哪些化學研究與計算機

① 計算機化學有哪些期刊如題.與計算機化學有關的期刊有

化學研究與進展
高等學校化學學報

② 計算機與化學的關系，或者說有什麼聯系計算機對化學

計算機化學圍繞著 「化學信息」這一核心，從計算機化學的基本概念、方法入手，將實驗數據、量測信號、紅外光譜圖、分子結構、化學知識和Internet這一系列看似零散但卻有著內在聯系的內容串聯起來。展現了計算機化學在數據處理、信號分析、結構解析、有機合成、分子設計等諸多方面的應用。認識物質、改造物質、創造新物質和認識反應、控制反應過程和創造新反應、新過程是計算機化學研究的主體。它的興起與發展是與計算機技術的發展和計算機的普及緊密聯系的。計算機化學覆蓋的領域主要有：(1)化學數據挖掘(Data mining)；(2)化學結構與化學反應的計算機處理技術；(3)計算機輔助分子設計；(4)計算機輔助合成路線設計；(5)計算機輔助化學過程綜合與開發；(6)化學中的人工智慧方法等。

③ 生物學和化學分別有哪些尖端科技是需要大量計算機技術的支持的

「系統生物學」是現在「生物學」最熱門的研究領域之一。（此網業連接不到，不好意思）可看看下列回答
從生物學的研究方向來看,無論是宏觀,還是微觀,僅僅掌握單一的生物學知識是無法勝任的。從生物學發展趨勢來看,今日的尖端科技,明日就可能成為生物科技發展的基礎。這就需要我們的學生不斷掌握新知識,了解新成就。只有這樣,才有可能站在前人...相關資料請看http://www.hqzx.e.sh.cn/mainweb/sw/kctz/smfz.htm
其次是基因工程范疇的系列問題要用到關於計算機類的問題（如：基因識別器， 生物特徵 身份鑒別 模式識別）。要用到生物計算機。
生物計算機

生物計算機是以生物界處理問題的方式為模型的計算機。目前主要有：生物分子或超分子晶元、自動機模型、仿生演算法、生物化學反應演算法等幾種類型。
計算機工業在近幾十年內飛速發展，其速度令人瞠目。然而目前晶體管的密度已近當前所用技術的理論極限，晶體管計算機能否繼續發展下去？所以，人們在不斷尋找新的計算機結構。另一方面，人們在研究人工智慧的同時，借鑒生物界的各種處理問題的方式，即所謂生物演算法，提出了一些生物計算機的模型，部分模型已經解決了一些經典計算機難以解決的問題。

生物計算機目前主要有以下幾類：

1. 生物分子或超分子晶元：立足於傳統計算機模式，從尋找高效、體微的電子信息載體及信息傳遞體入手，目前已對生物體內的小分子、大分子、超分子生物晶元的結構與功能做了大量的研究與開發。「生物化學電路」 即屬於此。

2. 自動機模型：以自動理論為基礎，致力與尋找新的計算機模式，特別是特殊用途的非數值計算機模式。目前研究的熱點集中在基本生物現象的類比，如神經網路、免疫網路、細胞自動機等。不同自動機的區別主要是網路內部連接的差異，其基本特徵是集體計算，又稱集體主義，在非數值計算、模擬、識別方面有極大的潛力。

3. 仿生演算法：以生物智能為基礎，用仿生的觀念致力於尋找新的演算法模式，雖然類似於自動機思想，但立足點在演算法上，不追求硬體上的變化。 4. 生物化學反應演算法：立足於可控的生物化學反應或反應系統，利用小容積內同類分子高拷貝數的優勢，追求運算的高度並行化，從而提供運算的效率。DNA計算機 屬於此類。以下將著重介紹自動機模型中的計算神經網路和生物化學反應演算法中的DNA計算機的模型。

計算神經網路

早在1943年心理學家W. McCulloch和數學家W. Pitts合作提出神經元的二值邏輯模型。1949年D. Hebb提出了改變神經元連接強度的學習規則，這一規則至今在各種網路模型中起著重要作用。1962年F. Rosenblatt提出感知機模型。1982年美國物理學家J.Hopfield提出一種全新的神經網路模型 ，它體現了D. Marr的計算神經理論、耗散結構和混沌理論的基本精神，用S型曲線替代二值邏輯，引入「能量」函數，使網路的穩定性有了嚴格的判斷依據，模型具有理想記憶、分類與誤差自動校正等智能。Hopfield模型的動力學特徵的分析提供了有力的研究方法。

神經網路系統模擬大腦的工作方式，由大量簡單的神經元廣泛相互連接而成，形成一種拓撲結構。大腦具有相當高級的處理信息的能力，與傳統計算機模型相比，大腦具有如下特徵：首先是大規模並行處理能力，其次是大腦具有很強的「容錯性」和聯想功能，第三是大腦具有很強的自適應能性和自組織性。在這些方面，目前的傳統計算機模型是難於實現的。

具體的神經元模型主要是如何更好地反應神經元在刺激下發放電位的本質。大多數模型把神經元之間的連接考慮成線性連接，輸入層與輸出層直接相連，沒有中間所謂隱單元層。每個神經元只能是興奮態或抑制態，任一神經元的輸入是其他神經元的輸出通過突觸作用的總和。如果考慮興奮態和抑制態之間的過渡情況，可以採用S型曲線來表徵神經元的非線性輸入和輸出特性，如J. Hopfield模型；也可以按照統計物理學的概念和方法，神經元的輸入由神經元狀態更新的概率來決定，如波爾茲曼機模型；還可以在神經元的輸入與輸出層之增加中間變換層，如感知機模型；增加反向誤差校正通道的反傳播模型等等。通過對神經元的形態與功能的不同表達，可以產生不同的模型。

