电子和计算机和化学怎么结合

A. 化学和计算机有专业上的联系吗

首先你要明白计算机的本质问题,计算机是来模拟现实世界来解决问题的,那么现实世界的问题就分各行各业,每个行业用到技术不同,自然要通过计算机来解决问题,你必须掌握现实世界中这些问题的解决方式,才能用计算机来模拟来解决这类问题
做游戏开发需要很多物理知识 ,人工智能领域神经网络需要用到生物学知识.....
所以说既然做了计算机行业,那么多学一些知识不是坏事,但是要认准一个方向,因为计算机科学分支太多了,每个分支领域都够你研究一辈子了,我们不可能面面俱到,成为一个领域的专家就已经很了不起了,再说了,现在软件工程都讲究分工协作,不是单打独斗的年代
把计算机专业最底层的软硬知识打扎实,这是你通往上层不同分支领域的最重要的基础,基础不牢固,上层学起来很困难,迷雾重重,一碰就倒

B. 计算机在化学中的应用

计算机在化学中的应用
application of computers in chemistry
━━━━━━━━━━━━━━━━━━━━━━━━
按化学体系分类
计算机在分析化学中的应用
数据处理
条件预测
提高选择性
提高灵敏度
实现仪器自动化和智能化
计算机在有机化学中的应用
谱图检索
差谱技术
结构解析
合成路线设计
按计算机应用方法分类
数值计算
化学模似
实时控制
模式识别
数据库
专家系统━━━━━━━━━━━━━━━━━━━━━━━━
计算机是一种多功能的设备,可用于计算、拟合模拟、制表、绘图、选择、判别、存贮、检索、统计、管理、自动控制、人工智能、专家系统等方面。计算机在化学中的应用可从不同角度分类：按化学体系，可从解决化学各分支学科的问题分类；按应用方法，则是从计算机的功能应用来分类。
按化学体系分类
计算机在分析化学中的应用 简称计算分析，其内容有：
数据处理 利用一元统计，可对同一项目的若干次测量数据进行统计处理，计算置信区间、标准误差、变动系数等。利用二元统计，可以计算含量与滴定体积或浓度与吸光度之间的直线方程（线性回归法）。用程序型计算器也能迅速完成这些计算。
条件预测 根据溶液平衡原理，考虑副反应系数校正，形成精确的数学模型，可对化学分析条件进行预测，例如显色反应最合适的pH的预测、离子交换色谱法中淋洗液浓度和用量的预测等。在较复杂的情况下，可以利用计算数学方法。设有10种金属离子与10种络合剂共存，它们之间的竞争反应可用迭代法预测，计算机对每种络合物用迭代法处理，获得收敛结果的报出答案,迭代999次仍不收敛者弃去，总共不多于10万个数据的计算。按常法以每个数据平均费时6分钟计,一个人要三年半才能算完，用计算机处理不到 1小时可得出答案，为化学分析中哪种离子参加反应、哪些离子被掩蔽等条件，获得可靠的预测效果。
提高选择性 即准确测定指定的组分,消除干扰一般可概括为下列两种模型：①平衡模型，以各种平衡常数为依据,把共存的每种平衡都写成一个方程式,形成一组方程。在测得某些未知量之后，就可把被测物质的共存干扰物质的含量一起计算出来。这种模型适于处理化学分析问题，但受到平衡常数的精密度和高浓度溶液中活度校正的准确度的限制。②当量模型，以广义的当量关系，即测定信息与被测物含量的关系为依据。这些测定信息可以是滴定体积、沉淀重量、吸收、发射、电流、电压、波峰的高度或面积等。将它们组成方程组，可把多种组分的含量一起计算出来。这种模型适用于化学分析和各种仪器分析，准确度高于平衡模型，但也受到某些限制。
此外，国内还研究了在多波长光度法中用计算机选择波长对（或波长组），以及无机红外光谱等方法，来提高测定性质相近元素的选择性。
提高灵敏度 改善信噪比、提高分辨率，常采用数学方法，使原来测量不出来的量能被测出。其方法有累加平均法、导数光谱法、傅里叶变换法、信号相关法和卷积法等。
实现仪器自动化和智能化 仪器自动化发展迅速，内容包括数据采集（将仪器测得的模拟量通过模数转换电路转换为数字，以便计算机处理）、数据处理（自动记录、换算、校正、平滑）、自动控制（用程序控制进样、加液、升温、调节等操作），以及屏幕指导（操作人员不用带纸笔和操作规程,一切工作都由屏幕提示,人机对话，操作过程和结果都由机器打印记录）等。
仪器智能化是一个新的课题，是仪器自动化并配备专家系统的产物，其低级阶段是配备小型数据库，能选择实验条件，存贮、调用谱图等；其高级阶段是用专家系统指导人们工作，检查仪器，对操作人员辅导、答疑等。
计算机在有机化学中的应用 简称计算有机，其内容有：
谱图检索 物质的不同结构引起谱图上的不同特征。因此，谱图的检索就成为有机分析的重要手段，常用的有红外、核磁、质谱等谱图。例如，由实验测出未知物的红外谱图，把它和标准谱图对照，参照质谱数据求得分子量,就可求得未知物的组成和结构。但是,标准谱图数量太大,如果有18万张标准谱图，每2秒种翻阅1张,一个人要半个月才能翻完一遍，还谈不上思考和比较。若将谱图信息数字化，用计算机进行检索，就可以迅速指出实测谱图与哪一张标准谱图相同，或与哪几张标准谱图相似程度最大，这将为分析者提供解决问题的线索。
