计算机科学与生物学模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇计算机科学与生物学，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

1、生物信息学(Bioinformatics)是研究生物信息的采集、处理、存储、传播，分析和解释等各方面的学科，也是随着生命科学和计算机科学的迅猛发展，生命科学和计算机科学相结合形成的一门新学科。它通过综合利用生物学，计算机科学和信息技术而揭示大量而复杂的生物数据所赋有的生物学奥秘。

2、生物信息学的另一个挑战是从蛋白质的氨基酸序列预测蛋白质结构。这个难题已困扰理论生物学家达半个多世纪，如今找到问题答案要求正变得日益迫切。诺贝尔奖获得者W. Gilbert在1991年曾经指出：“传统生物学解决问题的方式是实验的。现在，基于全部基因都将知晓，并以电子可操作的方式驻留在数据库中，新的生物学研究模式的出发点应是理论的。一个科学家将从理论推测出发，然后再回到实验中去，追踪或验证这些理论假设”。

3、生物信息学的主要研究方向：基因组学 - 蛋白质组学 - 系统生物学 - 比较基因组学，1989年在美国举办生物化学系统论与生物数学的计算机模型国际会议，生物信息学发展到了计算生物学、计算系统生物学的时代。

（来源：文章屋网 ）

篇2

离散数学是计算机应用必不可少的工具，例如数理逻辑在数据模型、计算机语义、人工智能等方面的应用，集合论在数据库技术中的应用，代数系统在信息安全中的密码学方面的应用，图论在信息检索、网络布线、指令系统优化等方面的应用。

1.离散数学与其他课程的关系

1.1离散数学与数据结构的关系

离散数学与数据结构的关系非常紧密，数据结构课程描述的对象有四种，分别是线形结构、集合、树形结构和图结构，这些对象都是离散数学研究的内容。线形结构中的线形表、栈、队列等都是根据数据元素之间关系的不同而建立的对象，离散数学中的关系这一章就是研究有关元素之间的不同关系的内容；数据结构中的集合对象及集合的各种运算都是离散数学中集合论研究的内容；离散数学中的树和图论的内容为数据结构中的树形结构对象和图结构对象的研究提供很好的知识基础。

1.2离散数学与数据库原理的关系

目前数据库原理主要研究的数据库类型是关系数据库。关系数据库中的关系演算和关系模型需要用到离散数学中的谓词逻辑的知识；关系数据库的逻辑结构是由行和列构成的二维表，表之间的连接操作需要用到离散数学中的笛卡儿积的知识，表数据的查询、插入、删除和修改等操作都需要用到离散数学中的关系代数理论和数理逻辑中的知识。

1.3离散数学与数字逻辑的关系

数字逻辑为计算机硬件中的电路设计提供了重要理论，而离散数学中的数理逻辑部分为数字逻辑提供了重要的数学基础。在离散数学中命题逻辑中的连结词运算可以解决电路设计中的由高低电平表示的各信号之间的运算以及二进制数的位运算等问题。

1.4离散数学与编译原理的关系

编译原理和技术是软件工程技术人员很重要的基础知识，编译程序是非常复杂的系统程序，包括词法分析、语法分析、语义分析、中间代码生成、代码优化、目标代码生成、依赖机器的代码优化7个阶段。离散数学中的计算模型[2]这一章的语言和文法、有限状态机、语言的识别和图灵机等知识点为编译程序中的词法分析和语法分析提供了基础。

2.离散数学在计算机学科中的应用

2.1数理逻辑在人工智能中的应用

人工智能是计算机学科中一个非常重要的方向，离散数学在人工智能中的应用主要是数理逻辑部分在人工智能中的应用。人类的自然语言可以用符号进行表示。语言的符号化就是数理逻辑研究的基本内容，计算机智能化的前提就是将人类的语言符号化成机器可以识别的符号，这样计算机才能进行推理，才能具有智能。由此可见数理逻辑中重要的思想、方法及内容已贯穿人工智能的整个学科。

2.2图论在数据结构中的应用

离散数学在数据结构中的应用主要是图论部分在数据结构中的应用，树在图论中具有重要的地位。树是一种非线性数据结构，在现实生活中可以用树表示某一家族的家谱或某公司的组织结构，也可以用它来表示计算机中文件的组织结构，树中二叉树在计算机科学中有着重要的应用。二叉树共有三种遍历方法：前序遍历法、中序遍历法和后序遍历法。

通过访问不同的遍历序列，可以得到不同的节点序列，通常在计算机中利用不同的遍历方法读出代数表达式，以便在计算机中对代数表达式进行操作。

2.3集合论在数据库系统理论中的应用

集合论是离散数学中极其重要的一部分，它在数据库中有广泛的应用。我们可以利用关系理论使数据库从网络型、层次型转变成关系型，这样使数据库中的数据容易表示，并且易于存储和处理，使逻辑结构简单、数据独立性强、数据共享、数据冗余可控和操作简单。当数据库中记录较多时，集合中的笛卡儿积方便了记录的查询、插入、删除和修改。

2.4代数系统在通信方面的应用

代数系统在计算机中的应用广泛，例如有限机，开关线路的计数等方面。但最常用的是在纠错码方面的应用。在计算机和数据通信中，经常需要将二进制数字信号进行传递，这种传递常常距离很远，所以难免出现错误。通常采用纠错码避免这种错误的发生，而设计的这种纠错码的数学基础就是代数系统。

2.5离散数学在生物信息学中的应用

生物信息学是现代计算机科学中一个崭新的分支，它是计算机科学与生物学相结合的产物。由于DNA是离散数学中的序列结构，美国科学院院士，近代离散数学的奠基人Rota教授预言，生物学中的组合问题将成为离散数学的一个前沿领域。DNA计算机的基本思想是：以DNA碱基序列作为信息编码的载体，利用现代分子生物学技术，在试管内控制酶作用下的DNA序列反应，作为实现运算的过程；这样，以反应前DNA序列作为输入的数据，反应后的DNA序列作为运算的结果，DNA计算机几乎能够解决所有的NP完全问题。

3.结语

现在我国每一所大学的计算机专业都开设离散数学课程，正因为离散数学在计算机科学中的重要性，可以说没有离散数学就没有计算机理论，也就没有计算机科学。所以，应努力学习离散数学，推动离散数学的研究，使它在计算机中有更广泛的应用。

参考文献：

[1]朱家义，苗国义等.基于知识关系的离散数学教学内容设计[J].计算机教育，2010（18）：98-100.

[2]方世昌.离散数学.西安电子科技大学出版社，1985.

[3]陈敏，李泽军.离散数学在计算机学科中的应用[J].电脑知识与技术，2009，5（1）：251-252.