DNA計算機

1994年,美國加州大學的L. Adleman博士在《Science》上公布了DNA計算機的理論，並成功地在DNA溶液的試管中進行了運算實驗。L. Adleman博士的DNA計算機完全是一種新的觀念。其基本設想是：以DNA鹼基序列作為信息編碼的載體，利用現代分子生物學技術，在試管內控制酶作用下的DNA序列反應，作為實現運算的過程；即以反應前的DNA序列作為輸入的數據，反應後的DNA序列作為運算的結果。DNA計算機是一種化學反應計算機。到目前為止，已有人通過DNA計算機模型進行實驗解決了一些基本的NP問題。如L. Adleman博士做的對貨郎擔問題（哈密頓圖問題，HPP）的計算，和普林斯頓大學查科普頓作的可滿足性問題（SAT問題） 。所謂NP問題 ，是指人們根據問題類的演算法復雜程度的劃分而言，與P問題相對。P問題是指演算法復雜性隨著問題規模的增長而呈多項式增長的演算法，是可以計算的。NP問題是指指演算法復雜性隨著問題規模的增長而呈指數增長的演算法，是實際上不可計算的。DNA計算機的構想是一種創新，具有巨大的潛力。DNA計算機運算速度快，其幾天的運算量就相當於計算機問世以來世界上所有計算機的運算總量。它的存儲容量非常巨大，而耗能卻只有一台普通計算機的十億分子一。當然，DNA計算機畢竟只是一種理論設想，在很多方面還相當不完善。主要表現在：

1. 構造的現實性及計算潛力。DNA計算機以編碼後的DNA序列作為輸入，在試管內反應完成計算，反應產物及溶液給出了全部解空間，但是最優解如何與其他解分離，怎樣輸出，是一個技術性極強的問題。目前還沒有令人滿意的輸出手段。隨著求解問題規模的擴大，輸出將成為DNA計算機的瓶頸。

2. 運算過程中的錯誤問題。在擴增DNA的過程中，有較高的錯配率，而且大量的DNA在幾百步的反應中也會產生一些支路反應。錯誤會產生偽解，並增加最優解輸出的難度。

3. 人機界面。怎樣使得DNA計算機的輸入和輸出變成一般人可以接受的，否則就無法進行廣泛的應用。

不論如何，DNA計算機的提出拓寬了人們的視野，啟發人們用演算法的觀念研究生命，並向眾多領域提出了挑戰。（http://..com/question/7358400.html為原文出處） 相關「生物 計算機問題可以到http://www..com/s?ie=gb2312&bs=%CE%B4%BD%E2%BE%F6%B5%C4%C9%FA%CE%EF%CE%CA%CC%E2&sr=&z=&cl=3&f=8&wd=%C9%FA%CE%EF+%BC%C6%CB%E3%BB%FA&ct=0觀看（希望你能找到自己想要的）
再說說化學與計算，應該是把對未直元素和試驗等數據用C＋＋編程，編輯的軟體利用是十分有必要的。在程序中模擬試驗，既不要試驗空間，也不會用到很多器具，節省了很多不必要的資源。而且還可以與世界各地專家在網上交流和共同試驗等等，這都是化學，生物計算軟體可開發利用成分...
化學 計算機

想像一下，未來的計算機會成為什麼樣子?假如有人說，讓像果凍一樣的物質去思考，去表達同情心，你覺得可能嗎?對於早已習慣和熟悉了稜角分明的顯示屏、主機和滑鼠的現代一族而言，把計算機想像成為一團軟軟的、滑滑的、沒有固定形狀的果凍，確實有點異想天開。然而，英國布里斯多大學計算機專家安德魯正在做著這樣的夢，他的夢想是，用離子替代電子，用果凍一樣的物質替代硅晶元和電路板。大多數人累了的時候，一般是喝杯咖啡，或者是到戶外去散步，呼吸一下新鮮空氣。安德魯卻與眾不同，當他覺得腦子有些不大靈光，需要點額外刺激時，就讓他的機器人用金屬手指劃拉一下一個盛滿化學液體的盤子。這一盤子的化學液體，就是安德魯所設計的液體計算機的」大腦」原型。離子波的形成和擴散，就是化學計算機的「思考」過程。當運行速度變慢時，「大腦」就會對機械手發出指令，將金屬手指浸到盤子中去，搖晃一下那些神奇的化學液體。
安德魯現在所設計的化學計算機，還只是簡單地模仿人類的手臂和大腦之間的反饋過程，他的志向是，要設計化學處理器，把計算機硬體裝到瓶子里去。經過10多年的研究，安德魯現在已開發出液體邏輯門，並認為他所設計的陣列具有無限的自我重組和修復能力。計算機巨人IBM也認為，利用這種陣列技術，有可能設計出功能強大的新型計算機晶元。此外，安德魯還有另外一個雄心勃勃的目標，即進一步加強「鼓波」的能力，使之無愧於液體腦的稱號。為了證明液體腦的概念潛力無限，前途光明。安德魯特別設計了液體腦的載體———果凍機器人。它有人造的眼睛，合成的荷爾蒙。也許有一天，果凍機器人可以感受到周圍的環境，甚至有可能感受到人類的情感。化學計算機有個十分復雜而又特別迷人之處，稱之為貝洛索夫-恰鮑廷斯基反應(BZ反應)，它是由3個不同的反應組成的化學振盪反應。每個反應都有不同的分子和離子，當加入特定的化學成分後，首先觸發第一個反應，所產生的生成物可以觸發第二個反應，隨後第二個反應的生成物又可以觸發第三個反應，第三反應的生成物再觸發第一個反應，由此循環往復。更為迷人的是，各個不同的反應會產生不同的顏色，因此可以形成紅藍交替的波。BZ反應之所以重要，在於利用它可以解決一些數學難題，尤其是一些現在的計算機難以解決的問題。比如，迷宮最短路徑問題。用傳統的計算機解這一問題必須要窮盡所有的路徑，然後再進行比較，這需要耗費大量的時間。而利用BZ反應則不同。由於波在傳播和擴散時，總是走最短的路徑。只要利用照相機，記錄下波的運動軌跡，就可以解決這一難題。