差谱技术 实测谱图的可靠性通常存在一些问题，如溶剂、基体的影响，共存物质的干扰等。一般试样本身就是未知物,欲将它提纯为纯化合物测谱是困难的,这就产生了差谱技术，即用差减的方法产生相应于纯化合物的谱图。
传统的差谱是用光学方法，如利用参比溶液。双光束补偿等方法，对于识别未知含量的干扰物质有困难。利用计算机执行差谱程序，可将干扰物质的标准谱图通过换算，与试样的谱图进行差减，达到扣除基体、数据平滑、多组分逐级差谱等效果，为有机物的成分、结构分析提供新的手段。
结构解析 1985年已知有机化合物约有600万种,但已见报道的谱图库收集的谱图一般少于20万种。可以预料，谱图检索是不能完全解决问题的。结构解析方法利用已有的光谱、波谱数据，由人工归纳出结构单元与谱图性质关系的“知识规则”，存入计算机，作为逻辑判断的标准。试样数据输入时，计算机推理判断，指出试样的结构的若干种可能方案。这种方法模拟了化学专家的智能，属于“化学专家系统”的研究。
结构解析的理想目标是结构自动分析，将未知物在红外光谱仪、核磁共振谱仪等几台仪器上同时测谱，所得数据联机送入计算机进行实时处理。在屏幕上显示出平面或立体结构图形，不过这种工作仅在小范围内实现，要处理天然有机化合物等复杂问题为时尚早。
合成路线设计 文献中已有大量有机合成路线，这是进行新物质合成的基础，但是人们难以全部掌握这样多的合成方法。利用数据库方法把已有合成路线存入计算机中，可从不同途径加以利用：①逆向追溯，提出欲合成某种目标物质时，机器从已有合成路线追溯，知道该物质可由A、B两物质在什么条件下合成；进一步追溯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价易得的物质作为合成原料；②顺向预测，已有大批原料，让计算机判断用这些原料能合成什么有用物质；③途径选择，机器找出一批合成路线后，让机器从中选出最符合要求（例如:成本最低，产率最高，方法最简,污染最少）的合成路线。
按计算机应用方法分类
数值计算 主要是利用计算数学方法，对化学各专业的数学模型进行数值计算求解。例如量子化学、结构化学中的一些演绎性的计算分析化学中的条件预测化工中的各种应用计算等。
化学模拟 模似是计算机应用的重要方面，主要有：①数值模拟，例如，欲从工作曲线测量数据归纳成数学公式，可用曲线拟合法。这是较简单的模拟。有时用一种数值计算方法就能完成任务。②过程模拟，欲总结某一复杂过程的测试数据，形成整套的规律和数学模型时，可能涉及许多种数值模拟工作。过程模拟能预测反应效果，在生产中起重要指导作用。③实验模拟，例如，为了弄清几种参数（反应物浓度、温度、压力）对产量的影响，可在建立数学模型后，逐个改变参数，让机器回答其产量。这样,若干小时或若干天才能完成的实验,在计算机上用若干分钟就能得出结果。
模拟实验的另一种形式，是在屏幕上显示反应设备和反应现象的实体图形，或反应条件（数据）与反应结果(数据)的坐标图形。将一种操作方法或条件输入，屏幕上即显示相应的实验效果，通常用于计算机辅助教学中。
实时控制 即仪器联机和自动化。
模式识别 在化学中应用较广的是统计模式识别法。这是一种统计处理数据，按专业要求进行分类判别的方法，适于处理多因素的综合影响。例如，根据人的毛发、血、尿中微量元素含量诊断疾病，根据油田水的化学成分探测油矿，根据物性数据设计新的功能材料等。
数据库 数据库是一种综合服务性的软件工程。这里所谓数据是广义的。在化学数据库中,数据常数、谱图、文摘、操作规程、应用程序……都是“数据”。数据库能存贮大量信息，并可根据不同需要进行检索。研究者为了查明有关领域的国际现状，并在此水平上提高一步，通常要费大量劳动去查阅文献，常常要求涉及某几个关键词的文献，或某人在某年间的文献等。建成了化学文献库，在使用时可以任意指定领域、要求。在一、二小时内拿到全部打印资料，完成常人半年查阅文献的工作量。
专家系统 专家系统是数据库与人工智能结合的产物，它把“知识规则”作为程序，让机器模拟专家的分析、推理过程，达到用机器代替或部分代替专家的效果。具体例子有：①酸碱平衡专家系统，内容包括知识库和检索系统，提出问题时，机器自动查出数据，找到程序，进行计算、绘图、选择判断等处理，并用专业内行的语言回答问题，例如，任意溶液（包括任意种组分的混合溶液）的pH值计算，任意溶液用酸、碱进行滴定时操作规程的设计等。②定性分析专家系统，用帕斯卡语言编写了阳离子硫化氢系统和阴离子消去法系统，学生拿到未知试样，不用学习和查阅这种古老系统，只须按照机器提示的手续进行操作，所得现象再输入机器，如此逐步处理，就会得出“试样是什么化合物”的结论。
专家系统可以移植，利用一个专家系统的框架，改变其数据库、知识库内容，就可形成另一专业的专家系统。
专家系统有“学习”功能如果知识库不够全面,或形势发展、情况有变化,机器输出的答案不正确时,使用者可以随时按键纠正。机器“学习”了新的知识后，下次回答同样问题就不再出错。
专家系统是软件系统，可以复制交流。如果各单位根据自己的专长，设计相应的专家系统，则经过复制交流，每个单位都可掌握许多“专家”，形成强大的智力资源。

