源头

笔者在Google搜索化工留学+交叉学科，这貌似是少数贴题的回答之一：科学网上也有对此的相关评述：http://news.sciencenet.cn/htmlnews/2017/4/373677.shtm(材料)，给我的整体感觉是，好像大家都知道交叉学科的兴起和重要性，但是对于本科甚至刚入门的研究生来讲，学科间的联系始终没有建立起来。

惊讶于来宣传学科发展的人寥寥无几的同时，也被现在留学产业的术业不精而心有余悸---信息不专业可能是现在准留学生们选择障碍的根本原因。

梳理

除了上边挂出来的生物交叉学科，过程工业和材料学，我还想通过编程(计算机)，数值优化(应用数学)，机器学习(数据)，药学等几个方向把这个“所以然”给读者阐述清楚：学科间为什么会交叉，交叉学科的用武之地，化工交叉学科的俯瞰，一些现状的了解。

我想通过举例带入，本科的化工原理中的分离工程就讲：

我们通过对系统输入能量(enthalpy)来来降低系统混乱度(entropy)——大小分子各自聚集，当时这种讲解就对我启发很大。我们来想，在本科做实验研究的流体(气液)性质是以人类观感来定的，粘度，相平衡等等，甚至操作精度都是人类身体作为限制条件——传统的化工过程都是直观过程！比方说我们还研究精馏塔。两者能分离吗？能。一个板(TP确定)能分离多少？测点，画线。需要什么产品要求？经验计算。这是将一种相平衡的流体性质应用到设备设计里。以上两个过程可以用红字总结，而我们把完整的逻辑线画出来应该是这样的：

原子分子流体设备过程

这条逻辑线将贯穿整篇文章。在清华过程系统工程研究所官网上偷的一张图(侵删)(其实里边的横纵坐标轴已经有些过时了，time scale上我们可以做到飞秒(femtosecond)，space scale上可以到埃米(angstrom)的计算控制了)，却可以给我们更直观的感受。

细说

先详细说最简单的最常见的：流体设备过程优化 @运筹OR帷幄。

常见的相关软件有Aspen和gPROMS。

我的硕士老板Larry Biegler主持了Aspen中thermo部分的编码计算，我的博士二老板Costas Pantelides现任PSE(gPROMS)公司老总。总的来说，这包括了化工过程的综合、模拟和优化。试想，如果我们将三传一反(一般mass和heat equilibrium求稳态)的数学表达一一列出，过程中前后设备连接就会得到一套完整的方程组，那么如何改变操作参数可以达到最优结果就是现行最主流的化工过程系统工程。

其中我们可以看到整个流程：流体性质需要专门的实验课题组解决，将得到的参数(parameters)融入方程组建立优化模型，输入计算机，利用对应的求解器(solvers)求解。这就需要较高的编程技巧和大概一年的应用数学的学习才可以基本掌握。

那么流体设备这一步怎么实现呢？现行主流要么靠实验，要么靠CFD(Computational Fluid Dynamics)来实现。虽然有各种“已有“软件可用，但是到后期或者更前沿领域，软件一般都没有很适用的一键达成的button，都需要我们自己编程求解。尤其到更复杂深度，就不是一两个python script就可以解决的了，需要用Linux操作系统用bash在服务器(server)上跑，或许还需要Fortran, C, C++等编译器，要求我们掌握更高的计算机知识。

思考

我们往更深一步想，得到流体性质只有通过实验的方法吗？显然不，而且显然也不能了。先说为什么不能只通过实验获得了，同样举例说明，在获取原油的过程中，经常需要用特殊洗涤剂来把附在石头上的油洗出来，可是每个地方的油组成不一样，每一口井甚至都不同，那么老总在开会的时候就会问了，你们小组定的这个洗涤剂有什么根据是最好的，能给我减少浪费，而且控制成本。我能测A溶剂和#1样品油的各种性质，我能测A和#2的，等等等等，可是我只能保证我选出一个能对所有测试的样品油都取得大概很好效果的溶剂，而不能保证我的溶剂测试样本已经足够大。以往工程只要求做得到，资本介入后要工程做得好。大家都听说过UNIFAC，SAFT等根据官能团和组成来计算相平衡性质的热力学方法，试想，如果我们列出所有可能官能团(-OH,-C6H6,-COOH…)，以寻找溶剂分子中应该有几个该官能团可以得到最好效果列出数学优化问题，最后将官能团组合成相应分子，就把一个实验问题变成了数学问题。

