第七章. 化学 — 面试备考指南

核心培养特色

• 本博衔接 + 荣誉课程：第一学年强化数学分析（荣誉）、线性代数（荣誉）、普通物理（荣誉），构建"数理-化学"双重根基
• 一对一导师制：入学即配资深教授，大二即可进组做课题，优秀者大三发表一作论文并不罕见
• 单分子科学高地：交大在单分子荧光、单分子力谱、单分子电学测量方向国际领先，是致远化学的"名片"方向
• 100% 奖学金保障：含海外课程与研修专项奖学金，鼓励参加国际会议（如 IUPAC、ACS）
• AI for Chemistry：近年重点布局"化学+人工智能"，与上海人工智能实验室等共建交叉平台

模板一：学术导向型（适合有竞赛/科研经历的同学）

适用：有化竞奖项或科研经历的同学。重点展示学术积累、对某一分支的深入理解与明确兴趣方向。

模板二：综合素质型（适合全面发展、无竞赛背景但成绩优异的同学）

适用：无竞赛但综合成绩优异、动手能力强、有科普/社团经历的同学。突出全面素养与科研热情。

模板三：跨专业转方向型（适合原录取非化学专业、希望转入的同学）

适用：原录取专业非化学、跨方向报考的同学。关键是展现"深思熟虑 + 已做知识储备 + 清晰规划"，而非一时冲动。

模板四（英文版）：Academic-Oriented Self-Introduction

适用：英文面试概率较高的同学。建议背诵熟练、语速自然；可准备 30 秒精简版应对追问。

考察对化学学科的认知深度与动机真实性。要避免只说"我喜欢做实验"，应展现：① 你理解化学作为"中心科学"的定位；② 你了解致远化学的培养特点（强数理、本博衔接、导师制、单分子特色）；③ 你的选择基于理性判断。

我选择致远化学方向，主要基于三个层面：

第一，学科认知。化学是连接物理、生命、材料的"中心科学"。我特别认同一个观点：化学研究的是"物质转化的规律"——从反应物到产物的每一步，背后都有热力学（能否发生）和动力学（多快发生）的定量规律，以及结构（为什么发生）的决定因素。这种"可解释、可预测、可创造"的学科气质非常吸引我。

第二，培养模式。致远化学提供本博衔接和荣誉数理课程，第一年强化数学分析与线性代数，这对我理解量子化学、统计热力学至关重要。一对一导师制又让我能尽早进组。交大在单分子科学、能源催化上的国际地位，是国内其他平台难以比拟的。

第三，未来规划。我对能源催化（如电解水制氢、CO₂ 还原）有浓厚兴趣，这与国家"双碳"战略高度契合。我希望在致远打下根基，未来攻读博士，做出有应用价值的催化体系。

化学 vs 化工：化学（Chemistry）关注"物质是什么、为什么、如何转化"，侧重分子层面的原理与新物质创造，是科学（science）；化工（Chemical Engineering）关注"如何把化学反应放大到工业规模、低成本安全地生产"，侧重反应器、分离、传质传热，是工程（engineering）。简单说：化学家发明反应，化工工程师把它变成工厂。

四大分支：

• 无机化学：研究除碳氢化合物外的所有元素及其化合物，核心是元素周期律、配位化学、过渡金属与固体无机材料。
• 有机化学：研究含碳化合物，核心是官能团反应、反应机理（电子流向）与合成设计，是药物、材料、生命分子的基础。
• 物理化学：用物理原理（热力学、动力学、量子、统计）定量描述化学现象，回答"反应能否发生、多快、路径如何"。
• 分析化学：研究"如何知道样品里有什么、有多少"，涵盖光谱、色谱、质谱、电化学分析与数据处理。

