本文章为原创，版权归作者刘锦程所有，文章转载请先取得作者的同意，非常欢迎转发文章链接！严禁以任何方式挪用本文内容，用于以盈利为目的各种活动。
今天突然有一些感悟，趁着没有忘记，快点记录下来。由于之前在逼乎专栏被莫名其妙删贴，连草稿都不留，所以还是回到B站，记录下来现在想法，看看十年以后会不会兑现。
计算科学家分为两个大方向，一种是做理论方法的，比如，
开发HF方法的Hartree，Fork，Roothaan，
开创DFT方法的，Kohn和Sham，
开发量化程序的Pople，
开发QMMM方法的Martin Karplus,
能拿Nobel奖的计算化学科学家全都是这一类；另一种，就是做应用的计算化学家，这类人主要的工作是使用第一类人开发的方法和程序，做一些实际体系的计算，做理论预测或者解释实验现象，业内一般称这类人“做应用的”。 我，就是典型的“做应用的”。
其实在我进入计算化学这一行以来就有隐约的感觉，我在做的事情好像就是不断重复简单的操作，这会不会将来有一天完全大众化，就像司机一样，曾经司机是很稀缺的人力资源，而现在人人都是司机，那样我只会用程序，这样做应用计算以后不就失业了吗？
最近我在做VASP系列教程，期间读到DAVID S. SHOLL的DENSITY FUNCTIONAL THEORY这本书，看到非常有意思的一段话，产生了思考，作者把VASP学习比作开车，但是如果不懂车的运行原理（理论基础）那么车坏了就不会修车，依此来说明学习理论基础的重要性。
An analogy related to cars may be useful here. Before you learned how to drive, it was presumably clear to you that you can accomplish many useful things with the aid of a car. For you to use a car, it is important to understand the basic concepts that control cars (you need to put fuel in the car regularly, you need to follow basic traffic laws, etc.) and spend time actually driving a car in a variety of road conditions. You do not, however, need to know every detail of how fuel injectors work, how to construct a radiator system that efficiently cools an engine, or any of the other myriad of details that are required if you were going to actually build a car. Many of these details may be important if you plan on undertaking some especially difficult car-related project such as, say, driving yourself across Antarctica, but you can make it across town to a friend’s house and back without understanding them.
看完这段话，认为非常有道理，也收录到我的教程里。但是回过头来想细思极恐。
大概在刚刚改革开放时候的中国，司机是非常稀缺的人力资源，当时的工资也很高，车也很贵，因为当时的车不好开，都是大解放一类的卡车，学开车要有老师傅带，都是师徒形式的教学。如果车坏道路上往往需要自己修车，平常的百姓家里根本不敢想象自己以后也能有车/开车。
这就对应了大约十年前的科学计算领域的现状，量化程序（卡车）非常难用，计算机也很贵（车贵），需要很高的操作技巧，而学习使用程序计算往往要老师或者师兄师姐带路（师徒关系）。如果碰到计算问题往往需要自己读代码解决（修车），这就需要深厚的理论功底，实验课题组家里根本不敢想象自己以后也能有计算资源/自己也能开展计算。（有车/开车）
而随着社会的进步发展，汽车使用变得越来越容易，学习开车也有师徒关系变成了培训班的形式，汽车的价格也越来越便宜，最近5年，汽车已经完全走入了平常百姓的家里，而且现在车坏道路上，也不需要自己修了，一个电话就能解决所有问题。
实际上随着计算机操作系统和计算程序发展，程序的使用门槛变得越来越低，操作也越来越简单。比如：一个完全不懂量子化学的学生，在经过一段时间的培训以后，也可以用Gaussian这个程序算出非常棒的结果。市场上也出现了一大批的培训机构，比如，卢天(sobereva)的培训，在上过培训之后，经过一段时间的消化，之前一个仅仅具备化学本科知识的学生就能上手做计算。而且，计算过程中碰到问题，在论坛或者群里问一问，如果提问规范清楚，大概率在5分钟内就有专家帮助解答。现在计算机的价格越来越低，实验课题组已经完全可以承担足够的机时来完成自己想要的计算任务。
所以，隐隐中能感觉的到。纯做应用的计算科学家正在逐渐被取代，这有可能是未来20年的趋势。现状看来，已经有一定的苗头了！越来越多的实验课题组开始培养自己组里会做计算的人。而且，他们并不一定比计算组的人做得差，应用方向计算技术含量也越来越低，虽然还没有低到开车这么简单，但是大趋势已经相当的明显，比如，我已经录好了VASP5.4.4的编译教程，真的不敢想象，利用先进的Linux系统管理环境，大概只敲了10行的命令，喝了杯咖啡的功夫就完成了VASP的编译工作。我3年前编译VASP5.3.5的时候的繁杂步骤已经完全没有了。 以上仅仅是看书过程中的一点突然的感想，趁着记忆写下来，欢迎讨论。
作者：啦啦黑还黑
https://www.bilibili.com/read/cv1323548
出处： bilibili
(2019年4月补充：这几天刚刚参加了中国第四届计算催化大会，从2006年最初的五位创始人(当时国内做计算催化的就这几位老师：Zhao-Xu Chen, Jun Li, Wei-Xue Li, Zhi-Pan Liu, Xin Xu, Hai-Jun Jiao。到现在至少几千人的计算催化科研人员，我的导师目睹了中国计算催化工作者从0到现在爆炸式的增长，而泡沫飞速膨胀之后会怎么走呢？此次报告的内容非常精彩，毫不夸张的说，看到了中国的计算催化科学已经走在世界的前列！)
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。