鑽石舞台

一般來說，納米多孔材料在分子尺度上具有較大的表面積和明確的孔隙，使其作為選擇性吸附劑和催化劑具有吸引力。沸石孔隙的直徑範圍為~0.3到~1.3 nm，決定它們的分子篩分性質，並控制對催化活性或吸附劑結合的內部位點的訪問。其中，通過調整孔隙的大小和形狀，可以選擇適合孔內的吸附分子的大小和形狀，從而排除較大的分子。這種效應在選擇性化學轉化中得到了利用。然而，從晶體結構計算的有效孔徑遠小於從催化轉化和分子篩分能力推斷的孔徑。長期以來，人們一直推測這種差異在一定程度上反映了沸石孔隙的靈活變形。儘管如此，沸石孔隙的變形很少見報道。與具有長而柔軟的有機連接體的柔性金屬有機框架（MOFs）不同，沸石材料（彈性模量在50至100 GPa範圍內）在大多數應用中宏觀表現為剛性和易碎材料。

之前一篇文章里我們介紹了 Python 架構模式[1]，其中包含了非常多如何設計大型 Python 項目架構的思考和實踐方式。不過在日常工作中，除了整體架構外，對於代碼本身的工程質量也同樣非常重要。之前給朋友推薦這方面 Python 相關的書籍，一般都是《Fluent Python》或者《Effective Python》這兩本，前者相對比較關注 Python 的內部原理，如何靈活應用需要不淺的功力；而後者是相對零散的最佳實踐，缺乏一種體系性的感覺。今年讀了一本比較新出的《Robust Python[2]》，發現很好的填補了 Python 在工程質量話題方面的空白，能為維護大型的 Python 項目打下非常好的基礎。這篇文章就來簡單介紹一下這本書的內容。

由於近些年在數據科學，機器學習方面的大量應用，Python 已經成為這個星球上最流行的編程語言之一。隨着數據智能、機器學習算法類應用的爆發，整個領域也逐漸從之前的「小作坊實驗室」模式往「工業化大規模生產」模式轉變。這也是為啥 MLOps 這兩年越來越成為一個熱門話題的原因。隨着算法類軟件逐漸走向「工業化」，擁有良好工程能力的算法工程師越來越成為企業急需的人才類型。就拿我們公司來說，之前也考慮過要不要招聘專職的 Python 開發工程師來做 AI 相關產品的研發。不過嘛，算法類的 Python 開發跟傳統的 Web 開發在知識領域上的需求還是有很大區別的，所以絕大多數情況下還是算法工程師補充更多的代碼工程技能會更有優勢。這也是為什麼我非常推薦從事算法工作的同學也可以多學習一下這本書的原因。

◎智谷趨勢（ID：zgtrend）| 暴雨

◎智谷趨勢（ID：zgtrend）| 震穀子

◎智谷趨勢（ID：zgtrend）|傅斯特