现代前沿往往是交叉的：比如化学生物学用有机+分析的工具研究生命，单分子化学用物理方法测化学过程。

我最感兴趣的是物理化学中的化学动力学。让我"恍然大悟"的知识点，是阿伦尼乌斯方程 k = A·e^(−Ea/RT) 背后的物理图像。

高中时我只把它当公式记。后来才真正理解：反应速率取决于"有多少分子拥有超过活化能 Ea 的能量"。根据麦克斯韦-玻尔兹曼能量分布，温度升高，高能尾部的分子数呈指数增长——所以温度升 10℃，速率常常翻倍。更妙的是催化剂：它不改变分布，而是降低 Ea 本身，相当于把"门槛"削低，让更多分子跨过去。这个"能量分布 + 活化能门槛"的图像，把温度、催化剂、速率三者统一在一个画面里，我第一次感到化学是可以"看见"的。

这也让我理解了为什么物理化学是化学的"语言"——它用最少的概念解释最多的现象。这直接推动我想在致远深入学量化计算与理论化学。

隐性忠诚度测试。最佳策略：承认对其他领域有兴趣，但清楚论证为何化学是"根基"，且二者可交叉。

坦诚说，我对计算机（特别是 AI）也有兴趣。但我已深入比较，结论是：化学是我的根基，AI 是工具。

以"AI for Chemistry"为例——机器学习可以预测反应产率、做逆合成规划，但模型训练依赖的化学表示（分子指纹、反应中心标注）本身就来自化学知识；更重要的是，当 AI 给出一个"反常"预测时，仍需化学家用量子化学和机理去解释。不懂化学本质，AI 只是黑箱。致远化学本身也在强化计算与信息素养，我可以在打好化学根基的同时掌握计算工具。

所以这不是"二选一"，而是"以谁为本体"。化学就是我的本体。即便将来用 AI 辅助研究，我的科学问题仍来自化学。

晶体场理论把中心金属离子看作带正电的点电荷，配体看作负电场（或偶极负端），配体电场使金属原本五重简并的 d 轨道发生能级分裂。

以最常见的八面体场为例：配体沿坐标轴（±x,±y,±z）接近，dx²−y² 和 dz²（eg 轨道）正对配体、能量升高；dxy、dxz、dyz（t₂g 轨道）避开配体、能量降低。分裂能记为 Δo。

颜色来源：当配合物吸收可见光中某一能量（≈Δo）的光子，d 电子从 t₂g 跃迁到 eg（d-d 跃迁），透射/反射的光就是其互补色。例如 [Ti(H₂O)₆]³⁺ 吸收蓝绿光，显紫红色。

高/低自旋：对 d⁴–d⁷ 构型，电子排布取决于分裂能 Δo 与电子成对能 P 的竞争。若 Δo < P（弱场配体如 H₂O、F⁻），电子优先单占各轨道——高自旋（未成对电子多、磁性大）；若 Δo > P（强场配体如 CN⁻、CO），电子先成对填入低能轨道——低自旋（未成对电子少）。这是配体场强弱的直接体现。

Hybridization is a model in which atomic orbitals mix to form new, equivalent hybrid orbitals that better explain molecular shapes and bonding.

• sp³: one s + three p → four equivalent orbitals, tetrahedral (109.5°). Example: CH₄ (methane).
• sp²: one s + two p → three coplanar orbitals (120°), leaving one unhybridized p for a π bond. Example: ethene (C₂H₄), trigonal planar.
• sp: one s + one p → two linear orbitals (180°), with two p orbitals for two π bonds. Example: ethyne (C₂H₂).
• dsp²: one d + one s + two p → square planar, common in d⁸ metal complexes such as [Ni(CN)₄]²⁻ or [PtCl₄]²⁻.

The number and type of hybrid orbitals determine geometry: sp→linear, sp²→trigonal planar, sp³→tetrahedral, dsp²→square planar. It also predicts bond angles and the presence of π bonds via unhybridized p orbitals.

