1. 代码的爱恨历程

2010年春

第一次接触编程是大一下学期的C语言课程，当时几乎是完全听不懂。等号不表示等于而成了“赋值”，开头一长串#include<stdio.h> int main(void){...}是干嘛的，#<>(){}这些符号又有啥讲究，为什么写那么一堆就为了输出个 hello, world？ 做个计算要定义变量，变量还分int, float, double, long这些类型，算完了还得printf(...)才看得到, 直接放Excel写公式不是更直接吗？越学越觉得是丈二和尚摸不着头脑，“指针”难道不是仪表里面那个细长的东东么，“内存地址”又是神马？这些东西和我们的专业又有哪门子关系，计算机这种“奇技淫巧”岂能和微积分、大学物理这种根正苗红的学科相提并论？于是抱着“不挂科就行”的心态混，期末成绩也是刚好没挂科而已。

2012年秋

再次接触编程就到了大四做实验课题的阶段，当时课题组有个被称为“大神”的学长从不做任何体力工作，只是用MATLAB做所谓的“数值模拟”。对大神的莫名崇拜，加之炫酷的3d数据可视化吸引了我的眼球，于是跑图书馆找了本MATLAB教材开撸，果然比C语言学起来体验好多了，原来写代码可以如此简单。恰好当时做课程设计，要求设计一个煅烧材料用的马弗炉，于是把它作为第一个练手的项目，一个星期废寝忘食谢了上千行，尽管现在看来太过稚嫩，当时却对自己的处女作成就感爆棚，毕竟这个程序也算帮一部分同学解决了燃眉之急。写得那么长，是因为当时完全根据计算过程一步一步来，没有采用函数封装，就连材料性质的参数也是一个一个定义，也还不晓得有“面向对象编程”这一思想。
2012年10月了解到有挪威东南大学（武汉理工的合作院校）的教授来招生，恰好还有感兴趣的专业过程技术（基本上等同于化学工程），于是果断申请和参加面试，聊得很愉快。得知录取也是意料之中，唯一的遗憾是不要求GRE成绩，此前苦战的324分没能发挥出价值。

2013-2014

硕士阶段第一门挂科率近半的硬课"数值模拟方法"，要用到MATLAB或Python求解常微分、偏微分方程，从Euler法到Crank-Nicolson和Runge-Kutta，从自己写求解器到调用库中的ode45/ode15s，最后还要分析各种求解方法的stability。这门课是当时投入最多的，期末成绩A，还在2014年秋季当了助教，手把手地给初次接触编程的学生debug，解释基础到不能再基础的问题。那时开始同情大一的C语言老师，对他没有足够耐心解答自己无止境的问题表示理解；更深刻同情国内非计算机专业的理工科学生，明明可以选择更人性化的Python等语言，却偏偏被安排了C作为考试内容，造成很多潜在的IT人才过早对编程失去兴趣。

2015年夏

真正开始系统学习计算机科学，是在2015年8月，当时先从最基础的离散数学开始，学到集合论、数论、图论的时候，深感自己的认知水平一再被刷新。比如说，回想起小学数奥的分解质因式，一直不知道有什么应用，直到搞懂了RSA加密算法。随后又在EdX上学习哈佛公开课CS50，Malan教授热情洋溢，简洁风趣地阐释复杂而抽象的概念、笑点不断的师生互动，让人坐在电脑前看视频都仿佛身临其境。又不禁感慨世上居然还有如此性感的男人，能让众多讲台下和显示屏前的学生们心潮澎湃。为了完成作业中的一个breakout(打砖块)小游戏，连续在Linux虚拟机的gedit中泡上几天。学到Web开发部分，诸多脚本语言更是对开发者友好，创造力更容易得到展现和发挥，因此互联网的应用也正在渗透到社会的方方面面。

2. 化学-化工之路

中学2005-2009

第一次接触化学是在初中三年级，当时对这门做实验像变魔术一般的学科很感兴趣。高中投入到化学竞赛的学习中，两年的省二还是没能获取保送资格。高考后报志愿选的也都是化学相关的，录取到了武汉理工的材料化学专业。（那时听到“学计算机的”，想到的就是修电脑、卖电脑，或者在网吧当个网管之类的。）