篇3

3、省级重点学科:光学工程、政治经济学、国际法学、文艺学、传播学、光学、细胞生物学、材料物理与化学、通信与信息系统、信号与信息处理、建筑设计及其理论、结构工程。

4、一级学科博士学位授权点（10个）：心理学、中国语言文学、新闻传播学、计算机科学与技术、建筑学、土木工程、生物医学工程 [50] 、信息与通信工程、光学工程、理论经济学。

篇4

一、生物信息学的产生

生物学是一门古老的学科，在人类历史发展的长河中，人类从未停止过对生命奥秘的探索。人们逐渐认识到，虽然生物种类多种多样，但是它们的最基本分子却是相同的。DNA、RNA和蛋白质等分子构成了生命的基本单位，再由细胞到组织、器官，最后器官系统组成完整的生物体。

传统的生物学研究中，由于受到技术水平的限制，生物学家多采用低通量的生物实验方法，其研究对象通常是一个基因或者几个基因组成的通路。在这种情况下，实验后的简单观察就可以满足研究需要。随着生物研究的不断深入，积累了大量实验数据，人们不禁想到，如何把不同的实验结果整合起来？另一方面，随着生物技术的发展，大量新兴技术出现，产生了海量的数据。例如90年代兴起的基因芯片技术，单张芯片就可以测定成千上万个基因在某一状态下的表达情况。1990年启动的人类基因组计划更为生命科学的研究提供了海量的序列数据。面对如此多的数据，以前依靠生物实验研究单个或几个基因的方法很难再适用，生命科学、统计学、计算机科学和信息科学等若干学科的交叉学科――生物信息学应运而生。生物信息学以计算机、统计、模式识别等方法为手段，以生物数据为研究对象，通过对大量生物数据的储存、处理和分析，提取其中有意义的生物知识[1]，从而最终揭示蕴藏在核酸序列和蛋白质序列中的信息，对了解生命活动的基本规律出贡献。

二、生物信息学在生命科学研究中的作用

作为一门新兴的学科，大家对生物信息的作用并不十分明确。很多人认为生物信息学只是为实验科学服务。从广义上讲，这种说法也不无道理，但是生物信息学并不是实验科学的附属品，与生物实验一样，它也是解决生物问题的一种手段。为了解决生物问题，生物学家依靠的是实验台，生物信息学家依靠的是计算机。

在生命科学的发展过程中，以分子生物学的产生为界，可以分为传统生物学和现代生物学。传统生物学和现代生物学取得的成就为生命科学的发展做出了巨大贡献。人类基因组计划启动以来，人们一度认为只要把各种生物基因组的全部碱基排列顺序测定清楚，生命的遗传奥秘就会显露无余，但是真实的情况远不像想象的那样简单。人类的个体发育开始于一个单细胞受精卵，受精卵经过一系列的细胞分裂和分化，产生具有不同形态和功能的细胞，不同细胞之间相互作用构成各种组织和器官。虽然人类基因组中有两万多个基因，但是在单个细胞当中，同时起作用的基因往往是很少的。有些基因只在特定阶段起作用，有些基因只在特定组织起作用。只关心某个基因或蛋白的功能是不够的，因为在不同时空条件下，同一个基因或蛋白的功能可能不同。生物是一个复杂的系统，其表型和功能不仅体现于基因数量和序列的不同，更体现在基因、蛋白以及其他生物分子之间的相互作用之中。因此，把研究对象当成一个整体，系统地分析内部的相互关系尤其重要。但是无论是传统生物学还是现代生物学，都是一门实验学科，生物学的发展中缺乏一种系统思想。生物信息学可以从大量生物数据中提取有意义的生物知识，通过对已有数据的总结，进一步推测生物体的某些性质和变化趋势，生物信息学为大量生物数据的整合提供了可能，与生物实验一样，是生物研究中的一种重要途径。

三、生物信息学学生的培养

生物信息学是一门交叉学科，要求学生具有较好的分子生物学、计算机科学、数学和统计学素养，目前国内只有少数几个学校设立了生物信息学本科专业，大部分的学生都是进入研究生阶段才开始生物信息学的培养。在进入生物信息学专业前，本科阶段可能接受过计算机、统计学、信息学、生物学等某一方面的教育，但要进行生物信息学的研究，大多需要补充其他方面的知识。

生物信息学研究可以分为两类：第一，在深刻理解生物问题的基础上，利用计算技术解决生物问题，第二，为生物学家提供性能更好的方法（算法）。理工科背景学生的生物知识较少，但是对于各种计算方法的原理和使用非常熟悉，对于这类学生的培养，第二类问题比较适合他们入门。在生物信息领域，有很多经典的分类问题。这些问题已经明确了分类目标，并且大都有通用的数据集。但是这类工作也受到了生物学家的质疑，因为大部分工作都是把已有的经典算法用在生物数据上，由于对生物问题不够了解，最后成为只有做生物信息的人才看的方法。这也在一定程度上导致了部分生物学家对生物信息存在偏见，认为生物信息就是提出新算法，做一些数据库。要想真正让生物学家认识到生物信息学的重要性，就要以解决生物问题为根本出发点，即使是做预测方法，也要建立在解决生物问题的基础上。做出更好预测方法的关键是深入理解生物问题并抓住关键特征。举个例子，要把男生和女生分开，我们可以根据很多特征，比如身高、体重、头发长短，虽然大多数情况下来说，男生比女生高、比女生重、比女生头发短。但是只基于这些特征还是会造成很多的分类错误，因为这些特征不是男生女生差别的最根本因素。如果我们是根据性染色体来分，那正确率的提高就非常显著了。在预测问题中，利用五花八门的方法并不是关键，如何能够对生物问题深入了解并找到关键特征，才是最主要的。

作为一门新兴的学科，大家对生物信息的了解还很少，很多人对它的定位也不同。但既然是生物信息，就是先生物后信息，可见生物的重要性。所以，在生物信息的研究过程中，对生物问题只限于表面地理解，势必不能做出好的工作。只有对生物问题有了深入了解，才能发现其中的问题。能够找到值得做的问题，可以说工作已经成功了一大半。当然，解决问题过程中也会有很多困难，比如发现了值得研究的课题，但在解决的过程当中发现某些数据无法获得，或者某些技术超出了自己的能力范围。在这种情况下，可以首先想想有没有其它变通的办法可以解决问题，如果经过慎重的考虑都无法找到，就要果断的放弃。这里要强调一定要慎重考虑，不能遇到一点困难就放弃。

