欧区 🇪🇺 Revolut + 中银香港 🇭🇰 资金回国操作指南

⚠️ 声明

• 本经验贴适用于在欧盟境内、持有欧元收入，且同时开通了**中国银行（香港）与中国银行（内地）**账户的用户，其他地区用户可酌情参考。
• 本文基于个人实操经验，经整理后发布，仅供参考，笔者不对任何资金损失承担责任。
• 国际汇率实时波动，本文所述路径不保证汇率最优，请结合实际情况判断。
• 请务必遵守所在国及相关司法管辖区的金融法律法规，合规操作。

---

前提条件

• Revolut 欧区账户：需开通欧洲区注册的 Revolut 账户。相关开户教程网络上已有大量资料，请自行搜索。
• 中国银行（香港）账户（以下简称 BOCHK）及中国银行（内地）账户：开户方式同上，请自行搜索相关教程。

---

Step 1｜Revolut 内部换汇（EUR 🇪🇺 → HKD 🇭🇰）

Revolut 支持设置限价单（Limit Order），在汇率达到目标值时自动完成换汇，避免手动盯盘。

操作路径：

Move → 选择 EUR → HKD → 点击左下角 Order Type（三滑块图标）→ 选择 Limit Order → 设置目标汇率 → 确认提交

注意事项：

• 此功能同样适用于其他货币对。
• 换汇所得港元（或其他外币）可绑定 Revolut 借记卡，在线上或线下直接刷卡消费。
• Revolut Standard（免费）账户每月享有一定额度的免费换汇，超出部分将按比例收取手续费，请注意额度使用情况。

---

Step 2｜Revolut 跨境汇款（Revolut HKD 🇭🇰 → BOCHK 港元储蓄账户）

操作路径：

底部菜单栏 Payments → 右上角 ＋ → International → 选择地区 Hong Kong（香港） → 选择汇款金额 → 填写收款方信息 → 确认汇款

欧洲大陆PhD项目申请分享-从岗位搜索到成功上岸

分享目录

• PhD 项目形式的对比：岗位制 vs Committee 制
• 从哪里找岗位？
• 申请材料和面试准备
• 个人感想

---

PhD 项目形式的对比

岗位制PhD（主流）vs Committee制

岗位制PhD（主流）	Committee制
• 类似于找工作 • 同一个院系有多个机会开放，但是每个机会仅招收一名学生	• 以美国PhD项目为代表的博士项目申请模式 • 每个院系只有一两个项目，但是每个项目会招收多个学生
• 除瑞士法语区和南欧国家部分项目外，没有固定的intake时间段，岗位随时放出，随时申请	• 每年有固定的时间段申请（如 26 Spring，26 Fall）
• 绝对的强导师制，导师对招生几乎有绝对的话语权	• 强导师制和强committee制均有
• 绝大多数项目要求学生在入职前有Master学位	• Bachelor 和 Master 均可申请

岗位制PhD的其他特点

材料简单：

• 无申请费
• 在提交申请阶段一般不需要写推荐信，提供推荐人的联系方式即可

弱BG学生友好：

• 导师对中国学校的了解有限，身边很多双非同学照样上岸
• 对无Pub同学友好：欧洲本土学生绝大多数申请无publication

萝卜坑多，但是无所谓

---

欧洲 Committee制 博士项目

EMBL International PhD Programme

• 平均4年完成学位，欢迎生物、化学、物理、数学、计算机等不同背景的学生
• 包含9周分子生物学核心课程、生物信息学模块、职业发展培训，并提供具有国际竞争力的奖学金
• 每年两次招生，强调跨学科合作、早期独立性和团队协作
• 指路：申请链接

马普所 IMPRS-ML PhD项目

• 核心研究领域： 分子机制、生物系统、计算生物学与技术开发，强调跨学科交叉（生化/结构生物学/生物物理/细胞生物学/系统生物学/计算生物学）
• 需完成25学分，包含跨学科讲座、高级方法培训、职业发展课程等，学生可灵活选择课程，提供慷慨的差旅津贴支持参加外部培训和会议
• 申请时间线：8月25日-10月7日网申(需两封推荐信)，11月17-21日线上面试，次年1月19-23日慕尼黑现场面试(报销差旅)，2月初发录取，最晚10月1日入学
• 指路：申请链接