上個世紀90年代中安德魯意識到，BZ反應有更重要的應用，那就是可以用於化學處理器。為此，他組織起一個專門的班子，並開發了兩個化學處理器的概念模型。一個模型可以模仿人類的手臂與大腦的反饋活動。另一個由兩個BZ反應組成，可以在一個布滿傢具的房間內自動移動到目的地。雖然這兩個概念模型表現還不錯，安德魯卻意識到，如果要讓化學處理器處理更為復雜的運算過程，必須要有邏輯門。美國波士頓大學的一項理論研究引起了安德魯的注意。該研究認為，可以模仿斯諾克撞球，製造一種形式簡單的處理器。也就是說，每個球可以代表1或0，球的碰撞過程就是計算過程，球如何相撞，相撞後彈出的方向，可以精確地表現為邏輯過程。換句話說，碰撞結果可以成為邏輯門的等價物。這樣，安德魯的任務就變成如何讓BZ波進行碰撞。去年，安德魯的研究取得重大突破。他把BZ混合物放到鹵化銀薄膠層上，由於鹵化物可以起到化學阻滯劑的作用，膠層可以延緩波的傳播速度。這樣，BZ反應就不會形成完整的圓形波，只是形成了小段的圓弧，並且沿直線進行傳播，安德魯將之稱為BZ彈。BZ彈更多地表現出准粒子的特性，而不是波的特性，其表現與撞球相似。實驗中，安德魯發現，兩個BZ彈在特定的角度相撞時，只在特定的方向產生唯一的輸出。如果僅有一個輸入，則在該方向沒有輸出。這樣安德魯就研究出了邏輯與。此後，他又相繼研究出邏輯或、邏輯非以及邏輯互斥，這就為安德魯的化學處理器奠定了堅實的基礎。安德魯的化學處理器雖然還處於初級階段，但他已把目光轉向了並行化學處理器。對於化學處理器能否成功，人們還處於未知階段，但科學家相信，如果人類能夠具備控制納米級水平製造波的能力，化學處理器就很可能實現。正如一些專家所言，不管安德魯的志向能否實現，他的研究工作無論對揭示人類大腦的奧秘，還是製造更好的處理器，均具有十分重要的意義。畢竟，化學處理器是生物組織器官和電子設備之間的一座橋梁（http://..com/question/16587357.html原文出處）相關的可到
（http://www..com/s?ie=gb2312&bs=%C9%FA%CE%EF+%BC%C6%CB%E3%BB%FA&sr=&z=&cl=3&f=8&wd=%BB%AF%D1%A7+%BC%C6%CB%E3%BB%FA&ct=0）去看。
我可說的就這么多了希望對你有所幫助

