基础（这么简单的内容你竟然还觉得是难为人，我真是没什么可评价的了），涉及到不同金属的化合价和活性等问题。你说数学学1+1俗不俗？但是不俗你就没法进行下一步。&br&科技前沿？这个你有点想多了，以高中化学那个小的可怜的覆盖范围，即使是给你来一通前沿科技介绍，最终也还是绕回到你认为俗的那几个点上。&br&&br&如果你真的对化学有兴趣，就认真打好基础，以后大学选化学专业。普通的高中生别说化学行业的前沿内容，就是连化学竞赛的题目都感觉是天书。&br&&br&切勿好高骛远。
计算是一切理科的基础。你的举例也是基础中的基础（这么简单的内容你竟然还觉得是难为人，我真是没什么可评价的了），涉及到不同金属的化合价和活性等问题。你说数学学1+1俗不俗？但是不俗你就没法进行下一步。科技前沿？这个你有点想多了，以高中化学那个…
根据题主给出的条件??汞在人体内的温度下易挥发为气体，可以直接解决题主的问题。&br&
若完整地回答这个问题，即喝下水银为什么会让人中毒，需要搞清楚汞的对人有害的原因。&br&
通常情况下我们接触的有毒物质对人的攻击原理有两种：破坏神经和破坏蛋白质。重金属中毒（确认此概念，不包括少数重金属高价化合物靠强氧化性伤人，如高铁酸钾、重铬酸钾等；一些重金属元素放射性致死，如钚；以及吞金自杀这种用物理方式破坏人体）会同时对神经和蛋白质造成影响。从化学角度理解，所有重金属离子都是有毒的，题主所指的有毒无毒就要看重金属在各种条件下会不会被转化为金属离子。&br&
比如金离子是有毒的，但如果不做化工在日常生活里可能一辈子你也见不到三价四价的金离子，金单质在人体内不可能被氧化，所以吃的金子只要不够多就不会死。所以金无毒。（类比汞喝进去金液那是烫死的）&br&
而汞蒸汽极易穿透细胞膜与脂质结合从而扩散到全身并且在血细胞和组织细胞中被氧化为二价汞离子，使人重金属中毒。所以汞蒸气有毒。&br&而同理，液态汞在人体外是不会被吸收的，我们就可以得出液态汞无毒的结论。&br&
然后我们把液态汞喝掉。于是汞在体内挥发然后重复上述的过程使人中毒（尽管认为不会发生，但的确不清楚液态汞是不是能直接通过小肠壁，望专业人士解答）。&br&
液态汞无毒，但它无时无刻不在产生有毒的气态汞。（所以别喝_(:3」∠)_&br&
等飞机然后一不小心码了这么多字??问题挺简单的，希望没小题大做_(:3」∠)_
根据题主给出的条件??汞在人体内的温度下易挥发为气体，可以直接解决题主的问题。 若完整地回答这个问题，即喝下水银为什么会让人中毒，需要搞清楚汞的对人有害的原因。 通常情况下我们接触的有毒物质对人的攻击原理有两种：破坏神经和破坏蛋白质。重…
宏观上讲，热力学告诉我们，一个体系自发的是趋向于混乱无序状态的。&br&楼主的体系中，细胞内外有浓度差，这是一定程度上的有序状态，所以体系就会有一个自发的想无序状态的推动力，在此例子中表现为渗透压。&br&有推动力就有阻力，水分子通过细胞壁，必然产生一个压力降，这个压力降低的大小就是阻力。&br&只有推动力大于阻力时才发生水分子的移动（宏观上的有序运动，微观上正方向和方向迁移同时存在，区别是速率大小的问题。&br&这样下去，内外浓度差逐渐减小，推动力跟着变小，直到推动力不足以克服阻力后达到平衡状态。&br&&br&微观上讲，分子在做无规则运动。而细胞膜只允许水分子通过。&br&由于细胞膜两边水分子的密度不一样，换言之有溶质的那边溶质分子稀释了水分子。这样水分子密度大的那边单位时间就有更多的水分子想密度小的那边运动，表现出来的就是楼主说的那样了。&br&&br&说的符号化一些就是有个叫做化学势的东西。物质总是自发的从化学势高的地方向化学势低的地方运动。&br&&br&谢谢指正，修改一下。&br&细胞膜不仅仅细胞膜不仅仅只允许水分子通过，还允许它选择的离子通过。在溶质是这类离子时，这些离子宏观上是自发向水分子的反方向迁移的。原因和上面相同，区别是溶质浓度高的地方溶剂浓度就更低。
