据Rutgers Today 4月3日报道[1]，疾控中心现在推荐人们离家时佩戴口罩。罗格斯大学医学与微生物学教授、CABM（先进生物技术与医学中心）主任Martin Blaser表示，口罩可以阻止病毒传播的证据明确，人们都应当佩戴口罩。他指出，病毒主要通过呼吸道传播，既可以通过咳嗽传播，也可以由无症状患者传播，而戴口罩能有效防护病毒传染。因此，每个人在离家时或散步时，抑或在6英尺范围内与他人接触时，都应佩戴口罩。
Martin Blaser认为，卫生部门因为口罩不能提供最高水平的防护，就劝阻人们戴口罩，是一个错误。除了戴口罩外，他还建议人们勤洗手，并保持社交距离。
Martin Blaser的Google Scholar引用数达11.6万，h-index达169。
引用使馆及总领馆官网内容，均提供参考资料，按时间倒序排列，长期更新。
情况不容乐观，努力遏制蔓延。
（一）发展待观察。截至4月1日11时，美国累计确诊感染新冠病毒的人数为190908名，并有持续上升趋势。特朗普总统每日召开疫情发布会，表示未来30天对减缓新冠疫情蔓延至关重要，预计拐点最早在两周后到来，整体形势将于6月初转好。美专家称，虽然根据数据模型预测，新冠疫情在美可能最终会导致超过100万人感染，但完全有望通过有效举措控制感染人数。
（二）全国总动员。3 月 13 日美国进入紧急状态以来，各州也陆续宣布“居家令”。全国上下包括联邦和各州政府、各级卫生部门、私营公司、教育机构甚至军方都在积极调动资源，采取有效举措抗击疫情。当前大多数地区的检测和就医过程稳中有序，各州都在筹备更多医疗物资以备后用。纽约州是美国疫情的震中，确诊人数占全美41%，所需医疗资源紧缺。据悉将有 4 万多名医护人员志愿奔赴纽约参与救护，海军医院医疗舰已于3月30日抵达纽约港提供抗疫支援。包括中国在内的多个国家已向美提供医疗物资。
（三）医护水平高。美国政府及社会有较大的生产潜能和动员能力。美国雅培公司已开发出快速检测仪，预计今后每月检测数量可达500 万人。感染人群中大多数是可自愈的轻症患者，大约20%-30%会转为肺炎，重症患者比例较少，且美国每10万人拥有的ICU床位比例居全球之首。
（四）社会秩序好。各州进入紧急状态后，一些美国民众第一反应是去超市抢购，造成一些物资的暂时短缺。目前口罩等防疫物资仍紧缺，生活物品供应良好。绝大多数美国民众已经意识到此次危机严重性，开始理性主动地采取防控措施，并在“居家令”的要求下开展采购和锻炼等基本生活所需的外出活动，有意识地保持社交距离。[1]
NJDOH于3月24日起公布了所有测试点的Negative数据总和，从图中可以看出，3月25日起，测试量稳定在了5k左右，应该就是目前的测试极限了。然而今明两天要将测试量限制在每日500，试剂盒的供应可能存在问题。
我们可以看到，在测试数量不断扩大后（三天内翻了一倍），确诊率仍保持在40%上下，这说明数据增长的瓶颈仅仅在于测试量，那么，之后的确诊数据基本上是没有参考价值的——仅仅反应测试量的多寡。想要看到真实的数据，必须继续增加测试数量。武汉巅峰时期能测2万例，现在NJ 5k，NY 1万，还需要继续努力，继续被输血。
从图中还可以看出，3月22日国民自卫队搭建的临时检测点，于3月25日开放大规模检测后，确诊率上升了近10%——这毫无疑问说明人群中有大量患者之前没有得到测试。只要这种现象持续下去，就说明测试量还没有追上疫情的蔓延速度。现在这个只能说明——如果你出现了症状，那么就有2/5的可能性是患者。当然我相信，既然已经shutdown了，之后还是有希望追上的（数据有滞后性）。
来源：一亩三分地
病逝人数一般认为是比较真实的。从图中可以看出，取了对数的病逝人数是条直线，即增长人数呈指数增长，鉴于潜伏、发病到病逝需要一定的时间，这说明大概半个月前，没有shutdown的那段时间，是按指数传染的，大致每周翻三番，这个数据和之前确诊量的数据差不多，因为之前的确诊量本来也就等于重症量。shutdown的效果还要过几天再看死亡人数。不过，应当庆幸的是，从目前的数据来看，医疗应当尚未被击穿。
