永远不要盲目去做实验或计算

老司机分享一则故事：

    20年前刚下实验室，师兄教我：带着问题去调研文献或设计实验，才能事半功倍，才算是带着脑袋做科研。这番话，我受益至今！

    对于初学者，催化方向让人又爱又恨，因为眼见着别人起高楼、出成果，但自己的数据一团乱麻，又或者历尽千辛万苦做出来理想的样品，但表征工作总是得不到认可。即便最后终于收集了结构和性能数据，在解释方面又遇到了难题。老司机曾经经历过这个痛楚，结合个人经历，抛砖引玉，分享一二。

    接触某个课题时，就多花点时间去了解你的反应或体系，从文献、同行那里强化认识，明白当前的难题在哪里，以及为什么困难。比如氮气还原：

    问自己： 做了100多年，当下用什么方法以及我们对现有工艺有什么不满？

    自己答： 当下哈伯法需要高温高压，并使用氢气，而用我们需要降低能耗，降低碳排放。

    问自己：为何哈伯法会存在高能耗和高排放呢？

    自己答：采用的氢气来自化石能源重整，导致CO2排放，反应需要高温高压活化氮气。

    问自己：能换用其它氢源吗？中低温甚至室温下能实现氮气活化吗？

    自己答：电化学、光化学、光电协同都能用水作为氢源，中低温活化需要优异的催化剂。

    问自己：什么样的催化剂可以实现活化氮气？

……

（氮气如何活化，可以从分子轨道得到解释）

    如此反复问答，答不出来时就记下来，去查文献、去问老师，一定会能快速加深对课题的认识，这种深入细致的理解，让后续实验和计算工作不盲目，针对性更强。这本质上就是从问题出发，逆向寻求解决途径，这种以问题为导向的思维方法，我也用到了我催化建模和计算分析中，并概括为QMS方法：Q - 问题Question；M - 模型Model/方法Method； S - 解决方法Solution, 这个视频用小故事进行了解释：

合理、行之有效的方法，一旦建立，然后再不断应用到不同的项目上，并优化它，这就成了你自己的法宝和规范，具体催化问题都变成这一规范的应用场所了。