（中文注：杂交是模型而非"真实发生的过程"；面试中可补充说明它用于解释已知几何构型，VSEPR 与之结论一致。避免说"原子先杂交再成键"这种因果倒置表述。）

两者都是亲核试剂取代离去基团，但机理截然不同：

SN2（双分子，一步协同）：亲核试剂从离去基团背面进攻，经历五配位过渡态，离去基团同时离开。速率 = k[底物][亲核试剂]（二级）。立体化学：构型完全翻转（Walden 翻转，100% 倒转）。影响因素：位阻越小越快—— methyl > 1° > 2° >> 3°（叔卤代烷几乎不发生 SN2）；强亲核试剂、极性非质子溶剂（如 DMSO、丙酮）有利。

SN1（单分子，两步）：先解离生成碳正离子（速率决定步），再被亲核试剂捕获。速率 = k[底物]（一级）。立体化学：碳正离子平面化，亲核试剂从两侧进攻，产物外消旋化（常伴部分翻转残留）。影响因素：碳正离子越稳定越快—— 3° > 2° >> 1° > methyl；极性质子溶剂（稳定离子）有利；可重排（如 1,2-氢/烷基迁移）是其特征副反应。

判别要点：叔卤代烷走 SN1/E1，甲基/伯卤代烷走 SN2，仲卤代烷两者竞争，并常与消除反应（E1/E2）并存。溶剂、亲核试剂强度、底物位阻共同决定主导路径。

苯环的 π 电子云富电子，易受亲电试剂进攻。EAS 一般机理：① 亲电试剂 E⁺ 在 Lewis 酸（如 AlCl₃、FeBr₃）帮助下生成；② E⁺ 进攻苯环形成带正电的σ-络合物（Wheland 中间体/芳鎓离子），该步为速率决定步，破坏了芳香性；③ 碱夺去质子，恢复芳香性，得到取代产物。

常见类型：硝化（NO₂⁺）、卤化（Br⁺/Cl⁺）、磺化（SO₃）、Friedel-Crafts 烷基化/酰基化（碳正离子/酰基正离子）。

定位效应：苯环上已有取代基决定新基团进入位置。

• 邻对位定位基（活化或弱钝化）：—OH、—NH₂、—OR、—R、—X（卤素虽钝化但邻对位定位，因其 +M 效应主导）。它们通过 +I 或 +M（给电子）稳定 σ-络合物邻对位结构的共振式。
• 间位定位基（钝化）：—NO₂、—CF₃、—CHO、—COR、—COOH、—SO₃H 等吸电子基（−I/−M），使邻对位正电荷更集中而不稳定，间位相对有利。

判断关键看取代基是"给电子"还是"吸电子"，以及它能否通过共振稳定邻对位中间体。

原理：¹H 核有自旋（I=1/2），在强外磁场 B₀ 下分裂为两个能级（α/β）。当射频脉冲能量匹配能级差（ΔE = hν = ħγB₀）时，核吸收能量发生共振。不同化学环境的氢因周围电子云屏蔽不同，共振频率有微小差异，即化学位移 δ（以 TMS 为 0 ppm 基准）。

用 ¹H NMR 推断结构看四个要素：

1. 化学位移 δ：反映官能团环境。如烷基 ~0.9–1.5 ppm，—CH₂—O~ 3.3–4.0 ppm，芳氢 ~6.5–8 ppm，醛基氢 ~9–10 ppm（去屏蔽强）。
2. 积分面积：与各等价氢数目成正比，给出各类氢的"个数比"。
3. 裂分（自旋-自旋耦合）：相邻不等价氢（n 个）把信号裂分为 n+1 重峰，揭示邻近氢数（邻位偶合 ³J）。
4. 耦合常数 J：峰间距（Hz），可判断顺反/二面角（Karplus 关系）。

综合"几组峰、各多少氢、裂分模式、δ 值"，就能反推碳骨架与取代位置。例如乙酸乙酯的 ¹H NMR 会出现三组峰（CH₃CO— 单峰、—OCH₂— 四重峰、—CH₃ 三重峰），典型乙基片段特征。

红外光谱（IR）：基于分子振动/转动能级跃迁。不同官能团的键（C=O、O−H、N−H、C−H 等）有特征振动频率，在谱图上表现为特定波数（cm⁻¹）处的吸收峰，用于"指认官能团"。