宏观上讲，热力学告诉我们，一个体系自发的是趋向于混乱无序状态的。楼主的体系中，细胞内外有浓度差，这是一定程度上的有序状态，所以体系就会有一个自发的想无序状态的推动力，在此例子中表现为渗透压。有推动力就有阻力，水分子通过细胞壁，必然产生一个…
来自子话题：
拉拉啦来补充一丢丢～&br&请大声朗读：安全是药物生产的第一要义，成本不是（成本高了卖贵点就好了嘛，不安全谁吃谁ge pi 啊）。市售药物消不消旋主要看的还是安全问题：&br&&br&&p&1. 那么为毛不拆分的手性分子可能不安全？&/p&&p&药物进入人体发挥作用的根本原因是药物和体内物质反应了。而体内的诸多大分子的本身的空间结构特殊，要结合上这些靶点是需要严格的手性识别和匹配的。因此手性结构不一样，匹配上的东西可能就不一样。所以对应异构体的活性啊，吸收啊，分布啊，代谢啊神马都可能是完全不一样哒，万一哪个环节出问题了，企业肯定是要负责嗒！虽然现在的药品审查日臻完善，但上市后才逐渐发现新潜在不良反应的药物还是比比皆是的，所以如果是&b&以光学纯异构体上市，也可以降低未知的安全风险的嘛&/b&！&/p&&br&&p&2. 如果确定安全的对映体为啥还要分开？&/p&&p&&b&剂量减少，剂量精确度更好控制，药物代谢负担变小，也是很值得的好麻&/b&！&/p&&p&s和r的作用可能有这么些情况：&/p&&ul&&li&只有一种有活性，另一种没有药理活性：显然多吃一堆么有用的玩意虽然也无不可，但是剔掉了更好嘛。－－剂量减少降低人体的代谢负担。&/li&&li&都有同样的药效，活性差不多：这个显然在做了充分的安全性研究的基础上，混在一起也没啥问题，而且确实不少药物都是以消旋体卖的。&/li&&li&都有同样的药效，活性有差异：这个在情况一和情况二之间，看着办咯，楼上好几位都提到了新专利的事儿，也有不少是在这个类别里的。就看拆分成本和专利药利润pk结果咯。ps 拆分后还能提高实际剂量精度，如果药物的治疗窗比较窄，这个还是很值得拆的。&/li&&li&有不同的药效：楼上的普萘洛尔就是活例子嘛，拆分咯有不同的适应症不好嘛？&/li&&/ul&&br&&p&3. 对映体的互相转化的问题&/p&&p&沙利度胺这种典型必须拉出来再鞭笞一番啊，r可以镇定，但s强致畸。而使用的单一异构体的话，到了体内还是避免不了会消旋，只能够缓解致畸作用。所以现在消旋体不能卖，但新的单一异构体可以，就严格监测＋孕妇禁用。&/p&&br&&p&4. 成本问题&/p&&p&虽然手性合成对技术和工艺的要求高了，但是很多情况下可以节省原料成本，降低三废排放吖。合成学的太渣不敢多言。&/p&
拉拉啦来补充一丢丢～请大声朗读：安全是药物生产的第一要义，成本不是（成本高了卖贵点就好了嘛，不安全谁吃谁ge pi 啊）。市售药物消不消旋主要看的还是安全问题：1. 那么为毛不拆分的手性分子可能不安全？药物进入人体发挥作用的根本原因是药物和体内物…