现在的局势说不定比武汉还差了，唯一的好消息是这个病毒确实对年轻人更友好。只希望科研力量能拯救全世界了。
最近几个月，Google Colab上线了免费的P100。本文介绍如何用Google Colaboratory的免费P100训练deepmd-kit模型。
在Google Drive上传训练需要的文件。为了方便展示，这里以GitHub的库里的example为例，但是stop_batch被调为了20000。
打开Colab网站https://colab.research.google.com/ ，点击下方的“新建笔记本”：
进入Colab界面，点击代码执行程序>更改运行时类型，将硬件设置为GPU：
用!nvidia-smi看一下被分到的卡是什么型号，看看是不是较差的P4，毕竟能否抢到P100也个玄学的事情。如果不是，可以重复执行以上操作。
用!pip install deepmd-kit tensorflow==2.1 配置环境：
挂载Google Drive。点击左侧的“文件”图标，点击“挂载Google云端硬盘”，并且同意访问：
cd到刚才上传目录训练，然后坐等训练完成。
免费的还是挺香的。
保存模型：
测试模型。由于我只训练了20,000个batch，精度没有达到最高水平：
回到Google Drive，我们发现，所有训练文件都在里面了——也就是说如果中途断线也可以继续训练。
本文的colab文件
很久没有写技术贴了。最近，总有在Linux环境下连回ecnu服务器的需求，但是又不想丧失使用Google的权利，怎么办？openconnect是一个非常好的开源软件，可以实现这一需求。
openconnect支持AnyConnect、Pluse Connect等诸多高校常用的校外访问平台，可以用包：
1 | sudo apt install openconnect |
或
1 | sudo dnf install openconnect |
然后用pip安装vpn-slice：
1 | pip install vpn-slice |
确定which vpn-slice能够找到路径。
方便起见，我们先设置环境变量：
1 | export SERVER=vpn-cn.ecnu.edu.cn |
SERVER是要连接的服务器地址，USERNAME是我的用户名，PASSWORD是密码，IPRANGE是需要用VPN访问的IP段，这里就是ecnu的IP段。然后我们使用openconnect连接：
1 | echo "$PASSWORD" | \ |
即可连接成功。
ping ecnu的服务器，大致就是中美之间的正常延迟：
1 | (base) [[email protected] bin]$ ping 219.228.63.136 |
ping google，延迟极小：
1 | (base) [[email protected]muscato bin]$ ping www.google.com |
虽然只过了博士生涯的1/10，但是已经可以对比了。
待遇方面，本科期间导师给的津贴是¥800-1000/月，因为导师的经费只支持这么多。博士期间的工资是$3000/月，全额学费减免，医保，享受1984年税收协定的零税率。
收到工资确实是一件很有仪式感的事情，感到自己的劳动受到了尊重。
工作时间方面，本科期间有张纸贴在办公室的门上，说是一周7天，每天9:30-21:30，不过我没理睬过这张纸。博士期间课题组对工作时间没有任何要求。实际来说，本科期间大概只要对得起良心就行，比如每天8小时，不过由于周末总能见到人，所以周末去办公室是件正常的事情。博士期间的状态也差不多，不过大家都会在20点前走光，导致我最晚也会在21点走人；周末去办公室总是见不到人，大概大家默认周末不上班，于是后来也不去了，最多在家工作。
本科时，导师在办公室给了一个比较宽敞的座位；博士时，座位宽敞了3倍，人均面积提高了10倍。连卫生间都更加宽敞。本科时办公室的面积是要给学校交钱的；博士时尚不清楚。