• O−H 伸缩：~3200–3600 cm⁻¹（醇宽峰、羧酸更宽更低）；
• N−H 伸缩：~3300–3500 cm⁻¹（胺，常双峰）；
• C=O 伸缩：~1650–1780 cm⁻¹（酮/醛/酯/酸/酰胺，最强最特征）；
• C−H 伸缩：~2850–3000 cm⁻¹；芳环 C=C：~1450–1600 cm⁻¹。

质谱（MS）：分子被电子轰击（EI）或软电离（ESI、MALDI）失去电子成分子离子 M⁺•，记录质荷比 m/z。提供：① 分子离子峰 M⁺•→ 分子量（与同位素峰 M+1、M+2 还可推分子式，如 Cl/Br 的 M/M+2 特征比）；② 碎片离子→ 结构骨架（裂解规律反映断键方式，如 α-裂解、麦氏重排）；③ 高分辨 MS 可直接给分子式。

三者互补：NMR 给"连接与邻近"，IR 给"有什么官能团"，MS 给"分子量/分子式/骨架片段"。联合解析是结构鉴定的标准流程。

吉布斯自由能 G = H − TS，是恒温恒压下判断过程方向的状态函数。反应的自发判据是 ΔG = ΔH − TΔS：

• ΔG < 0：过程自发（热力学允许）；
• ΔG = 0：达到平衡；
• ΔG > 0：非自发（逆过程自发）。

注意"自发"只说明热力学趋势，不涉及速率（动力学）。一个 ΔG<<0 的反应（如 H₂ + ½O₂ → H₂O）室温下可能极慢，因为活化能高——这正是催化剂的价值。

ΔG 与平衡常数的关系：ΔG° = −RT ln K。标准 ΔG°<0 ⇒ K>1（产物占优）；ΔG°>0 ⇒ K<1。同时 ΔG = ΔG° + RT ln Q，当 Q=K 时 ΔG=0，达平衡。温度通过 −TΔS 项影响方向：熵增有利高温（如 CaCO₃ 分解），熵减有利低温。

速率方程：实验测定的 v = k[A]^m[B]^n，描述速率对各反应物浓度的依赖；k 为速率常数。

反应级数：总级数 = m+n，由实验决定，不一定等于化学计量数；可为整数、分数甚至零级（如表面催化、酶饱和）。

活化能 Ea：反应物到产物必须逾越的能垒。由阿伦尼乌斯方程 k = A·e^(−Ea/RT) 描述；Ea 越大，k 越小、对温度越敏感。

温度影响：由麦克斯韦-玻尔兹曼能量分布，升温使"能量 > Ea"的分子比例指数增加，故 k 随 T 迅速增大——经验规律"温度每升 10℃，速率约翻倍（Q₁₀≈2）"。催化剂则通过提供新路径降低 Ea，同等温度下大幅提高 k，但不改变平衡。

A catalyst is a substance that increases the rate of a reaction without being consumed. It works by providing an alternative reaction pathway with a lower activation energy (Ea).

According to the Arrhenius equation k = A·e^(−Ea/RT), a smaller Ea means a much larger rate constant k at the same temperature. Importantly, a catalyst does not change the thermodynamics: it lowers Ea for both the forward and reverse paths equally, so the equilibrium constant K and ΔG° remain unchanged—it only helps the system reach equilibrium faster.

Examples: (1) Homogeneous—acid catalyzes ester hydrolysis; (2) Heterogeneous—Pt surface catalyzes hydrogenation of alkenes; (3) Enzymatic—lysozyme lowers Ea by stabilizing the transition state. A good catalyst also offers selectivity, directing a reaction toward a desired product and suppressing side reactions.