④ 化學領域有那些地方用到計算機編程

一般的化學研究生的話，基本上用到編程的地方就是曲線擬合，數據處理，還有一個是做圖。解析和精修晶體結構的軟體 GSASII 就是用 Python 寫的。

⑤ 計算機在化學中的應用

計算機在化學中的應用
application of computers in chemistry
━━━━━━━━━━━━━━━━━━━━━━━━
按化學體系分類
計算機在分析化學中的應用
數據處理
條件預測
提高選擇性
提高靈敏度
實現儀器自動化和智能化
計算機在有機化學中的應用
譜圖檢索
差譜技術
結構解析
合成路線設計
按計算機應用方法分類
數值計算
化學模似
實時控制
模式識別
資料庫
專家系統━━━━━━━━━━━━━━━━━━━━━━━━
計算機是一種多功能的設備,可用於計算、擬合模擬、製表、繪圖、選擇、判別、存貯、檢索、統計、管理、自動控制、人工智慧、專家系統等方面。計算機在化學中的應用可從不同角度分類：按化學體系，可從解決化學各分支學科的問題分類；按應用方法，則是從計算機的功能應用來分類。
按化學體系分類
計算機在分析化學中的應用 簡稱計算分析，其內容有：
數據處理 利用一元統計，可對同一項目的若干次測量數據進行統計處理，計算置信區間、標准誤差、變動系數等。利用二元統計，可以計算含量與滴定體積或濃度與吸光度之間的直線方程（線性回歸法）。用程序型計算器也能迅速完成這些計算。
條件預測 根據溶液平衡原理，考慮副反應系數校正，形成精確的數學模型，可對化學分析條件進行預測，例如顯色反應最合適的pH的預測、離子交換色譜法中淋洗液濃度和用量的預測等。在較復雜的情況下，可以利用計算數學方法。設有10種金屬離子與10種絡合劑共存，它們之間的競爭反應可用迭代法預測，計算機對每種絡合物用迭代法處理，獲得收斂結果的報出答案,迭代999次仍不收斂者棄去，總共不多於10萬個數據的計算。按常法以每個數據平均費時6分鍾計,一個人要三年半才能算完，用計算機處理不到 1小時可得出答案，為化學分析中哪種離子參加反應、哪些離子被掩蔽等條件，獲得可靠的預測效果。
提高選擇性 即准確測定指定的組分,消除干擾一般可概括為下列兩種模型：①平衡模型，以各種平衡常數為依據,把共存的每種平衡都寫成一個方程式,形成一組方程。在測得某些未知量之後，就可把被測物質的共存干擾物質的含量一起計算出來。這種模型適於處理化學分析問題，但受到平衡常數的精密度和高濃度溶液中活度校正的准確度的限制。②當量模型，以廣義的當量關系，即測定信息與被測物含量的關系為依據。這些測定信息可以是滴定體積、沉澱重量、吸收、發射、電流、電壓、波峰的高度或面積等。將它們組成方程組，可把多種組分的含量一起計算出來。這種模型適用於化學分析和各種儀器分析，准確度高於平衡模型，但也受到某些限制。
此外，國內還研究了在多波長光度法中用計算機選擇波長對（或波長組），以及無機紅外光譜等方法，來提高測定性質相近元素的選擇性。
提高靈敏度 改善信噪比、提高解析度，常採用數學方法，使原來測量不出來的量能被測出。其方法有累加平均法、導數光譜法、傅里葉變換法、信號相關法和卷積法等。
實現儀器自動化和智能化 儀器自動化發展迅速，內容包括數據採集（將儀器測得的模擬量通過模數轉換電路轉換為數字，以便計算機處理）、數據處理（自動記錄、換算、校正、平滑）、自動控制（用程序控制進樣、加液、升溫、調節等操作），以及屏幕指導（操作人員不用帶紙筆和操作規程,一切工作都由屏幕提示,人機對話，操作過程和結果都由機器列印記錄）等。
儀器智能化是一個新的課題，是儀器自動化並配備專家系統的產物，其低級階段是配備小型資料庫，能選擇實驗條件，存貯、調用譜圖等；其高級階段是用專家系統指導人們工作，檢查儀器，對操作人員輔導、答疑等。
計算機在有機化學中的應用 簡稱計算有機，其內容有：
譜圖檢索 物質的不同結構引起譜圖上的不同特徵。因此，譜圖的檢索就成為有機分析的重要手段，常用的有紅外、核磁、質譜等譜圖。例如，由實驗測出未知物的紅外譜圖，把它和標准譜圖對照，參照質譜數據求得分子量,就可求得未知物的組成和結構。但是,標准譜圖數量太大,如果有18萬張標准譜圖，每2秒種翻閱1張,一個人要半個月才能翻完一遍，還談不上思考和比較。若將譜圖信息數字化，用計算機進行檢索，就可以迅速指出實測譜圖與哪一張標准譜圖相同，或與哪幾張標准譜圖相似程度最大，這將為分析者提供解決問題的線索。
差譜技術 實測譜圖的可靠性通常存在一些問題，如溶劑、基體的影響，共存物質的干擾等。一般試樣本身就是未知物,欲將它提純為純化合物測譜是困難的,這就產生了差譜技術，即用差減的方法產生相應於純化合物的譜圖。
傳統的差譜是用光學方法，如利用參比溶液。雙光束補償等方法，對於識別未知含量的干擾物質有困難。利用計算機執行差譜程序，可將干擾物質的標准譜圖通過換算，與試樣的譜圖進行差減，達到扣除基體、數據平滑、多組分逐級差譜等效果，為有機物的成分、結構分析提供新的手段。
結構解析 1985年已知有機化合物約有600萬種,但已見報道的譜圖庫收集的譜圖一般少於20萬種。可以預料，譜圖檢索是不能完全解決問題的。結構解析方法利用已有的光譜、波譜數據，由人工歸納出結構單元與譜圖性質關系的「知識規則」，存入計算機，作為邏輯判斷的標准。試樣數據輸入時，計算機推理判斷，指出試樣的結構的若干種可能方案。這種方法模擬了化學專家的智能，屬於「化學專家系統」的研究。
結構解析的理想目標是結構自動分析，將未知物在紅外光譜儀、核磁共振譜儀等幾台儀器上同時測譜，所得數據聯機送入計算機進行實時處理。在屏幕上顯示出平面或立體結構圖形，不過這種工作僅在小范圍內實現，要處理天然有機化合物等復雜問題為時尚早。
合成路線設計 文獻中已有大量有機合成路線，這是進行新物質合成的基礎，但是人們難以全部掌握這樣多的合成方法。利用資料庫方法把已有合成路線存入計算機中，可從不同途徑加以利用：①逆向追溯，提出欲合成某種目標物質時，機器從已有合成路線追溯，知道該物質可由A、B兩物質在什麼條件下合成；進一步追溯A可由C和D合成，B可由E和F合成，如此一直找到一些廉價易得的物質作為合成原料；②順向預測，已有大批原料，讓計算機判斷用這些原料能合成什麼有用物質；③途徑選擇，機器找出一批合成路線後，讓機器從中選出最符合要求（例如:成本最低，產率最高，方法最簡,污染最少）的合成路線。
按計算機應用方法分類
數值計算 主要是利用計算數學方法，對化學各專業的數學模型進行數值計算求解。例如量子化學、結構化學中的一些演繹性的計算分析化學中的條件預測化工中的各種應用計算等。
化學模擬 模似是計算機應用的重要方面，主要有：①數值模擬，例如，欲從工作曲線測量數據歸納成數學公式，可用曲線擬合法。這是較簡單的模擬。有時用一種數值計算方法就能完成任務。②過程模擬，欲總結某一復雜過程的測試數據，形成整套的規律和數學模型時，可能涉及許多種數值模擬工作。過程模擬能預測反應效果，在生產中起重要指導作用。③實驗模擬，例如，為了弄清幾種參數（反應物濃度、溫度、壓力）對產量的影響，可在建立數學模型後，逐個改變參數，讓機器回答其產量。這樣,若干小時或若干天才能完成的實驗,在計算機上用若干分鍾就能得出結果。
模擬實驗的另一種形式，是在屏幕上顯示反應設備和反應現象的實體圖形，或反應條件（數據）與反應結果(數據)的坐標圖形。將一種操作方法或條件輸入，屏幕上即顯示相應的實驗效果，通常用於計算機輔助教學中。
實時控制 即儀器聯機和自動化。
模式識別 在化學中應用較廣的是統計模式識別法。這是一種統計處理數據，按專業要求進行分類判別的方法，適於處理多因素的綜合影響。例如，根據人的毛發、血、尿中微量元素含量診斷疾病，根據油田水的化學成分探測油礦，根據物性數據設計新的功能材料等。
資料庫 資料庫是一種綜合服務性的軟體工程。這里所謂數據是廣義的。在化學資料庫中,數據常數、譜圖、文摘、操作規程、應用程序……都是「數據」。資料庫能存貯大量信息，並可根據不同需要進行檢索。研究者為了查明有關領域的國際現狀，並在此水平上提高一步，通常要費大量勞動去查閱文獻，常常要求涉及某幾個關鍵詞的文獻，或某人在某年間的文獻等。建成了化學文獻庫，在使用時可以任意指定領域、要求。在一、二小時內拿到全部列印資料，完成常人半年查閱文獻的工作量。
專家系統 專家系統是資料庫與人工智慧結合的產物，它把「知識規則」作為程序，讓機器模擬專家的分析、推理過程，達到用機器代替或部分代替專家的效果。具體例子有：①酸鹼平衡專家系統，內容包括知識庫和檢索系統，提出問題時，機器自動查出數據，找到程序，進行計算、繪圖、選擇判斷等處理，並用專業內行的語言回答問題，例如，任意溶液（包括任意種組分的混合溶液）的pH值計算，任意溶液用酸、鹼進行滴定時操作規程的設計等。②定性分析專家系統，用帕斯卡語言編寫了陽離子硫化氫系統和陰離子消去法系統，學生拿到未知試樣，不用學習和查閱這種古老系統，只須按照機器提示的手續進行操作，所得現象再輸入機器，如此逐步處理，就會得出「試樣是什麼化合物」的結論。
專家系統可以移植，利用一個專家系統的框架，改變其資料庫、知識庫內容，就可形成另一專業的專家系統。
專家系統有「學習」功能如果知識庫不夠全面,或形勢發展、情況有變化,機器輸出的答案不正確時,使用者可以隨時按鍵糾正。機器「學習」了新的知識後，下次回答同樣問題就不再出錯。
專家系統是軟體系統，可以復制交流。如果各單位根據自己的專長，設計相應的專家系統，則經過復制交流，每個單位都可掌握許多「專家」，形成強大的智力資源。