相比理工科背景的学生，生物背景的学生有着扎实的生物学知识基础。但是如果是从本科阶段直接进入生物信息学，由于还没有进行过实验操作，他们对生物问题的理解也很难非常深入。不管是理工科背景还是生物背景的学生，丰富的生物学知识都是进行好的生物信息学研究的前提。在培养学生时不可忽视对其基础生物学知识的传授和教育，并适当引导其对生物学问题的思考。生物学问题可以很大也可以很小。大的生物学问题任何一个懂得基础生物学知识的人都可以提出，但也是最难解决的，比如到底是什么改变使细胞恶变，自身免疫病是如何形成的，心血管病糖尿病等复杂疾病是如何发生的，为何有人容易生某种病而其他人不易感。小的生物学问题就是各自领域的具体研究课题，比如表观遗传学领域的DNA去甲基化酶是否存在，基因表达调控领域的转录起始频率是如何决定的，RNA领域的大量非编码RNA的作用，蛋白修饰领域新发现的修饰如何调控蛋白的功能等等。在脑中提出并试图思考一系列大大小小的生物学问题是对学生培养目标的第一步。这些问题的产生的前提是对生物学知识的熟悉掌握。然而在对学生培养的过程中没必要也不可能告诉他们所有的知识，生物学知识教育的原则是为他们打开门，当他们思考问题的时候知道去哪里找到相关的知识。

另一方面，只有生物学基础知识和问题是不够的。很多问题在生物信息学产生之前就存在了，传统的方法无法带给人们问题的答案。人们一直期待新的方法去理解和解决这些问题。生物信息学的产生无疑提供给人们另一种思考生物问题的方式，为一些经典问题的解决提供了可能。例如最近的大规模的肿瘤基因组测序和分析使我们发现了很多新的肿瘤相关基因[2]。对于生物背景的学生，在教学中要把这样的例子介绍给学生，生物背景的学生在理解信息学理论方面会存在困难。最初很难要求他们理解所有具体过程。但是至少要让他们知道这些方法的基本原理，还有在什么情况下使用。这样在以后的研究中遇到类似问题才能想到应该选择什么样的信息学工具去解决，在具体应用过程中加深对整个过程的理解。生物背景的学生如果想成为生物信息学专家，只会应用是不够的，补充一些计算机、统计、信息方面的基础知识是必不可少的。

生物信息学是一门仍处在快速发展之中的学科。还没有一本教材能够满足生物信息学教学的需要，生物信息学立足于分子生物学、模式识别、计算机科学与技术、数学和统计学等学科，所以学生要先对这些学科的基本概念和系统有一个较为全面和直观的认识，为日后的科研打下坚实的基础。另外，培养过程中要包括大量的实例介绍，对一些重要的应用还加以详细解剖，使得同学们不再仅掌握理论，而是能够学会如何在实际工作中灵活应用这些理论。在此基础之上，向同学们推荐一些最新的论文、期刊、参考读物和相关的学术报告，让同学们能够切身感受到学科发展的前沿，培养学生的创新能力。21世纪是生命科学的时代，也是信息科学的时代。生物信息学在这样的历史条件下产生并壮大，它作为多个领域的交叉新兴学科，对生命科学研究有着巨大的推动力。生物信息学是一门应用性非常强的学科，也是一门非常活跃的前沿学科，良好的教学效果必须以先进的内容体系为基础，我们应时刻注意以科研促进教学，教学科研相长，使教学研究达到更高的水平。

[参考文献]

篇5

20世纪80年代末以来，生物信息学以惊人的发展速度，获得了很多突破性成就，正日益成为生命科学在21世纪发展的核心内容。对于未来生物科学中坚力量的现代生物科学工作者而言，掌握生物信息学的相关知识尤为重要。

作为一门新兴的课程，生物信息学课程在全国很多高等院校都已经开设，并进行了一些卓有成效的探索和改革。我们结合自身的教学实践和相关学校的教学现状，对师范院校生物信息学课程教学内容、师资力量、教学模式和方法、跨学科合作、教学实践实施情况等方面的现状进行了积极分析和思考。目前，师范院校生物信息学教学的现状如下。

一、教学内容陈旧、教学资源缺乏

生物信息学是一门新兴的学科，在高等院校开设时间较晚，我国对生物信息学专业精品课程的建设方面投入不够，成熟的生物信息学教学大纲、教案、多媒体课件、教学视频和习题等教学资源稀少。目前，市场上也缺乏相关的生物信息学教学多媒体课件和音像制品辅导材料等相关产品，造成生物信息学教学资源匮乏的现状。

目前师范院校所用教材大多数是徐程主编的《生物信息与数据处理》，蒋彦等编著的《基础生物信息学及应用》等几种不同版本的教材。这些教材在知识性、科学性和系统性方面还行，但是在教学内容的新颖性、时效性和实践性以及生物相关背景的介绍和对师范院校的适用性等方面有所欠缺。生物信息学的知识日新月异，新的数据库、新的软件、新的算法层出不穷，而生物信息学的课堂往往不能及时地将最新进展呈现给学生，导致课堂内容陈旧，不利于学生的发展和对生物信息知识的合理掌握，从而影响了生物信息学教学的质量。

二、师资力量缺乏

生物信息学是一门新兴的交叉学科，需要熟练掌握计算机与生物学知识的老师来授课。然而，实际上，由于缺少生物信息学的专业教师，教授该学科的教师多为生物学其他课程兼任，这些老师往往缺乏专门的生物信息学训练，在知识的传授和应用方面存在欠缺。与生物信息学教学要求存在着较大的差距，不能很好地满足教学大纲的要求。另外，师范院校通常将生物信息学作为选修课来开设，该课程在专业建设和人才培养方案中的地位偏低，造成相关部门对师资培养不够重视。

三、教学模式和方法落后

由于生物信息学课程涉及大量的数据库和软件知识，教师普遍采用多媒体教学。而多媒体课件的容量通常很大，学生忙于笔记，难以把握重难点。同时，幻灯片展示的知识点犹如放电影一般一闪而过，学生没有足够的时间思考和消化，跟不上教师的进度。教师进行多媒体教学时，往往是一堂课上从头讲到尾，语调缺乏抑扬顿挫，没有起伏，学生很容易昏昏欲睡。因此，教师虽然使用的是先进的教学工具，采用模式的却是传统的灌输式教学，只管埋头照本宣科，不管学生接收领悟多少。学生为了达到期末考试标准，只顾死记硬背，这样的教育让学生失去创新精神和主动思考的能力，失去对生物信息课程的兴趣。

四、缺乏与相关学科的合作交流

生物信息学实际上是生物学与计算机科学的交叉学科。然而一般高校往往只在生命科学学院开设生物信息学，由生物学老师来担任授课老师。由于对计算机科学知识的缺乏，导致生物专业教师对生物信息学课程很难深入开展；另一方面，计算机科学专业由于没有开设生物信息学课程，使学生不能了解到生物信息学的重要性，以及如何使计算机科学更快更好地发挥其在生物信息学中的作用。总的来说，生物信息学课程的建设欠缺相关学科的协作，不能有效地整合资源，不利于培养复合型人才。