（中文注：强调"催化剂不改平衡只改速率、正逆同降 Ea"是面试官最爱追问的点；可准备一个具体催化例子，如哈伯法合成氨的 Fe 催化剂。）

薛定谔方程 Ĥψ = Eψ 是量子力学的核心方程。对氢原子，求解它得到波函数 ψ（描述电子在空间的概率振幅）和能量 E。|ψ|² 给出电子云（概率密度）——这是"轨道"的本来含义：不是行星式轨道，而是概率分布。

四个量子数（由求解方程的边界条件自然涌现）：

• 主量子数 n（1,2,3…）：决定能级与轨道大小，壳层。
• 角量子数 l（0…n−1）：决定亚层形状，s(l=0)球、p(l=1)哑铃、d(l=2)、f(l=3)。
• 磁量子数 mₗ（−l…＋l）：空间取向，如 p 有 3 个取向（pₓ,p_y,p_z）。
• 自旋量子数 mₛ（±½）：电子自旋，泡利不相容原理要求同一轨道两电子自旋相反。

其意义在于：量子力学把"元素周期律"从经验规律变成了可推导的结论——电子排布由这些量子数与泡利原理、洪特规则决定，从而解释周期表结构、元素化学性质。这正是化学从"描述"走向"解释"的里程碑。

统计热力学用大量微观粒子（分子）的统计行为来解释宏观热力学性质。它的核心桥梁是配分函数 q（对单个分子所有可能量子态的玻尔兹曼加权求和 q = Σ gᵢe^(−εᵢ/kT)）。

由此可从微观量算出宏观量：内能 U = NkT²(∂ln q/∂T)，熵、自由能也都能用 q 表达。最关键的是熵的微观解释：玻尔兹曼公式 S = k ln W，W 是系统可实现的微观状态数。熵增即"系统趋向微观状态数更多的宏观态"——这把热力学的"混乱度"变成了可数的微观构型数。

意义：经典热力学告诉你"ΔS>0 才自发"，统计热力学告诉你"为什么——因为产物对应的微观状态数 W 更大， spontaneously 出现的概率更高"。它还解释了热力学第二定律的统计本质（涨落存在但宏观可忽略）。

MO 理论认为：原子轨道线性组合成遍及整个分子的分子轨道，电子按能量从低到高、遵循泡利与洪特规则填入。成键 MO（能量低于原子轨道）稳定分子，反键 MO（带 *，能量更高） destabilize。

O₂ 的顺磁性：第二周期同核双原子分子 MO 能级（对 O₂、F₂ 为 σ2p 低于 π2p）。O₂ 有 12 个价电子，排布到 π*2p 时按洪特规则分占两个简并反键轨道且自旋平行——留下两个未成对电子，故 O₂ 显顺磁性。这是 MO 理论胜过 Lewis/价键理论之处（后两者预测 O₂ 反磁）。

H₂：两个 1s 组合成 σ1s（成键）与 σ*1s（反键），两个电子填入 σ1s，键级=(2−0)/2=1，稳定单键。

N₂：价电子 10，对 N₂/B/C 等是 π2p 低于 σ2p，最高占据为成键 π2p，键级=(8−2)/2=3，故为强三键、键长短、极 inert——解释了 N₂ 的化学惰性。

键级 = (成键电子−反键电子)/2，是判断稳定性与磁性的统一指标。

对称性是化学中极有力的"分类工具"。我们用对称元素（旋转轴 Cₙ、镜面 σ、对称中心 i、反轴/非真旋转 Sₙ）和点群来刻画分子几何。

• 手性（chirality）：一个分子若不含 improper rotation Sₙ（即不含镜面 σ、对称中心 i 或 Sₙ 轴），则它与镜像不能重合，即为手性分子——有旋光活性。这是药物化学的核心：如沙利度胺（反应停）的 R/S 对映体一治孕吐一致畸。对称性提供了判断手性的快捷判据。
• 光谱选择定则：振动光谱（IR/Raman）中，只有"引起偶极矩变化"的振动是 IR 活性的，而 Raman 活性要求极化率变化——这由振动模式的对称性（不可约表示）与偶极/极化率变换性质是否匹配决定。群论把"哪些峰该出现"变成了可计算的对称性问题。
• 反应与轨道：前线轨道（HOMO/LUMO）的对称性决定环加成（如 [4+2] Diels-Alder 对称允许、[2+2] 光二聚需激发态）的允许性（Woodward-Hoffmann 规则）。