⑥ 化學和計算機有專業上的聯系嗎

首先你要明白計算機的本質問題,計算機是來模擬現實世界來解決問題的,那麼現實世界的問題就分各行各業,每個行業用到技術不同,自然要通過計算機來解決問題,你必須掌握現實世界中這些問題的解決方式,才能用計算機來模擬來解決這類問題
做游戲開發需要很多物理知識 ,人工智慧領域神經網路需要用到生物學知識.....
所以說既然做了計算機行業,那麼多學一些知識不是壞事,但是要認准一個方向,因為計算機科學分支太多了,每個分支領域都夠你研究一輩子了,我們不可能面面俱到,成為一個領域的專家就已經很了不起了,再說了,現在軟體工程都講究分工協作,不是單打獨斗的年代
把計算機專業最底層的軟硬知識打扎實,這是你通往上層不同分支領域的最重要的基礎,基礎不牢固,上層學起來很困難,迷霧重重,一碰就倒

⑦ 有哪些化學專業問題可以藉助計算機完成

現在許多化學問題都可以通過計算機計算解決，這個專業方向為計算化學。

計算化學主要應用已有的電腦程序和方法對特定的化學問題進行研究。而演算法和電腦程序的開發則由理論化學家和理論物理學家完成。計算化學在研究原子和分子性質、化學反應途徑等問題時，常側重於解決以下兩個方面的問題：

