量化的价值

培养未来的科学家是大学的职责。这一直是一项艰巨的挑战，而且越来越难。科学研究的方式正在发生变化，变化本身的速度也在加快。这可能会导致技能缺口，而在过去，行业会通过基于一般能力进行招聘，然后提供特定的内部培训来填补这一缺口。

在某些地区，这仍然很有效。然而，随着技能差距的扩大，这种策略就会变得不那么有效——而且，如果后来发现学生在所学专业以外的领域缺乏所需的能力或兴趣，对谁都没有好处。这种差距正在化学工艺开发中开始发展，需要紧急解决。

近年来，我们通过动力学和力学研究来理解反应的方式发生了重大变化——不仅是在确定特定反应是否发生及其收率方面，而且在定量理解它如何以及为什么以特定的收率、速率和选择性发生方面。这仍然是一个发展中的科学领域，但获得所需反应和不需要反应的定量力学分析从未如此容易或快速，而几年前还处于前沿的工具现在已经变得普遍。使用多个原位探针可以很容易地获得高质量的时间分辨数据，涵盖从简单的pH值和温度测量到光谱和液滴(在乳液中)和颗粒(在浆液中)尺寸分析的所有内容。然后，这些测量可以进一步补充高度复杂的量子力学和分子力学(QM/MM)计算。然而，合成化学家充分利用这些丰富的定量数据的一般能力还没有跟上这些发展的步伐。这意味着潜在的好处并没有完全实现。

放眼全局

为了充分利用数据可用性的变化，需要改变工作方式。设计正确的实验和选择收集哪些数据现在是整个实验的关键部分;重点已经从单个实验的结果转移到使用系统的概念视图来设计实验，这些实验一起工作以建立反应的定量图像。在流程开发期间，可以根据需要对这些内容进行补充和构建(见下文)。

改变一个参数，看看会发生什么，这样的日子已经一去不复返了。诸如分数阶乘设计的实验方法，即在连续实验之间对多个参数进行系统改变，也正在通过更智能、更有效的设计进行改进。这些提供了有针对性的实验，提供了最机械和参数信息。¹在我们的领域，这种衍生反应的理解然后反馈到控制最终制造过程所需的关键参数的优化和识别。但这还没完。监管环境的变化(如连续工艺验证)意味着现在也有更大的要求来收集和分析生产数据，以证明生产过程处于控制之下。因此，数据操作、可视化和挖掘方面的技能正以前所未有的方式变得至关重要。

思维方式

显然，随着工作方式发生如此重大的变化，科学家在大学接受的培训也需要有相应的变化。在使用特定前沿设备方面的培训是有用的，也是将新方法引入工业的好方法，但关键和最难的部分是灌输正确的思维技能。可以说，在合成化学家中最难找到的技能之一是定量思考的能力。在统计和数学方面的自信和能力是一个很好的基础。然而，一个被忽视的技能通常是错误分析和证明结论的统计相关性;虽然这通常是本科生实验报告的标准，但在写博士论文时就不那么重要了。

然而，定量思维不仅仅局限于统计和数学。它包括能够将一个复杂的反应分解成各个部分，从多个来源收集信息，进行必要的缺失测量，然后以定量预测的方式将它们重新组合在一起。

这并不意味着在工艺开发中没有熟练的合成化学家的位置——需求仍然很大。好的工艺开发的出发点仍然是选择正确的合成路线。然而，这条路线将被确定，然后发展成一个安全、环保、可扩展和具有成本效益的制造工艺，可靠地提供高质量的产品，这种方式已经改变，并将继续改变。这些变化带来了新的机遇，但要充分发挥它们的潜力，需要一个受过不同行为、技能和工作方式训练的头脑。