五、缺乏实践教学内容

现有的生物信息学课程也有一些实践内容，但实践课时数少，内容相对简单，缺乏系统完善的实践过程。教师为学生讲授具体知识时，通常只通过多媒体课件演示操作，并没有为学生设置具体的动手操作步骤。使得学生对信息反馈迟钝，印象不深刻，不容易掌握方法。生物信息学实践教学并不需要价格昂贵的实验设备，只需要一网的电脑和一些相关的分析软件便可以进行实验。然而，目前的状况是，生物信息学课程中真正开展实践性教学的内容少之又少。

生物信息学的学习是一个长期积累的过程，教学水平的提高也需要在大量的教学实践中不断总结和完善。我们通过分析发现，在师范院校生物信息学教学中仍存在很多问题，其原因是多方面的，需要教学工作者进一步深入探讨并提出切实可行的策略。

参考文献：

[1]汤丽华.浅谈大学本科生物信息学课程建设与教学[J].科技

信息,2010(1).

[2]贾小平,孔祥生.生物信息学实践教学初探[J].陕西教育,

2010(3).

[3]军.农学专业生物信息学课程教学改革探析[J].现代农

业科技,2010(5).

篇6

1.引言

生物信息学（bioinformatics）是一门新兴的交叉学科，生物学与医学、数学、计算机科学是其中三个主要组成部分。生物信息学作为跨越生命科学和信息科学两大热点领域的学科，拥有蓬勃的生命力。面对人类基因组计划所产生的庞大的分子生物学信息，生物信息学的重要性已越来越突出，它无疑将会为生命科学的研究带来革命性的变革。［1］［2］国内外对生物信息学的人才需求也在激增。

目前，生物信息学在我国尚处于起步阶段，因为要进行生物信息学的研究，对人员要求很高，需要深厚的生物大分子结构和功能方面的背景知识，需要扎实的应用数学或统计学知识，还需要精通计算机，至少得具备三者之二。但实际情况是大部分从事生物学研究的人不熟悉计算机，而从事计算机科学的人员多数又缺乏对生物学的了解。尽管如此，生物信息学的教育在国内外高等院校及科研机构越来越普及。据不完全统计，我国超过30个高校或科研机构开设生物信息学专业课程。［3］这些研究与教育一般分散在多个系所属的多个专业中，如生命科学院（北京大学等）、计算机学院（哈尔滨工业大学等）、理学院（天津大学等），我校是由计算机学院开设全校公共课。不同学校根据自身的情况，在开设生物信息学这门课时，侧重点都不一样。如果由医学院的教师授课，则侧重点可能在致病基因的研究方面，［4］计算机专业教师授课则可能侧重于数据库的管理、查询等方面，［5］理学院的教师授课则可能侧重于生物信息学中的数学问题。笔者是计算机专业出身的，研究方向为图像处理与模式识别，所以主要从计算机和数学的角度去授课。另外，研究生教学又与本科生教学［6］不同，研究生教学更加应该注重培养学生的主动学习意识和综合能力。笔者将教学实践中的心得进行了初步的总结，以供商榷。

2.注重培养学生的学习兴趣

从培养学生的学习兴趣出发，在课堂教学过程中，充分利用丰富的网络资源，如图像、视频等。比如在介绍模式生物时，可以给出各种模式生物的图像；在介绍各种各样的生物数据库时，可以在课堂上现场上网登陆数据库，演示和介绍各个数据库的特点和使用方法等。研究生不同于本科生，本科生可能比较习惯于教师的灌输性教学，而研究生教学更加鼓励学生主动自觉地学习。这从“研究”一词的英文解释“re-search”――再（“re-”）探索（“search”）中也可以看出。教师在研究生学习过程中主要起引路的作用，而不可能手把手带着学生研究。生物信息学更是如此，它是一门新兴的交叉学科，很多理论和研究内容还不成熟，需要科学工作者不断地探索。因此，通过生动形象的启发式课堂教学，培养学生的学习兴趣，对学生以后的进一步研究有着重要的作用和意义。

3.注重培养学生的综合素质

在生物信息学的上课过程中安排几次学生的课堂报告。具体做法是：由教师或学生在国外重要期刊（如Bioinformatics）或会议上找与学生自身的研究方向比较相近的生物信息学方面的最新文献，然后几个学生一组共同针对某几篇文献进行阅读、理解，最后以报告的形式跟大家一起交流和讨论。在这个过程中，可以培养学生的如下几个方面的能力：

（1）搜寻资料的能力。现在网络非常发达，网络资源也非常丰富，如何从纷繁复杂的网络资源中找到自己所需的资料不是一件容易的事。学生可以通过学校购买的数据库进行查找适合自己的文献资料，也可以通过搜索引擎进行查找。通过这个过程，学生可以了解有哪些数据库可以利用，哪些网站资源比较丰富，以及选择什么关键词进行查找比较有效，等等。

（2）阅读外文文献的能力。学生在本科阶段一般没有读外文文献的习惯，而进入研究生学习阶段，为了了解和研究国际前沿领域，就必须阅读大量外文文献，毕竟国外的科技实力在很多方面还是处于领先位置的。给学生指定几篇优秀的外文文献进行阅读和理解，可以一定程度上锻炼学生阅读外文文献的能力。因为要想真正理解文献的内容，就必须对文献进行仔细认真的阅读和研究。

（3）团结协作的能力。每个课堂报告都是由几个学生共同参与完成的，在这过程中有组织协调和分工的问题，这需要大家共同努力，团结协作。团结协作在当今社会越来越被推崇，所以培养学生团结协作的能力对于他们以后进入社会很有帮助。从实际执行的情况看，效果还不错。比如有的学生数学基础好，他就负责理解文献中的公式和算法部分；有的学生计算机能力比较强，他就负责编程实现、课件制作等。

（4）口头表达的能力。课堂报告的最后陈述和讨论可以锻炼学生的口头表达能力。有的学生平时很少有作报告的机会，所以口头表达的能力得不到锻炼。本课程提供给学生一次口头表达能力锻炼的机会，让学生体会到如何组织报告内容、如何把自己理解的内容介绍给听众是比较有效的，是容易被大家理解和接受的。

4.理论与实践相结合，鼓励交叉性研究

为了做到学有所用，笔者从每个学生自身的研究方向出发，为每个学生指定与其研究方向相关的生物信息学方面的最新文献进行阅读和理解。鼓励学生进行跨学科切交叉性研究，将所学的生物信息学知识应用于实际的研究中，或者利用已掌握的知识促进生物信息学的研究。比如课堂上的计算机学院的学生有研究图像处理与模式识别的，就给他们安排一些生物图像处理、基因识别等方面的文献。这种交叉性的学习和研究，有可能激发学生的灵感，获得比较大的创新性成果。

5.结语

生物信息学课程教学的实践表明，学生经过这门课程的学习，学到了一定的内容，如对生物信息学这门课有了比较清楚的了解和认识、综合素质得到了一定的提高、找到了一些适合自己的研究切入点等。总的来说，教学效果不错，但还需要进一步探索，进一步完善。

参考文献：

［1］张阳德.生物信息学［M］.北京：科学出版社，2005：1-15.