大学2009-2013

四大化学理论在高中学竞赛阶段都有涉及，轻车熟路便学下来了。而真正接触到科研，是在2011年的“大学生创新实验设计”，名称很华丽，然而具体到自身情况，就是由本科生来做导师的子课题，题目是“微波快速萃取技术在水泥熟料中游离氧化钙分析中的应用”。主要工作就是研磨样品，配制溶液，返滴定测游离钙含量，待到酚酞指示剂变红的一刹那，关紧滴定管，记录数据，输入到Excel的公式中算出平均值和标准差。相同条件下的平行试验多次进行，之后改变实验条件中的一个参数，再次进行多组平行试验。
　　课题持续了整个暑假加上几个月的周末，最终提交了的结题报告中数据真实却并不理想，并且很好的分析了数据标准差较大的原因。虽然“筛选”或修改数据，或许能发表个期刊论文，考虑到学术诚信并没有那么做。答辩结果“良好”，却并没有成就感，因为脑力似乎并没有得到施展和锻炼，专业技能也仅仅是在不断重复中操作更加熟练却没有质变。期间不止一次问自己，难道我所能做的就是这些吗，这似乎比受过训练的生产线工人仅仅多了个写论文的环节。甚至也想过能不能搞个机器来完成那些体力活，然而出于当时对C语言心存畏惧，也就只是想想而已。

硕士2013-2015

本科四年下来最大的感触是，基于仪器药品的实验研究主要还是不可替代性较低的体力劳动，硕士阶段投入到基于数学模型的数值仿真实验，尽管不能完全取代实验室的研究，也因具有以下优点而得以发展。
　　　- 成本低：只需计算机和相应软件，可以尝试大量不容条件下的试验，并且没有损耗品。
　　　- 结果可靠：排除了操作误差、主观误差，可重复性高（不涉及随机数的情况下，同样的模型、参数和算法，结果必然相同）。
　　　- 规模范围大：微观可达基本粒子，宏观可达工业级别的合成路线。
　　　- 安全性好：不接触有毒有害物质、易燃易爆品（写代码猝死的除外）。
　　　- 减少重复劳动：重复性强的体力劳动交给机器自动完成，人可以腾出时间从事更具有创造性的工作。
2015年6月硕士毕业后，由于化工行业不景气，一直没能在欧洲找到工作，于是留校做助教指导4名研二的外国小伙伴学OLGA软件（后面详细介绍这一神器）。其余时间，主要用在自学计算机科学相关课程，为转行做准备。

3. 计算机对化工行业的影响

3.1 工艺研发依赖软件

硕士论文的课题是“AICV(自动控制阀)在SAGD(重力辅助重油开采)过程中的开闭特征”，使用的即为斯伦贝谢(Schlumberger)公司开发的OLGA软件，里面整合了CFD（计算流体力学）、传送过程、热力学、流变学、油藏工程、管道工程、材料摩擦学等诸多工程领域，囊括了可能用到的数学模型、经验公式、工艺技术、物料的理化性质数据等等。操作人员并不需要掌握所有的理论、模型与公式，只要学会OLGA软件，进行以下操作即可得到所需结果。
　　　- GUI（图形用户界面）中画工艺流程图（搭建油藏-管道-阀门-PID控制器等）
　　　- 划分栅格，对连续的物料进行离散化，类似把连续的时间划分为许多时间间隔（time step）
　　　- 选取具体模型、经验公式、求解方法，皆有多种选择，根据需要的精度和计算时间而定。
　　　- 设定边界条件（温度、压强、PID控制器参数等等）、输出变量、数据存储的time step等。
　　　- 运行模拟，等待实验结果（中途可以plot已计算完成的数据）
　　具体到每一项都有很多细节需要处理，简而言之，程序会自动把系统模型描述为上百个状态变量的偏微分方程组，不断进行上百阶矩阵的求逆运算。每次模拟需要i7处理器的电脑跑上两三天，其间CPU占满，风扇转得可以当吹风机用。模拟结果用于生产过程参考，生产现场反馈的结果又被用来优化模型，不断提升两者的匹配度。