C. 计算机化学的应用

计算机辅助分子设计和模拟
工程方面的计算机辅助设计已是大家所熟悉的了，化学由于它的特殊性使得计算机辅助化学设计相对来说发展相对较晚，但化学家已在分子设计和有机合成设计两个主要领域取得较大进展并日益发展。
分子设计和模拟的目标是预测具有指定性质（或性能）的可能分子的结构。它们主要应用于医药（药物设计）和农用化学品（除草剂设计、农药设计、杀虫剂设计等）领域，在实验室内分子设计主要应用蛋白质、酶、核酸等大分子的设计。以前发现一个有应用价值的新化合物主要是凭化学家的经验和灵感，最常用和最有效的方法就是采用费钱费时的筛选法，已开始采用对分子结构进行系统的有规律的变化，寻找性质与结构变化之间的相关关系，从而建立结构-性质关系模型以用于分子设计。围绕计算机辅助分子设计，要开展一系列的基础研究工作，主要有结构-性质关系研究、三维动态分子模型化方法、分子形状和活性关系、构象分析、生物大分子的结构-功能关系，以及分子设计方法在药物、材料设计中的应用研究等。
化学结构与化学反应的计算机处理技术
长期以来化学家在应用计算机解决化学问题中遇到的第一个困难就是化学结构的计算机处理的问题。可以说化学的一切领域无一不与化合物的结构密切相关。在过去的30多年中，这一问题得到了广泛的重视和深入的研究，从而形成了计算机化学的一个重要的研究领域。经过多年努力，化学结构计算机处理中的理论和绝大部分技术问题已基本得到解决。然而，这些方法还是有局限性的；难以应用于诸如族性结构处理、结构-活性相关的自动化研究和反应机理研究等方面。即使对确定结构处理中的问题，现有的解决方案仍不为所有化学家所接受。因此，确定结构的计算机处理仍有一些难题，如无机化合物、金属有机化合物、互变异构的化学结构等，需要做更深入的研究。同时应当看到这些问题又是计算机化学中诸多领域的基础，它们的完全解决将有利于计算机化学的发展。
化学反应的处理问题
由于可以将化学反应看成是一些化学结构向另一些化学结构的转换，因此，化学反应的处理问题说到底是对化学结构的处理。但是，化学反应的计算机成立也有它自己特定的问题，如反应中心的自动识别、反应知识的发现、组织和利用、同类反应的自动产生等问题。这些问题是当前计算机处理化学反应领域内的主要研究方向，它们的解决一方面将推动化学反应数据库向更高层次的发展，另一方面将通过与数据挖掘技术的结合，发现反应知识，使计算机辅助有机合成路线设计更有扎实的基础，从而能得到更合理的解决。
族性结构的计算机处理问题
族性结构的计算机处理问题是一个比确定结构更富挑战性的课题，但又是当今计算机化学必须解决的问题之一。与确定结构不同，族性结构由于在结构式中采用了可变部分而使得一个族性结构对应于一类物质。这类物质可以是有限个确定的化合物；而当采用了“烷基”或“含氮杂环”这类通式术语时，也可以代表无限个化学物质。族性结构的这一性质决定了相应的计算机处理系统的复杂性。族性结构的计算机处理，还只有一个方向性的解决办法。但从大的方面来看，要解决能忠实于原来意义的族性结构的表述方法和族性结构的检索两个问题。如何根据族性结构的特征；解决它的计算机表述方法是当前族性结构处理的核心问题。它解决得好，族性结构的检索问题也将较易解决。族性结构的检索问题与它的表述有密切联系，并可归结为如下三类问题：①某一确定结构（化合物）是否被包含在一个族性结构中？