［2］郝柏林，张淑誉.生物信息学手册［M］.上海：上海科学技术出版社，2002：1-10.

［3］许忠能.生物信息学［M］.北京：清华大学出版社，2008：8-17.

篇7

中图分类号：G623.58 文献标识码：A 文章编号：1671-489X(2012)27-0056-02

An Approach to Effects of Computational Thinking on Information Technology Curriculum in Primary and Secondary School//Wang Rongliang

Abstract This paper explains the concept of computational thinking, and points out the importance of computational thinking on computer education. The relationship between computational thinking and information technology is discussed. Information technology curriculum will be improved under the influence of computational thinking.

Key words computational thinking; information technology curriculum; computer; computational education

Author’s address Institute of IT Education in Primary and Secondary School, East China Normal University, Shanghai, China 200062

1 计算思维辨析

2006年3月，曾任美国卡内基·梅隆大学（CMU）计算机科学系主任，现任美国基金会（MSP）计算机和信息科学与工程部（CISE）主任的周以真（Jeannette M. Wing）教授在美国计算机权威杂志ACM会刊Communications of the ACM杂志上，首次提出计算思维（Computational Thinking）：计算思维是运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动[1]。

计算思维这一观念一经提出，立即得到美国教育界的广泛支持，并引起欧洲的极大关注。2007年9月19日，欧洲科学界、工业界领导者在布鲁塞尔皇家科学院召开了名为“思维科学——欧洲的下一个政策挑战”的会议[2]。2008年10月31日，我国高等学校计算机教育研究会在桂林召开关于“计算思维与计算机导论”专题学术研讨会，来自全国80多所高校，包括70多位计算机学院院长、主管教学副院长在内的近百名专家出席会议，根据“计算思维”领域的研究以及它在科技创新与教育教学中的重要作用，探讨科学思维与科学方法在计算机学科教学中的作用以及在教学过程中如何以课程为载体讲授面向学科的思维方法，以共同促进国家科学与教育事业的进步[3]。

根据周以真教授的观点，计算思维就是通过约简、嵌入、转化和仿真等方法，把一个看来困难的问题重新阐述成一个人们知道怎样解决的问题。计算思维是一种递归思维，它把代码译成数据，又把数据译成代码；计算思维采用抽象和分解来迎接庞杂的任务或者设计巨大复杂的系统；计算思维是按照预防、保护以及通过冗余、容错、纠错的方式从最坏情况恢复的一种思维；计算思维利用启发式推理来寻求解答，即在不确定情况下的规划、学习和调试；计算思维利用海量数据来加快计算，在时间和空间之间、在处理能力和存储容量之间进行权衡。

计算思维与生活密切相关：当你早晨上学时，把当天所需要的东西放进背包，这就是“预置和缓存”；当有人丢失自己的物品，你建议他沿着走过的路线去寻找，这就叫“回推”；对自己租房还是买房作出决策，这就是“在线算法”；在超市付费时，决定排哪个队，这就是“多服务器系统”的性能模型；此外还有“失败无关性”和“设计冗余性”。由此可见，计算思维与人们的工作与生活密切相关，计算思维应当成为人类不可或缺的一种生存能力。

2 信息技术与计算思维的关系

信息技术是关于信息的产生、发送、传输、接收、变换、识别、控制等应用技术的总称，是在信息科学的基本原理和方法的指导下扩展人类信息处理功能的技术。作为现代信息技术，包括通信技术、计算机技术、多媒体技术、自动控制技术和遥感技术等。当今社会，人们已经离不开信息技术。

篇8

中图分类号：R-3 文献标识码：A 文章编号：2095-5707（2016）06-0010-03

Abstract： High performance computing （HPC）， as a new and important research tool， has been applied in many fields successfully. Application of HPC in the TCM field is still in the exploratory stage. HPC in the future may be innovatively applied in the field of genomics Chinese herbal medicine， virtual medicine screening of new TCM， TCM data mining and big data analytics， modeling and simulation and so on.

Key words： high performance computing （HPC）； application； TCM

高性能计算是计算机科学的一个分支，研究并行算法和开发相关软件，致力于开发高性能计算机。高性能计算是世界各国竞相发展的前沿技术，是体现一个国家综合实力和科技竞争力的重要指标。

科学计算作为科研方法变革的产物，已经发展成为与传统的理论、实验并驾齐驱的第三种科研方法，并且日益成为越来越重要的科研方法。科学计算方法的运用，是高性能计算应用的基础和前提条件，而使高性能计算真正发挥作用主要取决于高性能计算的应用研究水平[1]。本文对于促进高性能计算未来在中医药领域的应用、丰富中医药信息学的研究内容及由此产生的中医药科研方法的创新具有推动作用。

1 高性能计算应用概况

1.1 我国在高性能计算应用领域仍处于落后水平

在高性能计算的研发和应用领域美国一直处于世界领先水平，日本和欧洲国家紧随其后长期位居世界先进行列。近年来，我国在高性能计算硬件的研发方面取得了突破性进展，通过自主创新逐步掌握了一批硬件研发的关键技术。中国国防科技大学研制的天河系列超级计算机连续多次在世界超级计算机排行榜中名列首位，标志着我国高性能计算的硬件研究水平目前已经接近国际先进水平。但在应用软件方面的发展严重滞后于硬件的发展水平，自主开发的高性能计算应用软件严重匮乏，需要大量购买和引进国外开发的应用软件，重要和关键部门的应用受制于人[2]。应用软件是高性能计算应用的基础，由于应用软件研发水平的严重落后，目前我国在高性能计算应用领域仍处于落后水平。

1.2 国内外高性能计算主要的应用领域

高性能计算作为崭新和重要的科研工具，目前已经在众多的领域得到了成功应用，各种前沿科学研究、技术开发和工程设计都越来越多地使用了高性能计算，高性能计算已经日益成为科技创新的重要力量。目前主要的应用领域包括气象数值模拟与预报、地震预报、纳米技术、生物医学、环境科学、空间科学、材料科学、计算物理、计算化学、流体力学、地震三维成像、石油勘探、天体星系模拟、大气与海洋模拟、固体地球模拟、工业设计、核武器研究、全球气候模型、湍流分析、飞行动力学、海洋环流、流体力学和超导模型等[1]。在生物医学领域的应用目前主要集中在人类基因组学、蛋白质组学、药物设计、分子动力学模拟等方面。