办公电脑方面，本科时，导师给了一套含显示屏的dell电脑，型号记不清了，我毕业前又买了NAS给我存数据，感觉很大方。博士时，老板给我买了$2985的Dell alienware（京东卖三四万RMB）、$339的HP显示屏和2个$174.99的4TB硬盘，感觉老板就是土豪。
超算方面，本科时，学校有超算，现在已经有九期了，有CPU和GPU，觉得学校很有钱。美中不足的是超算是收费的，需要老师申请账号，CPU 0.1元/核/小时，GPU 1元/卡/小时。博士时，得知所有超算都是免费的，当时就大跌了眼睛。学校主要有两个超算，一个是学生也可以申请的Amarel，CPU和GPU型号和华师大的差不多，但是速度莫名其妙就是更快（当然不是心理作用，测试过的）。另一个是Caliburn，说是花了一千万刀美元建设的。华师大在超算上十年的投入应该都没这么多。
网络方面，本科时，有100Mbps有线网，感觉很快，当然只限于国内的网络。博士时，竟然有1000Mbps有线网，下个package唰的一下就下好了，当时感觉不敢相信自己的眼睛。GitHub也很快。
经费方面，本科时，觉得经费很多。博士时，查到老板每年竟然能从NIH拿到120万刀经费，不知道是国内的多少倍了。
关于老板的h-index，Google Scholar的数据分别是13和47。
老板都不push。具体来说，博士期间的老板更不push一点。当然，可能是因为push程度是相对的，当自己比老板还push时老板就显得不push了。
博士期间，组里人才更多，猜测因为工资更高。
关于组内通讯方式，除了当面聊这一全世界通用的方式以外，本科期间，一般用微信，立马回；博士期间，只用email，一般不回，偶尔回。
关于组会，本科期间，组会按例一周一次。博士期间，迄今为止只开过两三次，感觉根本没有开组会的习惯。
本科时，用deep learning potential炼丹；博士时，还在用deep learning potential炼丹。
本科期间，上课对研究没有任何帮助；博士期间，虽然选的课都是（看起来）相关的，但是对研究仍然没有任何帮助。
讲座报告都是一般每周一次。
本科时，一个年级一个班。博士时，大致也是如此，不过没有听说过有“班级”的说法。（可能叫program？）
本科时，同班同学都是正儿八经的第一学历985的学生（废话）。博士期间，发现同年级第一学历在国内的那些同学的第一学历也都是985。
关于院系的文章要求，应该没有哪里会对本科生有文章要求；然而博士期间，对文章仍然没有任何要求。
本科期间学院内有丰富的活动，包括学院的班级的团支部的党支部的。博士期间未见有什么活动，清净的很。
本科时学院有学生会。博士期间并没有这种东西。
关于电子资源，感觉没什么区别，该买的数据库学校都买了。
关于校外访问校园网的方式，都是思科的AnyConnect，没什么区别。
关于Email，本科期间学校提供的是无限量的腾讯企业邮箱，stu.ecnu.edu.cn域名；博士期间学校提供的是100GB的Outlook和无限量的Gmail，rutgers.edu域名和chem.rutgers.edu域名。
关于网盘，本科期间学校没有提供网盘；博士期间学校给了无限量的Google Drive、无限量的Box和5TB OneDrive。
关于软件，都提供了Windows、Office全套、MATLAB等软件，区别在于本科期间提供了全套Adobe和Visio，博士期间提供了ChemOffice。
本科期间和博士期间都经常吃食堂和点外卖。外卖都主要点汉堡和中餐。
日前发布的《华东师范大学2019年毕业生就业质量报告》显示，华东师范大学化学与分子工程学院2019年共毕业245人，就业率达98.78%（242人），仅3人暂不就业。就业率超过孟宪承书院、计算机科学与软件工程学院等23个院系，也超过全校平均水平（96.91%）。