马普所 Integrated Master’s/PhD Program in Matter to Life

• 2年硕士+3年博士必须从硕士阶段进入，可选哥廷根"复杂系统与生物物理"或海德堡"分子系统化学与工程"方向，5年全程资助无学费
• 跨学科研究领域： 物理/化学/生物学深度交叉，强调跨学科教育
• 申请要求与时间： 需本科学位(化学/物理/生物/工程等6学期以上)，GPA 2.3或排名前20%，96学分自然科学/工程/数学课程；12月1日截止(不需推荐信)，2-4月两轮线上面试，录取约20人，9月入学
• https://mattertolife.maxplanckschools.org/program

---

欧洲 Committee制 博士项目（续）

瑞士法语区 and 意大利 的博士项目

• 每年有固定的时间开放，有 Committee 同时也要自己和导师协商
• 个人感觉介于岗位制博士和传统Committee之间的形式
• 举例：
  • 瑞士日内瓦大学生命科学学院 2026 Winter Call（开放至11月1日，现在可申请）
  • EPFL 化学系：每年三个Deadline，分别是January 15th, April 30th and September 15th。四年制的学士也可申请，无需提前联系导师

建议

• 欧洲 Committee 制PhD 的申请流程和 北美/香港 申请要求和材料类似，可以顺手投一份
• 欧洲 Committee 制PhD 的 DDL 比较早，请注意具体截止时间

注意

• 这里所说的Committee制和后续所说的岗位制仅仅为了区分不同的招生方式，你在留学国所在身份（被当作学生/员工）不同学校不尽相同。后续涉及到交税和身份年限的问题

---

欧洲岗位制申请定位

岗位匹配度 »> 其他任何Background

• 岗位制 PhD 的逻辑是你去就能上手就能干活，所以希望你的技能和这个岗位所要求的技能尽可能匹配
• 即便你来自很厉害的院校有很顶的文章，如果你点的科技树和岗位所需不匹配也很难申请
• 另一方面，如果你确信这个岗位和你的研究十分契合，即便你的BG稍弱也可大胆尝试

---

从哪里找岗位？

院校官网

既然是岗位制PhD寻找的话也应该是在Job页面搜寻

支持多币种的 iPhone 记账快捷方式

简介

这是一个基于苹果生态系统的记账方案，核心是 “快捷指令” 配合 “Numbers 表格”。

由于该 Combo 完全依赖 iOS 原生系统，你拥有 100% 的数据掌控权——既不用担心软件公司“提桶跑路”，也不用操心隐私泄露。🔒

设置流程

Step 1：下载资源

请先获取 快捷指令脚本，然后下载配套的 Numbers 表格模板。

Step 2：配置快捷指令

在快捷指令 App 中打开刚才下载的“记账”脚本。你需要做两件事：首先，将脚本中的目标文件重新指向你在 Step 1 下载的 Numbers 模板；其次，根据个人习惯调整“币种”和“支付方式”列表（比如添加个支付宝或微信）。🛠️

主流 AI 工具客观评价总结（2025）

⚠️声明：该文章完全由AI生成，博主只负责总结和搬运，不对评价负责

---

1. 执行摘要 (Executive Summary)

当前的 AI 市场已通过“单一模型通吃”的阶段，进入了“垂直化与专业化”的时代。

• 全能型选手（ChatGPT, Gemini, Claude）依然是日常工作的核心，但在特定领域面临挑战。
• 专业化工具（Perplexity, NotebookLM）在搜索和研读领域建立了极高的护城河。
• 开源与区域化模型（DeepSeek, Qwen, Le Chat）通过高性价比、本地化合规及特定能力（如代码、长文本）异军突起。