• 為合成實驗預測起始條件

• 研究化學反應機理、解釋反應現象

⑧ 計算機化學的應用

計算機輔助分子設計和模擬
工程方面的計算機輔助設計已是大家所熟悉的了，化學由於它的特殊性使得計算機輔助化學設計相對來說發展相對較晚，但化學家已在分子設計和有機合成設計兩個主要領域取得較大進展並日益發展。
分子設計和模擬的目標是預測具有指定性質（或性能）的可能分子的結構。它們主要應用於醫葯（葯物設計）和農用化學品（除草劑設計、農葯設計、殺蟲劑設計等）領域，在實驗室內分子設計主要應用蛋白質、酶、核酸等大分子的設計。以前發現一個有應用價值的新化合物主要是憑化學家的經驗和靈感，最常用和最有效的方法就是採用費錢費時的篩選法，已開始採用對分子結構進行系統的有規律的變化，尋找性質與結構變化之間的相關關系，從而建立結構-性質關系模型以用於分子設計。圍繞計算機輔助分子設計，要開展一系列的基礎研究工作，主要有結構-性質關系研究、三維動態分子模型化方法、分子形狀和活性關系、構象分析、生物大分子的結構-功能關系，以及分子設計方法在葯物、材料設計中的應用研究等。
化學結構與化學反應的計算機處理技術
長期以來化學家在應用計算機解決化學問題中遇到的第一個困難就是化學結構的計算機處理的問題。可以說化學的一切領域無一不與化合物的結構密切相關。在過去的30多年中，這一問題得到了廣泛的重視和深入的研究，從而形成了計算機化學的一個重要的研究領域。經過多年努力，化學結構計算機處理中的理論和絕大部分技術問題已基本得到解決。然而，這些方法還是有局限性的；難以應用於諸如族性結構處理、結構-活性相關的自動化研究和反應機理研究等方面。即使對確定結構處理中的問題，現有的解決方案仍不為所有化學家所接受。因此，確定結構的計算機處理仍有一些難題，如無機化合物、金屬有機化合物、互變異構的化學結構等，需要做更深入的研究。同時應當看到這些問題又是計算機化學中諸多領域的基礎，它們的完全解決將有利於計算機化學的發展。
化學反應的處理問題
由於可以將化學反應看成是一些化學結構向另一些化學結構的轉換，因此，化學反應的處理問題說到底是對化學結構的處理。但是，化學反應的計算機成立也有它自己特定的問題，如反應中心的自動識別、反應知識的發現、組織和利用、同類反應的自動產生等問題。這些問題是當前計算機處理化學反應領域內的主要研究方向，它們的解決一方面將推動化學反應資料庫向更高層次的發展，另一方面將通過與數據挖掘技術的結合，發現反應知識，使計算機輔助有機合成路線設計更有扎實的基礎，從而能得到更合理的解決。
族性結構的計算機處理問題
族性結構的計算機處理問題是一個比確定結構更富挑戰性的課題，但又是當今計算機化學必須解決的問題之一。與確定結構不同，族性結構由於在結構式中採用了可變部分而使得一個族性結構對應於一類物質。這類物質可以是有限個確定的化合物；而當採用了「烷基」或「含氮雜環」這類通式術語時，也可以代表無限個化學物質。族性結構的這一性質決定了相應的計算機處理系統的復雜性。族性結構的計算機處理，還只有一個方向性的解決辦法。但從大的方面來看，要解決能忠實於原來意義的族性結構的表述方法和族性結構的檢索兩個問題。如何根據族性結構的特徵；解決它的計算機表述方法是當前族性結構處理的核心問題。它解決得好，族性結構的檢索問題也將較易解決。族性結構的檢索問題與它的表述有密切聯系，並可歸結為如下三類問題：①某一確定結構（化合物）是否被包含在一個族性結構中？②一個族性子結構是否部分或全部為另一族性結構所包含？③兩個不同的族性結構是否有共同的確定結構？族性結構處理中的主要問題已基本得到解決。最早的族性結構檢索系統，法國QUESTEL公司開發的Markush-DARC，已運行了15年。但是，現有系統都仍然存在一些不足，這些不足源於族性結構表述的固有困難。可以預見，它們的徹底解決將依賴於組合概念表述的革新，而不是基於現有概念的打補丁。這種概念的更新將有可能豐富和推動圖論、集合論等數學理論的發展，而且也將為性能更好的實用系統的建立奠定基礎。
人工智慧的化學應用
人工智慧技術已有40多年的歷史，它在化學中的應用也不是新鮮事了，因為DENDRAL系統就開始了人工智慧的化學應用，而且正是它的成功而開創了當代已得到蓬勃發展與廣泛應用的稱之為專家系統的人工智慧中的一個重要分支。但是，由於人工智慧技術是一個多學科的綜合研究領域，它的內容與應用常常難於理解，因此盡管人工智慧已經走出了它的嬰兒期而日趨成熟，但至今仍有許多人並不十分了解人工智慧的作用。作為事實科學的化學，盡管其理論近幾十年來得到了長足的進展，但是化學家解決問題主要還是依靠經驗和直覺。人工智慧正好能提供將理論與經驗結合起來的手段。因此，不少化學家與人工智慧專家都認為化學是人工智慧最理想的試驗場與用武之地。當前化學中人工智慧的主要研究有應用自然語言處理技術的化學文獻文摘的自動生成、化學數據中的智能檢索方法、化學實驗室的自動化與機器人、神經網路方法的化學應用、化學中的NP-完備性問題及其解決辦法、化工過程系統綜合、故障診斷、過程式控制制中的人工智慧方法等，其中最活躍而且也是最成功的是研究開發由譜圖數據，包括紅外、質譜、核磁共振，特別是從二維和高維核磁共振數據藉助於計算機快速推定未知化合物結構的解析系統。但是，盡管已有不少這類系統，但真正能解決實際問題的系統還不多，研製實用的結構解析系統是這一領域的重要課題。
計算機輔助化學過程綜合與開發
隨著計算機存儲和運算能力的提高，使得計算機正在迅速進入新興產業和傳統產業的各個方面。對於典型的過程工業的化學和石油化學工業，計算機同樣成為它們的核心部分，對過程進行全面制約並對其變革產生著深刻的影響。從目前來看，過程綜合有兩個層次的含義。由已知的原料條件和產品的性能規格要求，如何找到最佳的工藝製造途徑是過程綜合一個層次的含義。對不同過程的集成，以期達到對能量、物料、設備等資源的最大限度利用的同時，達到消滅污染於過程的目的，是過程綜合另一個層次的含義。這無疑是過程工業在下一世紀最具挑戰性的課題之一。
「過程概念設計」的提出是計算機輔助化學過程綜合與開發領域技術進步的一個重要標志。然而，這種進步主要表現在知識的積累方面，而在計算機軟體方面，除在能量系統綜合外，似乎尚未取得突破性的進展。計算機化學至少可以從三個主要方面促進過程綜合與新流程的開發：①集中對化學過程的研究成果，形成資料庫和軟體包；②計算機輔助過程評估、系統設計、關鍵設備設計、動態控制和管理；③充分利用理論研究成果，減少放大步驟。