《就业质量报告》同时公布了院系本科毕业生留学、升学比例。化学与分子工程学院本科毕业生境内升学率达41.67%，境外留学率达9.72%。
2019年11月11日晚，数十名爱国学生自发聚集在一起，发起“反废青”爱国集会。此前，“废青”们计划当晚在罗格斯大学道格拉斯学生中心散布有关香港的谣言，引起了极大愤慨。爱国学生自发策划了是次活动，旨在传播真相，抵制谣言。
在“废青”的要求下，道格拉斯学生中心加强了安保，禁止带入宣传性标语和专业摄像设备，禁止摄像和拍照，禁止散布传单。这些措施限制了真相的传播，但不能限制爱国学生们传播真相的决心。“废青”们自称受女权组织资助，宣扬所谓“民主”，与香港暴徒连线，声称他们是“非暴力”、“和平”的。现场爱国学生对这些谎言表示愤怒，但为了维护国家形象，爱国学生们保持了最大限度的克制，准备在“废青”们声称的所谓问答环节戳穿他们的谎言。
然而到了休息时间，“废青”声称问答将不会现场提问，而是以所谓问卷的形式进行。一时间，现场学生纷纷抗议“问答”造假，使用预先准备好的问题，压制真相和异议。休息时间结束后，“废青”承诺问题不会造假，然而果然使用了预先准备好的问题。爱国学生群情激愤，纷纷离场以示抗议。在场外唱国歌的提案遭到了否决，爱国学生一致同意国歌是神圣而不可侵犯的，用于抗议“废青”有损国歌的尊严。一名女生当场痛哭，痛诉香港“废青”传播谣言的罪恶行径。
次日，校报The Daily Targum对爱国学生分发传单谴责“废青”的行动，以及对“废青”掩盖真相的抗议进行了报道。
本次爱国集会使香港“废青”“双标”式的“民主”谎言暴露于世，他们的所谓“民主”便是压制一切与己不同的观点，与法西斯主义无异。希望全世界能看清香港“废青”的真面目，不被谎言蒙蔽。
（题图来自校报The Daily Targum，图注为Students who opposed the Hong Kong protests distributed double-sided flyers outlining their position to other attendees. SALMA HQ）
2019 年 10 月 24 日（UTC-4）微信公众号
近日，我已经通过 conda-build[1]构建了 deepmd-kit（含 lammps 模块）的 conda packges[2]，并用 constructor[3]打包了离线安装包。下介绍安装方法及注意事项：
安装 conda 后，使用以下命令安装 GPU 版：
1 | conda install deepmd-kit=*=*gpu lammps-dp=*=*gpu -c deepmodeling |
如需指定版本，需将两个等号中间的*号改为版本号（目前有 1.0.1 和 0.12.8）：
1 | conda install deepmd-kit=1.0.1=*cpu lammps-dp=1.0.1=*cpu -c deepmodeling |
至 https://github.com/njzjz/deepmd-kit-recipes/releases 下载 v1.0.1 离线安装包（也提供了百度网盘链接）：
下载后执行以下命令，按提示操作即可。
1 | sh deepmd-kit-1.0.1-*pu-Linux-x86_64.sh |
dp 和 lmp 分别为 deepmd-kit 主程序与 lammps：
1 | dp -h |
GPU 版本已经包含 CUDA 10.0，需要注意的是 CUDA 10.0 仅支持 NVIDIA 驱动 410.48 以上，详情可参见 NVIDIA 官网 https://docs.nvidia.com/deploy/cuda-compatibility/
运行 dp 命令时，应设置环境变量KMP_BLOCKTIME=0和KMP_AFFINITY=granularity=fine,verbose,compact,1,0，否则会导致高达50%的性能损失。这是由于 anaconda numpy 一个存在多年的 bug[4]。