倘若不进行数值模拟，而直接在生产现场直接做试验，人力成本和资金投入会高得离谱。在计算机模拟技术成熟之前，这种工作一度确实需要大量工程师长期投入研发。然而，现在以化工为代表的传统行业的工程师之所以找不到工作，是因为更资深的工程师和学者的智慧，都被封装到这些神器般的软件里面了，而后者又大大降低了使用者的技术门槛。

鉴于此课题结果还不错，2015年10月在瑞典林雪平大学参加了SIMS56国际会议，并讲述拙作。参会的不仅有具体工程领域的建模与模拟研究人员，最牛的当属那些开发模拟软件的Computer Scientists，当时更是深感计算机在工程应用中的巨大影响。

3.2 生产依赖嵌入式系统

得益于挪威当地企业界管理层的校友们，读研期间教授带队参观了周边的Yara化肥厂、Norcem水泥厂、Noka水处理厂。诺大的厂区并没有看到任何车间工人，只有几名工程师坐在控制室里喝咖啡聊天，整个生产线的每一个设备(Reactor / Boiler / Seperator / Compressor / Pump /...)的各种状态（温度、压强、流速等数据），在诸多显示屏上一览无余。当然，工程师并不需要紧张的盯着显示屏，因为绝大部分控制工作都交给各种PID控制器了，只有当传感器的数据出现异常时，系统会自动提示操作人员进行相应的处理。随着微控制器逐渐完善，整个自动生产系统的智能程度越来越高，需要人为解决的问题也越来越少，因此不难理解这些企业为何不再招聘更多工程师。
　　目前的趋势是，生产环节（可以推广到整个传统制造业）需要的人力在逐渐减少，在不远的将来，第二产业的从业人数，也会像当今发达国家第一产业人口那样降低到2%以下。推动IT技术发展的驱动力，就是用机器替代人来劳动，人力成本越高的地方，越是自动化、智能化得到重视的地方（北欧是个代表）。

3.3 企业管理与产品销售依赖IT

化工以及其他很多传统制造业中，企业内部信息管理逐渐自动化，人员、资金、物料、仓储、物流等等，都在企业内部数据库中实时更新，销售的线上渠道占比也越来越高。此外，越来越多的企业还招聘数据挖掘方面的人才，进行市场趋势分析，进而做出产品定价、企业战略方面的决策。这方面，中国一些企业的发展走在了世界的前列。

4. 传统行业与新领域

自己真正下定决心转行IT还是由于原专业的就业难，2015年毕业前夕不但校招的公司少得可怜，反而有很多往年就业的前辈们被裁员。部分原因是油价持续下跌，石油化工公司普遍亏损，斯塔万格也变得一片萧条。在国内，化工行业同样面临产能过剩的问题，即使没有大量裁员，薪资待遇也低的可怜。相比之下，CS相关专业则在各行各业都有很大需求。即使是斯伦贝谢、哈里伯顿这些石油化工公司，在其他部门持续裁员的同时，也仍在高薪招聘软件工程师。
　　一般而言，以化工为代表的传统制造业，相比于以IT为代表的新领域，分别是资本密集型和技术密集型。对于创业者而言，传统行业最大的门槛是启动资金，而在IT领域，则是创新理念和人才；对于求职者而言，拥有人脉资源在传统行业往往起到很大作用，而想进入IT行业还是技术实力作用更为关键。尽管传统行业现在也朝着高精尖方向发展，越来越倚重创新和人才，但这一差距不是短期内能够扭转的。简要对比如下表。

5. 总结

新技术的发展日新月异，要跟上时代必须有终生学习的能力。学生阶段所学的专业知识并不是最重要的，如果把自己局限在某个特定领域而不跳出去展望更大的世界，难免会“只见树木不见森林”。