②一个族性子结构是否部分或全部为另一族性结构所包含？③两个不同的族性结构是否有共同的确定结构？族性结构处理中的主要问题已基本得到解决。最早的族性结构检索系统，法国QUESTEL公司开发的Markush-DARC，已运行了15年。但是，现有系统都仍然存在一些不足，这些不足源于族性结构表述的固有困难。可以预见，它们的彻底解决将依赖于组合概念表述的革新，而不是基于现有概念的打补丁。这种概念的更新将有可能丰富和推动图论、集合论等数学理论的发展，而且也将为性能更好的实用系统的建立奠定基础。
人工智能的化学应用
人工智能技术已有40多年的历史，它在化学中的应用也不是新鲜事了，因为DENDRAL系统就开始了人工智能的化学应用，而且正是它的成功而开创了当代已得到蓬勃发展与广泛应用的称之为专家系统的人工智能中的一个重要分支。但是，由于人工智能技术是一个多学科的综合研究领域，它的内容与应用常常难于理解，因此尽管人工智能已经走出了它的婴儿期而日趋成熟，但至今仍有许多人并不十分了解人工智能的作用。作为事实科学的化学，尽管其理论近几十年来得到了长足的进展，但是化学家解决问题主要还是依靠经验和直觉。人工智能正好能提供将理论与经验结合起来的手段。因此，不少化学家与人工智能专家都认为化学是人工智能最理想的试验场与用武之地。当前化学中人工智能的主要研究有应用自然语言处理技术的化学文献文摘的自动生成、化学数据中的智能检索方法、化学实验室的自动化与机器人、神经网络方法的化学应用、化学中的NP-完备性问题及其解决办法、化工过程系统综合、故障诊断、过程控制中的人工智能方法等，其中最活跃而且也是最成功的是研究开发由谱图数据，包括红外、质谱、核磁共振，特别是从二维和高维核磁共振数据借助于计算机快速推定未知化合物结构的解析系统。但是，尽管已有不少这类系统，但真正能解决实际问题的系统还不多，研制实用的结构解析系统是这一领域的重要课题。
计算机辅助化学过程综合与开发
随着计算机存储和运算能力的提高，使得计算机正在迅速进入新兴产业和传统产业的各个方面。对于典型的过程工业的化学和石油化学工业，计算机同样成为它们的核心部分，对过程进行全面制约并对其变革产生着深刻的影响。从目前来看，过程综合有两个层次的含义。由已知的原料条件和产品的性能规格要求，如何找到最佳的工艺制造途径是过程综合一个层次的含义。对不同过程的集成，以期达到对能量、物料、设备等资源的最大限度利用的同时，达到消灭污染于过程的目的，是过程综合另一个层次的含义。这无疑是过程工业在下一世纪最具挑战性的课题之一。
“过程概念设计”的提出是计算机辅助化学过程综合与开发领域技术进步的一个重要标志。然而，这种进步主要表现在知识的积累方面，而在计算机软件方面，除在能量系统综合外，似乎尚未取得突破性的进展。计算机化学至少可以从三个主要方面促进过程综合与新流程的开发：①集中对化学过程的研究成果，形成数据库和软件包；②计算机辅助过程评估、系统设计、关键设备设计、动态控制和管理；③充分利用理论研究成果，减少放大步骤。

D. 哪个大学有化学和计算机结合的专业，是什么专业啊

化学和计算机结合的专业是量子化学，西北大学有此专业。
浙江工业大学开设有化学工程与工艺＋计算机科学与技术双专业。