1.3 高性能计算应用的瓶颈

高性能计算虽然已经在众多领域得到了成功应用，但由于技术难度等的限制，仍然属于高投入高产出的非普及型应用。目前制约高性能计算应用的主要问题包括软件开发的技术难度非常大，系统使用成本过高，不仅体现在软硬件购置费用昂贵，而且系统运行维护成本过高，大型系统的年电费需上千万元[2]。比较高精尖的应用范围、非常高的技术要求和过高的使用成本，这些都限制了高性能计算的广泛应用。

2 高性能计算在中医药领域应用的可行性分析

2.1 高性能计算在领域应用的前提条件

高性能计算在领域应用的条件首先需要应用领域具有较高的科研水平，特别是能够通过科学计算的方法建立相应的数学物理模型和应用软件来解决实际问题，利用高性能计算才有可能促成应用领域研究水平的大幅度提高。通过对高性能计算应用领域的最高学术奖戈登奖获奖项目的分析，这些获奖的应用项目绝大多数都具有多学科交叉融合的背景，这反映了高性能计算的应用需要应用领域与计算机科学、数学等学科的跨学科合作[3]。随着高性能计算的应用，近些年高性能计算与应用学科的交叉学科不断涌现，产生了计算化学、计算物理学、计算生物学等许多新兴学科，这些交叉学科的产生标志着高性能计算在这些领域得到了高水平应用。

2.2 计算生物学的启示

计算生物学是一门以生命科学中的现象和规律作为研究对象，以解决生物学问题为最终目标，通过模拟和仿真的方法对生物学问题进行定量和定性研究的新兴学科。计算生物学与生物信息学比较，最大的不同之处在于生物信息学侧重于生物信息的采集、存储、处理和分析，而计算生物学侧重于对生命现象进行研究、解决生物学问题[4]。目前计算生物学领域的研究主要集中在蛋白质行为的模拟、药物分子的筛选、基因测序等方面。

虽然目前中医药领域还不满足高性能计算的应用条件，但通过借鉴计算生物学的研究方法，未来有可能在中医药领域开展具有创新性的高性能计算的应用研究。

3 高性能计算在中医药领域应用的展望

3.1 中药植物药的基因组学

基因组学是遗传学的一个分支，研究生物基因组和如何利用基因，涉及基因作图、测序和整个基因组功能分析，研究内容包括以全基因组测序为目标的结构基因组学和以基因功能鉴定为目标的功能基因组学。基因组学是高性能计算应用的一个重要方向，没有高性能计算人类的基因组计划就不可能实现，高性能计算已经成为基因组学研究不可或缺的科研工具。随着基因组学研究的深入、技术的成熟和成本的大幅度下降，使得基因组学的研究逐渐由人类的基因组学扩展到动物、植物等多个相近领域。利用高性能计算在基因组学方面成熟的应用软件开展中药植物药的基因组学研究未来有可能是高性能计算在中医药领域的重要应用。

3.2 中药新药的虚拟药物筛选

利用高性能计算进行虚拟药物筛选目前已经成为西药新药开发的一条崭新和重要的途径。新药研发的核心工作之一是从大量的化合物样品库中发现有药理活性的化合物，计算机虚拟筛选辅助新药开发是利用统计学和分子模型化技术来指导新的先导结构的发现或设计，从而减少实验室的工作量，缩短开发周期、降低开发成本。近年来对多靶点药物的研究已经成为国际上新药开发的一个重要的研究热点，中药是天然的多靶点药物，蕴含着巨大的新药创制的潜力[5-6]。应用高性能计算开展中药新药的虚拟药物筛选有可能成为中药新药开发的崭新途径。

3.3 中医药数据挖掘和大数据分析

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。大数据分析是指对规模巨大的数据进行分析，目前世界各国对大数据分析技术高度重视，大数据被视为国家重要的战略资源。数据挖掘和大数据分析是高性能计算应用的重要领域之一。目前中医药领域的数据挖掘和大数据分析主要集中在对方剂配伍规律、中医证治规律等的研究，现有的研究水平还不能构成对高性能计算的迫切需求。随着数据挖掘和大数据分析在中医药领域应用水平的提高，数据研究的内容、方法和结果的日趋丰富，随着数据量的积累和研究方法复杂度的提高，中医药数据挖掘和大数据分析未来有可能成为高性能计算在中医药领域富有潜力的应用。

3.4 模拟与仿真

模拟与仿真是依靠计算机通过数值计算和图像显示的方法，对工程、物理、生物等各类问题进行研究。高性能计算不仅具有强大的计算功能，还可以模拟或代替由于受经济或者其他条件限制不能进行的实验。2013年10月，哈佛大学教授Martin Karplus、斯坦福大学教授Michael Levitt和南加州大学教授Arieh Warshel因“为复杂化学系统创立了多尺度模型”而获得诺贝尔奖，评委会声明中称这一成果意味着对于化学家来说计算机已经成为同试管一样重要的工具[1]。

计算机模拟方法在生命科学中已经得到了迅速的发展和广泛的应用。高性能计算应用领域的最高学术奖戈登奖获奖项目“在20万CPU核和异构体系结构上的千万亿次持续性能血流模拟”，该项目模拟了血液流动状态，可以辅助血栓的早期病理学诊断及抗血栓药物的研究。另一项获奖项目“呼之欲出的猫：包含109规模神经元、1013规模突触的大脑皮质模拟”，对神经元和突触规模与猫大脑相当的大脑皮质功能进行了模拟，并以此为基础开展了认知计算的研究[3]。此外国内外大量的高性能计算被用于分子动力学模拟，分子动力学模拟是一种数值模拟方法，通过将分子抽象为由化学键连接的质点按照基于牛顿力学的数学模型迭代求解分子体系的行为。利用高性能计算进行分子动力学模拟已经成为化学和生物学研究中与实验手段相当的标准研究方式[7-8]。模拟和仿真技术在中医药研究中的应用未来有可能成为高性能计算在中医药领域创新性的应用。

4 小结

高性能计算的应用是使高性能计算真正发挥作用的软实力，是高性能计算领域重要的研究内容。高性能计算的应用需要多学科的交叉与合作，计算生物学的产生标志着高性能计算在生物医学领域得到了成功应用。

高性能计算在中医药领域的应用目前还处于探索阶段，尚不具备大规模应用的条件和基础。未来有可能通过借鉴计算生物学的研究方法在中药植物药的基因组学、中药新药的虚拟药物筛选、中医药数据挖掘和大数据分析、模拟与仿真等领域进行开创性的应用研究。高性能计算在中医药领域的应用将会对中医药科研方法的创新与发展产生深刻的影响。

参考文献

[1] 顾蓓蓓，武虹，迟学斌，等.国内外高性能计算应用发展概况分析[J].科研信息化技术与应用，2014，5（4）：82-91.