简言之，对称性让我们"用最少的信息预测最多可被观测的现象"，是结构化学的精髓。

绿色化学（Green Chemistry）由 Anastas 与 Warner 在 1998 年系统提出，核心是"从源头预防污染，而非末端治理"。其 12 条原则中最关键几条：

• 原子经济性（Atom Economy）：设计反应使原料原子尽可能进入产物，减少副产物与废物（如 Diels-Alder 加成反应原子经济性 100%，而取代/保护-脱保护步骤低）。
• Prevention（预防）优于治理；
• 设计更安全的化学品与溶剂：用无毒溶剂（水、离子液体、超临界 CO₂）替代挥发性有机溶剂；
• 催化而非化学计量试剂：少量催化剂循环使用，避免当量试剂产生大量废盐；
• 设计可降解、使用可再生原料（生物质替代石油）。

例子：传统己二酸（尼龙原料）用硝酸氧化环己烷，产生大量 N₂O（强温室气体）。绿色路线用生物催化或 H₂O₂ 氧化，原子经济性高且几乎无 N₂O。又如过渡金属催化 C−H 键直接官能化，省去预活化步骤，大幅减少保护基废物——这正是当前有机合成前沿热点，也与交大"绿色合成"方向契合。

AI is reshaping chemistry across several fronts:

• Retrosynthesis & reaction prediction: Models like IBM RXN and Google's GNoME predict reaction outcomes and plan synthetic routes from target molecules backward—accelerating drug and material discovery.
• Molecular property prediction: Graph neural networks predict solubility, toxicity, and bioactivity, reducing costly screening.
• Materials discovery: Deep learning screens millions of candidates for batteries, catalysts, and MOFs; GNoME reportedly found ~2.2 million new crystals.
• Protein & enzyme design: AlphaFold predicts structures; combined with generative models, entirely new enzymes (e.g., for plastic degradation) can be designed.
• Single-molecule & spectroscopy: AI denoises and interprets noisy single-molecule traces and NMR/MS data.

However, AI is a predictive tool, not a substitute for chemical intuition: its outputs still need experimental validation and mechanistic understanding. The most powerful paradigm is "AI proposes, chemist disposes." SJTU's ICCMS and AI labs are exactly where this fusion happens.

（中文注：强调"AI 提方案、化学家验证"，避免显得认为 AI 能取代实验；可提交大 ICCMS 与上海 AI 实验室的交叉平台。）

致远荣誉计划的数理强化是公开的"硬门槛"，物理化学又高度依赖数学工具，遇到瓶颈本身不意外——关键是如何应对。

第一步：诊断。我会逐章对照大纲排查：是概念（如偏导、多重积分在热力学中不会用）还是计算熟练度问题？是时间分配失衡还是方法不当？不笼统焦虑。

第二步：求助。致远有导师制与 Office Hour，我会主动约导师和任课老师，坦诚说明困难，请其推荐阶梯教材（如先补《数学分析新讲》基础章节）。同时加入学习小组——一个人硬扛最不可取。

第三步：调整。若确实跟不上荣誉节奏，我会与教务讨论暂时转入标准班把根基打牢。致远有动态进出机制，调整不是失败，而是给自己争取更扎实的空间。许多优秀化学家都经历过类似的"爬坡期"。

第四步：重估。我会问自己：是否真的热爱化学？若答案是"是"，一时的 GPA 波动不会动摇方向。科研长跑看持久力与抗挫力，而非某一学期的成绩。我会把这次挫折变成重建学习体系的契机。

面试当天 Do's & Don'ts

• Do：结论先行再展开；遇到不懂诚实承认但尝试推理；展现对化学的热情与好奇心。
• Don't：背诵式回答（面试官能识别）；不懂装懂；长时间沉默只说"不知道"；贬低其他专业。
• 加分项：用"能量图/反应坐标"解释动力学；用"对称性"分析手性或光谱；主动关联交大特色平台。