核心结论： 最佳策略不再是寻找一个完美的 AI，而是构建一个组合工具栈 (Tool Stack)，根据任务类型（写作、编程、科研、娱乐）动态切换工具。

---

2. 核心梯队分析 (Key Insights)

第一梯队：全能通用型 (The Generalists)

• ChatGPT (OpenAI): 依然是市场的基准。其强项在于生态系统（GPTs, 插件）和多模态平衡（画图+代码+语音）。如果你只买一个会员，这依然是最安全的选择。
• Gemini (Google): Google 深度用户的首选。拥有超大上下文窗口（可处理海量数据），且与 Workspace（文档、云盘）的整合无人能及。
• Claude (Anthropic): 被公认为**“最具拟人感”**的 AI。在长文写作、代码编写和复杂逻辑分析上，其表现往往优于竞争对手，是追求内容质量者的首选。

第二梯队：研究与资讯型 (The Researchers)

• Perplexity: 重新定义了搜索引擎。通过实时引用和多模型切换，解决了 AI “胡说八道”的痛点，是学术调研和事实核查的神器。
• NotebookLM: 学习与整理的革命性工具。它不依赖外部知识库，而是完全基于用户上传的资料进行回答（RAG），独特的“播客模式”通过音频转化了被动阅读体验。
• Grok (xAI): 社交媒体的实时雷达。背靠 X (Twitter) 数据，使其在突发新闻和舆情分析上具有不可替代的时效性优势。

第三梯队：开源与特定领域 (Open Source & Specialized)

• DeepSeek: 极客与开发者的“性价比之王”。在数学与代码领域表现惊人，且推理透明，适合技术人员和预算有限的场景。
• Qwen (通义千问): 中文环境下的霸主。在视觉理解和中文长文本处理上表现卓越，适合亚洲市场及多语言混合场景。
• Le Chat (Mistral): 欧洲合规首选。主打GDPR隐私合规与极速响应，适合对数据安全敏感的欧洲企业及个人。

---

3. 详细维度分析表 (Detailed Comparison Table)

为了方便决策，以下是各工具在关键维度上的横向对比：

乌普萨拉及周边地区的交通（2025更新版）

前言： 本文原先发布在乌普萨拉大学知乎平台。但由于Uppsala省交通收费系统改制故部分内容不再适用，故更新。因为资料复制黏贴的资源不尽相同，可能全文会存在中英瑞三语混用的情况，请谅解。感谢原作者Wadlo的贡献

转载随意，不可商用，营销号勿偷！

——小恐龙 2025 DEC

地理分区和地方交通运营区区别

众所周知，美丽的乌普萨拉坐落在乌普萨拉大学校园之中。但是，“Uppsala"既可以是乌普萨拉省（Uppsala län）也可以是乌普萨拉省的乌普萨拉市（Uppsala Kommun）。乌普萨拉省除了乌普萨拉市还包括Enköping，Östhammar，Tierp等城市。斯德哥尔摩的行政区划也类似不过更加复杂，有兴趣的朋友可参考维基百科。

UL 即Uppsala Lokaltrafik，但是UL的势力范围除了上文提到的乌普萨拉省还包括了位于斯德哥尔摩省的阿兰达机场，耶夫勒堡省首府Gävle，Västmanland省的Sala等。

Take Home Message： UL等运营范围与乌普萨拉省的范围不完全相同。（图1）

图1. a) UL官网对于UL交通区域的描述，b) 地理意义上的乌普萨拉省，c）UL的运行范围

公共交通运营公司

我们可能用到的公交运营公司（不考虑打车）有：

• UL：Uppsala Lokaltrafik，即乌普萨拉本地交通
• SL：和UL类似，是斯德哥尔摩本地交通
• SJ（Sverige Järnväg，即瑞典铁路）在全瑞典运营铁路交通。可以类比于国内的铁路总公司。但铁路交通不只有SJ在运营
• Mälartåg：俗称麻辣烫，也是运营铁路交通的公司