[2] 周兴铭.高性能计算技术发展[J].自然杂志，2011，33（5）：249-254.

[3] 张理论，邓小刚.戈登奖――分析与思考[J].计算机工程与科学， 2012，34（8）：44-52.

[4] 徐书华，金力.计算生物学[J].科学，2009，61（4）：34-37.

[5] 朱伟，罗颂平.治疗输卵管阻塞性不孕的中药多靶活性成分计算机虚拟筛选[J].时珍国医国药，2012，23（6）：1531-1532.

篇9

视网膜是衬在眼睛内面的感光组织，如果出现病变，就会影响视力，严重者还会失明。例如在早产儿中常见的视网膜病，它会导致在视网膜中异常血管的生长，造成视网膜与眼睛后部分离，导致视力丧失或失明。研究人员发现，给小鼠喂食含有丰富ω-3脂肪酸的食物，可预防其视网膜中血管的异常生长。经过进一步分析，起保护作用的是5-脂氧化酶。这项研究显示，进食适量的鱼或ω-3补充剂能保护机体不患视网膜病，这项发现也许还能帮助科学家们找到一种利用ω-3脂肪酸来治疗眼病的方法。

“人之初，性本善”程度男女有别

《三字经》说“人之初，性本善”，不过也有人认为善良的性格来自后天培养。英国的一项研究显示，基因和环境对形成有益社会的性格都有作用，但男女有别，女性天生更加善良一些。

英国爱丁堡大学的研究人员报告说，他们对958对双胞胎进行了调查，其中既有基因完全相同的同卵双胞胎，也有存在基因差异的异卵双胞胎，以研究基因和环境各自在多大程度上影响性格。本次研究采用的是问卷调查方式，主要关注这些双胞胎有益社会的性格特征，涉及公民责任、工作义务、乐于助人等方面。结果显示，基因和环境在形成善良性格方面都有作用，但人与人之间不一样，且存在明显的性别差异：女性的善良性格在约50%的程度上来自于基因，而男性的这一比例只有约20%，即男性的善良性格主要靠后天培养。换句话说，女性“人之初，性本善”的程度要高于男性。研究人员指出，在人性是否“本善”这个问题上存在许多争论，本次研究支持的观点是人与人不一样，有的人受基因影响天生更为善良，而有的人则受后天环境影响更大，这也说明应该多进行有益社会的教育和培养。

铅污染可能导致孕妇血压升高

美国一项研究显示，铅污染会导致孕妇血压升高。即便血铅含量低于规定标准，孕妇的血压也会大幅上升。

为了解铅污染与孕妇血压之间的关系，研究人员对285名孕妇进行了研究。1/4被调查对象的血铅含量约为10微克/升。虽然这一水平远低于美国疾病控制和预防中心规定的标准，但研究人员发现，这些孕妇的血压也会大幅上升。研究人员指出，和儿童一样，孕妇对铅污染高度敏感。孕妇长期高血压可能会引起一系列并发症，如先兆子痫、惊厥甚至心脏病。因此，要保证孕妇身心健康，应降低她们工作和生活环境中的铅污染。

老人多练快步走可提高记忆力

美国一项新研究发现，老人每周三次快步走，可提高记忆力测试成绩，增大负责记忆形成的大脑海马区，延迟甚至逆转老年人脑萎缩风险。

这项研究的负责人指出，老年人的大脑是可以改变的，更惊人的是，为期1年的中等强度锻炼不仅会缓解脑萎缩，而且可以逆转脑萎缩。大脑海马区增大最多的老年人，其大脑神经营养因子(与大脑健康密切相关的血液生长因子)水平也相对更高。锻炼可促进神经生成，或者促进神经干细胞转化为成熟的发挥作用的神经元。锻炼不仅有助于防止一般的智力减退，而且可以防止老年痴呆症。

黑巧克力抗氧化能力优于超级水果

蓝莓、蔓越莓等水果富含抗氧化成分，有益健康，被称为“超级水果”。而最近的一项研究指出，黑巧克力的抗氧化作用更强，堪称“超级食物”。

研究人员对比了同样重量的可可粉和水果的抗氧化性，结果发现，可可粉的抗氧化性更强，而且含有更多的黄烷醇。研究人员还对比了黑巧克力、可可、巧克力热饮以及“超级水果”蓝莓、蔓越莓、石榴、巴西莓果汁的抗氧化成分比例。结果显示，与果汁相比，黑巧克力和可可抗氧化能力更强，所含黄烷醇和多酚更多。黄烷醇和多酚不仅有助于防止皮肤皱纹生成，还能减少罹患心脏病的风险。巧克力热饮“成绩”最差，几乎不含抗氧化成分，其原因可能是加工过程破坏了营养成分。

幼儿常吃垃圾食品影响智商

英国研究人员多年随访1.4万名儿童后发现，3岁以前摄取垃圾食品较多者，日后智商可能低于同龄人。

这项研究涉及1991年和1992年出生于英格兰西部的1.4万人。研究人员在研究对象3岁、4岁、7岁和8岁6个月时分别要求他们的父母回答调查问卷，了解研究对象的饮食种类细节。当研究对象长至8岁6个月时，研究人员用韦氏智力量表测试他们的智商。结果显示，在4 000名数据完整的研究对象中，3岁前食用加工食品较多者与注重饮食健康者智商存在明显差异。

至于垃圾食品影响智商的原因，研究人员认为，以加工食品为主的饮食缺少对大脑发育至关重要的维生素和其他元素，而大脑发育的主要阶段在生命早期。生命最初3年，大脑发育最快，这一阶段良好的营养能促使大脑最佳发育，等到3岁时，大脑发育开始减缓，饮食对它可能没有多大影响。这并不意味着绝对不能给孩子喝碳酸饮料、吃炸薯条或比萨饼，但不能以这些食物和饮料为主。

酗酒致死率超过艾滋病和肺结核

世界卫生组织近日的《全球酒精政策状况报告》表明，全球每年死亡人数中，近4%的死亡是由酗酒造成的，每年约有250万人的死因与酗酒有关，酗酒正成为比艾滋病、暴力和肺结核更可怕的健康杀手。