⑨ 應用化學里的計算化學與計算材料科學介紹

計算化學是理論化學的一個分支。計算化學的主要目標是利用有效的數學近似以及電腦程序計算分子的性質（例如總能量，偶極矩，四極矩，振動頻率，反應活性等）並用以解釋一些具體的化學問題。計算化學這個名詞有時也用來表示計算機科學與化學的交叉學科。

理論化學泛指採用數學方法來表述化學問題，而計算化學作為理論化學的一個分支，常特指那些可以用電腦程序實現的數學方法。計算化學並不追求完美無缺或者分毫不差，因為只有很少的化學體系可以進行精確計算。不過，幾乎所有種類的化學問題都可以並且已經採用近似的演算法來表述。

理論上講，對任何分子都可以採用相當精確的理論方法進行計算。很多計算軟體中也已經包括了這些精確的方法，但由於這些方法的計算量隨電子數的增加成指數或更快的速度增長，所以他們只能應用於很小的分子。對更大的體系，往往需要採取其他一些更大程度近似的方法，以在計算量和結果的精確度之間尋求平衡。

計算化學主要應用已有的電腦程序和方法對特定的化學問題進行研究。而演算法和電腦程序的開發則由理論化學家和理論物理學家完成。計算化學在研究原子和分子性質、化學反應途徑等問題時，常側重於解決以下兩個方面的問題：

為合成實驗預測起始條件
研究化學反應機理、解釋反應現象
計算化學的子學科主要包括：

原子和分子的計算機表述
利用計算機協助存儲和搜索化學信息數據 （參見化學資料庫）
研究化學結構與性質之間的關系 （參見定量構效關系(QSAR)及定量構性關系(QSPR)）
根據對作用力模擬對化學結構進行理論闡釋
計算機輔助化合物合成
計算機輔助特性分子設計（例如計算機輔助葯物設計）

關於某理論與計算化學創新組的介紹：
理論與計算化學在基礎和應用研究中都扮演著重要的角色，是物理學、材料科學、化學和生命科學研究中的一個重要手段。藉助高性能計算機，理論化學家可以在不藉助任何經驗參數的情況下，從第一原理出發獲得小分子體系結構和動力學的詳細信息，這些信息不僅可以直接和實驗相印證，而且可以從微觀的角度對實驗現象進行分析和解釋。理論化學還可以對多達十萬個原子的生物大分子體系進行計算機模擬，獲得關於結構和動力學的定性或半定量信息，從而為解釋生命活動本質、新型葯物開發提供關鍵數據。

本小組主要研究反向為量子反應動力學、分子光譜和量子化學相關的基礎理論和應用研究. 具體研究興趣包括:
1） 多原子體系量子反應動力學的理論、演算法和計算程序；
2 ) 量子化學理論和計算方法;
3） 分子間弱相互作用的勢能面和分子光譜理論研究；
4） 多原子體系的勢能面構造。

本小組的研究工作也包括採用分子動力學模擬和量子力學方法研究蛋白質分子的動力學和反應機理：
1） 葯物分子與生物分子相互作用；
2） 酶催化反應機理；
3） 富勒烯及其與生物分子相互作用。