应用

再来，我们来讲讲催化剂和机器学习。催化剂研究在中美都是炙手可热，毕竟是工艺流程中创收最方便的一环。试想，一种贵重金属催化剂PtO，我们来安排铂氧原子在一个二维平面上的分布来提高活性。以下是我面试UCL的一道题，如果是有4*4点方阵，可以有O或者Pt原子，有多少种可能？考虑对称等因素也是O(2^16)的数量级。怎么，要实验组一个一个做实验吗？而且仅仅是二维简化模型？在美国很时兴的方法是先做量子化学计算，而由于每个计算都很耗计算成本，我们会做这2^16个可能里一定比例的很精确的计算，而后通过机器学习来掌握其他可能。

机器学习这几年又可谓是谁都想蹭，通过对大量数据点进行学习，获取“真理”的行为规律，不管是学围棋的alphaGo还是内中复杂的量子力学计算，机器都能模仿“真理”并最终获得未知点的结果(可靠性另说)，具体知识大家有兴趣可以自行了解，在此我也贴出来一篇机器学习和催化剂计算的Nature论文(https://www.nature.com/articles/s41929-018-0056-y)，作者是我在CMU的一位任课老师，30出头就tenure，常年Google学校两边跑。而他的课题组和另一位以实验专长的课题组前店后厂，店里算着，算出一个厂里就造，一造出来就测试，测试完一组就发论文，进展奇快，业界更是相当买账。回头看一下，化工知识占到了多少，又有多少是其他学科知识在化工这个情景下的应用？

我的课题

我们再通过一个例子往更深处讲讲，我现在做的药学相关的课题。量子化学或者量子力学都是物理系或者化学系的东西，一些组里也会招收一定量的其他系的硕士读博。可是这套在上世纪50年代已经成熟的理论体系时至今日都不能有足够的计算能力做业界的家常便饭。我们需要简化的但不简陋的数学模型来拟合精确的量子化学计算，以此节省时间。机器学习当然是其中之一，其他模型繁冗复杂在此不做论述，可是他们的共同点是可以通过数学公式表达出来的模型。只要能用数学表达，就能嵌入优化模型里优化。

我接触的这个课题叫计算结晶学：一个分子给你组成，原子连接情况之后就可以问你，最稳定的晶形如何，有没有多晶体等等所有信息了。原子间有价健，库伦力，分子间有范德华力，有力就有势能，而一种晶体之所以结晶并稳定，就是因为他的总势能最小：原子分子=量子化学+应用数学+计算机！要想知道如何建模，就要结合量子化学专业知识计算力与势能；要想计算结果，就要编码搭桥，前后贯通成一个自动化程序(编程并不代表计算的全部，为了发挥组里cluster的性能，其他的计算机知识比如并行计算等也需要相应了解)。说句题外话，很多组里的成员毕业后都没有给大药厂打工，而是凭着一手写码能力光荣coding monkey或者进入金融行业做量化计算赚“大”钱了。

最后总结：如果说互联网的发展掀起了信息时代，其实计算机和应用数学的发展也早已掀起了工业里的信息时代。附一张UW对交叉学科理解的图(侵删)，本文住要结合了笔者自身经历，不周详不确切的，不明白想进一步了解的，欢迎大家与我交流。

拓展阅读

本问答作者系『全球留学DIY飞跃计划』027号咨询师

作者简介：中国石油大学(北京)化学工程本科。国家留学基金委(CSC)公派美国卡内基梅隆大学化工硕士，系统工程，控制优化相关专业。现英国帝国理工大学(IC)化学工程全奖博士在读，研究方向为计算结晶学，数值优化。研究生和博士阶段均师从该国工程院院士，多次发表国际期刊及会议论文。我曾收获Upenn，USC，Purdue硕士offer，以及NTNU全奖博士offer。对英、美、挪威工科留学申请、CSC申请有丰富的经验；对化工及材料方向，以及与计算机，应用数学，机器学习等交叉学科了解颇深。我自身语言过硬，托福112，GRE328(均只考了一次)；擅于撰写修改PS，CV和RP，可以详细地讲解面试的过程和技巧。

我的个人线上名片：【DIY咨询师027】化工交叉学科·美硕CSC全奖·英博IC全奖