除此之外还有比较长途的：

• Flixbus：一家穷鬼快乐的城市间大巴运营商。可以作为前往机场交通的替代品，也可以作为过夜旅行的省钱之选。例如从斯德哥尔摩前往哥本哈根在大巴上睡一觉（假设真的睡得着）就到了
• Vy：一家私营的铁路和大巴公司，在瑞典中北部有很多线路
• Flygbussarna：俗称彩虹巴士，主营业务是机场之间的交通

这三种可以自行摸索

UL和Movingo车票种类

UL车票可以在App上购买，但是注册UL需要有欧盟的手机号。新来的同学可以上车刷卡购买。UL的售票系统根据不同的种类有：

• 75-minutersbiljett: 75分钟票，俗称单程票（Enkelbiljett）。单程票并不是只能坐一次，而是75分钟内均有效。例如，需要在中途某个地方转车，此时不需要再购买新的单程票，只要票还在75分钟有效期内就可以接着用。

• 75-minutersbiljett till/från Arlanda med buss：往来阿兰达机场的单程票。如果大家要乘坐公交车前往阿兰达机场，需要购买该类型的车票。如果乘坐轨道️交通则还需要缴纳Arlandapassageavgift tåg（阿兰达机场通行费），这一点见后文。

• Periodbiljett：周期票，包括了24小时，72小时，7天，30天和90天票。其中90天票需要在UL App里面安装图2所示购买。持有Periodbiljett且乘坐公交车前往阿兰达机场毋需再额外交费。

图2. 90日票的购买

Movingo

Movingo是各地区交通票打包出售的一种票，运营范围适用于整个Mälardalen地区，但如果购买可以只选择部分地区（比如只购买SL和UL地区）。持有Movingo可以乘坐SJ、Mälartåg、地区交通（例如UL和SL等）。适用于需要跨省通勤的朋友。详情可见图3。

阅读原文

化学空间可视化：为药物发现插上智能翅膀 🚀

引言：从数据迷雾到清晰导航 🗺️

想象一下，如果把所有可能存在的药物分子比作天空中的星星✨，那么寻找有效药物就像是在浩瀚星空中寻找适合人类居住的行星！随着现代科技的飞速发展，我们已经能够存储和处理数百万个分子结构的信息，但面对如此庞大的数据集，人类的分析能力就像用肉眼观星一样显得力不从心😅。

这就是化学空间可视化技术闪亮登场的时刻！它就像给每个药物化学家配备了一台超级天文望远镜🔭，将复杂得令人头疼的高维化学数据转化为人眼能够理解的二维或三维图像，为药物化学家提供了一张清晰明了的"化学地图"。

化学空间：一个无限大的分子宇宙 🌌

化学空间到底有多大？这个问题的答案绝对会让你目瞪口呆！😱 化学空间是指在特定约束条件下所有可能分子的集合。仅仅在利平斯基五规则（判断分子能否成为口服药物的黄金标准）的约束下，化学空间中就可能包含10¹²到10⁶⁰个不同的分子——这个数字比宇宙中所有原子的总和还要多！这简直就是一个真正的"分子宇宙"🪐。

已知最大的理论化学数据库GDB-17包含了1660亿个由不超过17个原子组成的小分子，而这仅仅是化学空间的冰山一角❄️。在现实世界中，我们处理的化学数据库规模同样令人印象深刻。Enamine REAL Space这个化学界的"巨无霸"包含约650亿个可合成化合物，是目前最大的公开可获得的合成化学空间。PubChem数据库收录了约1.19亿个已合成分子，就像一个超级化学图书馆📚，而专门收集生物活性数据的ChEMBL数据库也包含了240万个"有用"的化合物。

面对如此海量的数据，传统的"逐个分析分子结构"的方法就像试图用放大镜阅读整部大英百科全书一样不切实际😂。更有趣的是，化学空间的分布就像夜空中的星座一样极不均匀——它包含由"分子荒漠"分隔的"生物活性绿洲"🏝️。这种不均匀分布意味着并非所有的分子都是宝藏，只有一小部分能够成为真正拯救生命的药物💊。因此，如何在这个庞大的宇宙中找到那些珍贵的"治疗之星"，就成了药物发现面临的终极挑战！