計算材料學（Computational Materials Science），是材料科學與計算機科學的交叉學科，是一門正在快速發展的新興學科，是關於材料組成、結構、性能、服役性能的計算機模擬與設計的學科，是材料科學研究里的「計算機實驗」。它涉及材料、物理、計算機、數學、化學等多門學科。計算材料學主要包括兩個方面的內容：一方面是計算模擬，即從實驗數據出發，通過建立數學模型及數值計算，模擬實際過程；另一方面是材料的計算機設計，即直接通過理論模型和計算，預測或設計材料結構與性能。前者使材料研究不是停留在實驗結果和定性的討論上，而是使特定材料體系的實驗結果上升為一般的、定量的理論，後者則使材料的研究與開發更具方向性、前瞻性，有助於原始性創新，可以大大提高研究效率。因此，計算材料學是連接材料學理論與實驗的橋梁。
材料的組成、結構、性能、服役性能是材料研究的四大要素，傳統的材料研究以實驗室研究為主，是一門實驗科學。但是，隨著對材料性能的要求不斷的提高，材料學研究對象的空間尺度在不斷變小，只對微米級的顯微結構進行研究不能揭示材料性能的本質，納米結構、原子像已成為材料研究的內容，對功能材料甚至要研究到電子層次。因此，材料研究越來越依賴於高端的測試技術，研究難度和成本也越來越高。另外，服役性能在材料研究中越來越受到重視，服役性能的研究就是要研究材料與服役環境的相互作用及其對材料性能的影響。隨著材料應用環境的日益復雜化，材料服役性能的實驗室研究也變得越來越困難。總之，僅僅依靠實驗室的實驗來進行材料研究已難以滿足現代新材料研究和發展的要求。然而計算機模擬技術可以根據有關的基本理論，在計算機虛擬環境下從納觀、微觀、介觀、宏觀尺度對材料進行多層次研究，也可以模擬超高溫、超高壓等極端環境下的材料服役性能，模擬材料在服役條件下的性能演變規律、失效機理，進而實現材料服役性能的改善和材料設計。因此，在現代材料學領域中，計算機「實驗」已成為與實驗室的實驗具有同樣重要地位的研究手段，而且隨著計算材料學的不斷發展，它的作用會越來越大。
計算材料學的發展是與計算機科學與技術的迅猛發展密切相關的。從前，即便使用大型計算機也極為困難的一些材料計算，如材料的量子力學計算等，現在使用微機就能夠完成，由此可以預見，將來計算材料學必將有更加迅速的發展。另外，隨著計算材料學的不斷進步與成熟，材料的計算機模擬與設計已不僅僅是材料物理以及材料計算理論學家的熱門研究課題，更將成為一般材料研究人員的一個重要研究工具。由於模型與演算法的成熟，通用軟體的出現，使得材料計算的廣泛應用成為現實。因此，計算材料學基礎知識的掌握已成為現代材料工作者必備的技能之一。
計算材料學涉及材料的各個方面，如不同層次的結構、各種性能等等，因此，有很多相應的計算方法。在進行材料計算時，首先要根據所要計算的對象、條件、要求等因素選擇適當的方法。要想做好選擇，必須了解材料計算方法的分類。目前，主要有兩種分類方法：一是按理論模型和方法分類，二是按材料計算的特徵空間尺寸(Characteristic space scale)分類。材料的性能在很大程度上取決於材料的微結構，材料的用途不同，決定其性能的微結構尺度會有很大的差別。例如，對結構材料來說，影響其力學性能的結構尺度在微米以上，而對於電、光、磁等功能材料來說可能要小到納米，甚至是電子結構。因此，計算材料學的研究對象的特徵空間尺度從埃到米。時間是計算材料學的另一個重要的參量。對於不同的研究對象或計算方法，材料計算的時間尺度可從10-15秒（如分子動力學方法等）到年（如對於腐蝕、蠕變、疲勞等的模擬）。對於具有不同特徵空間、時間尺度的研究對象，均有相應的材料計算方法。
目前常用的計算方法包括第一原理從頭計演算法，分子動力學方法，蒙特卡洛方法，有限元分析等。

鋼鐵研究總院功能材料研究所計算材料科學研究室簡介
計算材料科學研究室是一個在科研水平和人員構成上都具有一定實力的研究實體。該研究室成立於1986年，是國內最早開展材料微觀結構與宏觀物性相關機制研究的單位之一。主要從事金 屬材料中缺陷體系原子結構、電子結構以及聲子譜的研究，探索材料微觀結構與宏觀物性的相關機制及跨越模式，為材料設計提供 理論依據。在中科院院土王崇愚先生的帶領下，先後承擔十幾項國家自然科學基金委員會資助的項目以及多項冶金部重點課題，在國 內外權威刊物上發表論文數十篇，並於1994年獲冶金工業部科技進步(理論成果)一等獎。現承擔國家重點基礎研究發展規劃項 目(973)一項，和國家自然科學基金三項。該實驗室在發展中不斷壯大，已培養碩士、博士數十人，並不斷地吸收新鮮血液，擴充 研究領域，增強競爭實力，保持所從事研究領域的國際先進水平。與此同時，大力開展國際及國內合作，已與美國西北大學、俄羅斯Tomsk強度物理與材料科學研究所、香港大學、清華大學、中科院沈陽金屬研究所等單位建立起了長期合作關系。

⑩ 我考研想考計算機化學方面 ,不知道有哪幾個大學有這個專業

只有叫做計算機化學的方向，沒有這個官方專業。
其實只要是計算機在化學中的應用都可以統稱為計算機化學，方向很多，四大化學都有。
分析中的叫做化學計量學，
有機中常常用於化合物構型和能量的量子化學計算、葯物構效關系等
無機化學中常常用於實驗設計、材料設計，
物理化學中常常用在經驗參數的設定、分子動力學計算等。