可视化技术：化繁为简的魔法 ✨

化学空间可视化就像是一种神奇的魔法🪄，它的核心挑战在于如何将高维的分子信息"压缩"到人类大脑能够理解的二维或三维空间中，同时还要保持分子之间的相似性关系不被破坏。首先，我们用数百个数值特征（分子描述符）来给每个分子"画像"📊，就像给每个人建立详细的档案一样；然后，使用数学算法这个"魔法公式"将这些高维信息压缩到低维空间；最后，在二维或三维图中展示结果，让相似的分子像磁铁一样聚集在一起🧲。

降维算法就像不同类型的"魔法相机"📸，有的擅长拍摄全景（线性算法），有的能捕捉细节（非线性算法）。线性算法通常拍照速度快且结果容易理解，但在面对复杂的分子"表情"时可能会错过一些微妙的细节。非线性算法则像高端单反相机，能够捕捉更复杂的分子关系，但需要更多的"拍摄时间"。

经典方法：主成分分析（PCA）- 化学界的"傻瓜相机" 📷

如果说化学空间可视化有一个"国民相机"，那绝对是主成分分析（PCA）！这位老牌明星自20世纪初登场以来，在药物化学界一直享有很高的人气。PCA的工作原理就像是找到观察风景的最佳角度🏔️——它会自动寻找数据中变化最大的方向，确保拍出的"照片"信息量最大。

PCA最大的魅力在于它的"傻瓜"特性：完全不需要调参数，一键搞定！而且结果超级好理解，通过分析主成分，研究人员可以清楚地知道为什么某个分子会出现在图上的特定位置，就像GPS定位一样精准🎯。

不过，PCA也有它的"拍摄局限"——作为一个线性方法，它就像只会拍直线的相机，面对分子世界中那些曲折复杂的非线性关系时就显得有些力不从心了😔。尽管如此，PCA仍然是化学空间探索的得力助手，特别是在需要快速获得数据整体概览时。它就像化学家工具箱里的瑞士军刀🔧，虽然不是每项功能都最强，但胜在可靠实用！

神经网络方法：自组织映射（SOM）- 智能拼图大师 🧩

自组织映射（SOM）简直就是化学世界的"智能拼图大师"！想象一下有一个超级聪明的AI助手，它能把成千上万的分子像拼图块一样整齐地排列在一个六边形的网格上，让相似的分子自动"吸引"到相邻位置——这就是SOM的神奇之处！🤖

SOM的工作过程就像看一群分子在玩"找朋友"的游戏，相似的分子会通过某种神秘的"化学引力"聚集在一起，最终形成一个井然有序的分子社区🏘️。这种方法最让人佩服的地方是它的"体力"——能够轻松处理超大规模的数据集。有研究团队甚至用SOM成功分析了包含超过1亿个分子的化学库，这简直就是数据处理界的"大力士"💪！

在药物发现的实战中，SOM已经证明了自己的价值：从P糖蛋白抑制剂的火眼金睛识别，到多靶点配体的精准发现，再到超大化学库的结构分类——SOM就像一个多才多艺的全能选手🏆。不过，它也有一个小小的"强迫症"：每个分子必须被分配到固定的网格位置，这意味着那些只有细微差别的分子可能会被"一视同仁"，有点像把双胞胎当成同一个人😅。

现代热门：t-SNE技术 - 分子世界的"显微镜" 🔬

t-分布随机邻域嵌入（t-SNE）绝对是数据科学界的"网红"！自2008年问世以来，这个小家伙已经被引用超过49,000次，简直就是学术界的"顶流明星"⭐。t-SNE就像一台超高倍数的显微镜，专门设计来让我们看清数据世界中那些隐藏的精妙结构。

t-SNE的工作原理充满了数学的美感：它通过巧妙地平衡高维空间和低维空间中的概率分布，努力保持每个分子的"社交圈子"不变。在高维空间中是邻居的分子，在降维后的2D地图上仍然会是好邻居👫——这种"友谊保持"的能力让t-SNE在识别具有相似生物活性的分子群体方面表现得特别出色。

在药物发现的战场上，t-SNE就像一位经验丰富的侦探🕵️，已经帮助科学家们破解了许多分子谜题：从γ-分泌酶抑制剂的活性密码，到WEE1激酶抑制剂的结构优化秘籍，再到除草剂与药物之间的"化学身份证"对比。不过，t-SNE也有它的"职业病"——计算起来特别耗时耗力，面对那些动辄数亿分子的超大数据集时，它就像一台精密但缓慢的手工作坊，让人又爱又恨😤。

新一代方法：UMAP技术 - 速度与精度的完美融合 ⚡

统一流形近似和投影（UMAP）可以说是2018年横空出世的"天才少年"！它就像t-SNE的升级版，不仅继承了前辈的所有优点，还修复了不少"bug"🐛。UMAP最让人惊喜的特质是它在保持数据全局结构方面的出色表现——就像拍照时既能拍清楚近景的细节，又能保持远景的完整构图📸。

UMAP最大的超能力是它对不同距离函数的灵活支持，这在化学信息学中简直就是神器级别的存在！因为分子世界中的相似性度量五花八门，有的基于指纹，有的基于图结构，UMAP就像一个"多语言翻译官"🗣️，能够理解和处理各种不同的"分子语言"。

在实战应用中，UMAP已经证明了自己的实力：帮助科学家发现了BTK和JAK3双重抑制剂这样的"一石二鸟"神奇分子🎯，在RNA靶向小分子的多样性分析中大显身手，还在药代动力学模型的适用性评估中发挥了重要作用。这种"既快又好"的特质让UMAP迅速成为了化学家们的新宠儿❤️。

专门化创新方法 - 为化学量身定制的专业工具 🛠️

除了这些"通用型选手"，聪明的科学家们还开发了专门针对化学数据特点的"定制化武器"。树图（t-MAP）就像是专为超大化学数据集打造的"超级计算机"💻，它利用巧妙的树形结构和闪电般的哈希算法，能够在眨眼间处理数百万分子的可视化任务，而且结果还特别容易理解——简直就是"又快又好"的典型代表！

另一个有趣的创新是Hilbert曲线辅助结构嵌入（HCASE），这个方法的思路特别巧妙：它先把高维空间"折叠"到一维的Hilbert曲线上，然后再"展开"到二维空间🎗️。最妙的是，它基于分子骨架进行分析，这正好符合药物化学家"骨架思维"的习惯——就像建筑师总是先考虑房屋的框架结构一样🏗️。

实用工具生态系统 - 化学家的"装备库" 🎒

随着化学空间可视化技术的蓬勃发展，现在的工具生态系统简直就像一个琳琅满目的"化学家超市"🛒！从免费的开源"良心软件"到功能强大的商业"旗舰产品"，从需要安装的桌面应用到随开随用的在线平台，真正做到了"总有一款适合你"！

在免费开源软件的世界里，DataWarrior绝对是当之无愧的"人气王"👑。这个德国制造的优秀软件支持几乎所有主流的降维算法，而且专门为化学数据进行了优化，就像为化学家量身定制的专业工具一样贴心。另一个值得推荐的是ChemPlot，这个Python小助手能让你用几行代码就生成漂亮的化学地图，简直就是"懒人福音"和"新手神器"的完美结合🎁！

在线平台方面更是精彩纷呈！ChemSpace Atlas就像一个巨大的"化学博物馆"🏛️，收藏了超过40,000个精美的化学地图，你只需打开浏览器就能开始一场说走就走的"化学空间之旅"。而FUn平台更是技术实力的完美展示——它曾经成功可视化了1700万个分子，这种"工业级"的处理能力让人叹为观止🎪！