报告表明，酗酒的危害对于年轻人来说尤其致命。在世界上，酒精已经成为15至59岁成年男子死亡的主要危险因素。酗酒容易导致危险行为，目前在巴西、哈萨克斯坦、墨西哥、俄罗斯、南非和乌克兰非常普遍，在其他国家也渐成趋势。报告认为，目前，许多国家都没有采取有效的酒精政策和预防规划来遏制饮酒造成的死亡、疾病和伤害。提高税负是抑制过量饮酒，尤其是在年轻人中抑制过量饮酒最有效的办法之一。限定购酒和饮酒的年龄限度，以及调节司机的酒精浓度同样能减少滥饮酒精。

四部委严查问题火锅底料

一些餐馆使用来源不明、标示不清的食品调味料和食品添加剂制作火锅底料，引起媒体和社会广泛关注。近日，国家工商总局、卫生部、国家质检总局、国家食品药品监督管理局四部门针对问题火锅底料等联合发出紧急通知，要求地方各级食品安全监管部门，按照相关规定，从生产、经营和使用等环节，对食品调味料和食品添加剂进行专项检查。

生产环节重点检查企业使用的原料、食品添加剂，是否严格执行相关制度和有关标签标识要求，标签标识内容是否完整、清楚、明显等。经营环节重点检查商家是否违规经营，食品调味料和食品添加剂标签、说明书和包装是否符合规定，复合食品添加剂是否在标签和说明书中标识各单一食品添加剂品种的通用名称以及含量等。使用环节重点检查商家是否严格按照规定的品种、使用范围、用量使用食品添加剂，是否存在使用非食用物质的违法行为等。

对于在食品调味料中添加罂粟壳、罂粟粉、工业石蜡等非食用物质，以及超范围、超量使用食品添加剂的违法行为，涉嫌造假、超范围使用食品添加剂的企业，将从严、从重、从快处罚。四部委还要求食品行业管理部门和相关食品行业协会将食品调味料和食品添加剂生产企业纳入信用体系，建立健全黑名单制度和信用奖惩机制。

“嗅癌犬”能辨肠癌

篇10

为了解各高校开展人工智能研究的情况，亿欧盘点了10家在设有人工智能实验室或有人工智能分支专业的高校。

清华大学：计算机科学与技术系

清华大学计算机科学与技术系（简称计算机系）成立于1958年，在2006年、2012年全国学位与研究生教育发展中心开展的一级学科整体水平评估中，以总分满分100分的成绩排名第一。2017年，在 USnews 推出的世界大学学科排名 Best Global Universities for Computer Science 中，计算机科学与技术学科紧随 MIT之后位列世界第2名。在 QS 世界大学排名 （QS World University Rankings） 给出的全球计算机学科排名中为例第15名，其排名与得分逐年稳步提升。

计算机系包含了国内计算机专业最全的学科方向，设有高性能计算机与处理器、并行与分布式处理、存储系统、大数据与云计算、计算机网络、网络与信息系统安全、系统性能评价、理论计算机科学、数据工程及知识工程、软件工程、计算机与VLSI设计自动化、软件理论与系统、生物计算及量子计算、人工智能、智能控制及机器人、人机交互与普适计算、计算机图形学与可视化技术、CAD技术、计算机视觉、媒体信息处理等研究方向。

计算机系现设有高性能计算、计算机网络技术、计算机软件、人机交互与媒体集成4个研究所；智能技术与系统国家重点实验室；计算机基础与实验教学部等科研教学机构。

计算机系还设有国家级计算机实验教学示范中心，包括：计算机原理实验室、微型计算机实验室、计算机网络实验室、操作系统实验室、计算机软件实验室、计算机控制系统实验室、智能机器人实验室、计算机接口实验室、学生科技创新实验室等。此外，计算机系还与腾讯、搜狗、微软、思科等国内外著名公司建立了面向教学或研究的联合实验室。

北京大学：智能科学系

智能科学系成立于2002年7月，主要从事智能感知、机器学习、数据智能分析与智能计算、智能机器人等方向的基础和应用基础研究，侧重于理论、方法以及重大领域应用上。

北大智能科学系依托于视觉听觉信息处理国家重点实验室，实验室以实现高度智能化的机器感知系统为目标，在生物特征识别研究方面处于国际领先地位。智能科学系在著名的软件与人工智能专家、我国载人飞船工程软件专家组组长何新贵院士和长江特聘教授查红彬教授的带领下，重点开展机器视觉、机器听觉、智能系统与智能的生理心理基础等研究。以北大智能科学研究人员为技术核心的北大指纹自动识别系统，是国内唯一能与国外系统抗衡的自主知识产权，是中国第一家也是唯一的一家提供公安应用全面解决方案的系统，拥有中国指纹自动识别技术产品第一市场占有率。

人工神经网络说话人识别新方法的研究获得教育部科技进步一等奖；国家空间信息基础设施关键技术研究获得2000年中国高校科学技术二等奖，入选2000年中国高校十大科技进展。

复旦大学：类脑智能科学与技术研究院

复旦大学类脑智能科学与技术研究院于2015年3月筹建成立，是复旦大学校内的独立二级研究机构。其前身为复旦大学第一批跨学科交叉国际化研究中心——计算系统生物学研究中心，成立于2008年。研究院基于复旦大学既有的数学、统计学、计算机科学、生物学、信息学、临床医学、语言学、心理学等多学科综合交叉研究优势，以计算神经科学为桥梁，着力开展大脑机制解析、脑疾病智能诊疗、类脑智能算法、类脑智能软硬件、新药智能研发、通用智能等相关领域的科学研究、技术研发和人才培养。

研究院率先探索打通国际与国内、科技与产业的全链条、全球化产学研合作机制，充分发挥高校培养和储备高端智能人才、发现和培育前沿技术的综合优势，推动产学研源头创新与合作，致力于成为推动脑科学、人工类脑智能与产业应用融合发展的重要科技创新平台。

研究院目前在建五个核心功能平台和一个国际合作研发中心，主要包括：一是以脑高级认知功能的多信息反馈处理机制研究为核心的神经形态计算仿真平台；二是以多尺度多中心重大脑疾病数据库和算法开发为基础的智能诊治数据示范平台；三是依托高端医疗影像设备集群，为生物医学转化研究和信息产业智能化提供试验技术支撑的综合生物医学影像平台；四是以开发深度学习、强化学习和自组织学习等机器学习算法以及可穿戴设备、类脑芯片、健康服务机器人等为目标的类脑智能软、硬件开发平台；五是集孵化加速、产业联盟、投资基金为一体，为类脑智能创新项目及企业提供应用技术资源和孵化服务的类脑智能产业化平台；六是依托已有的欧洲人类脑计划、美国脑计划等国际合作的数据、学术资源，建设类脑智能国际合作节点和人才培养中心。

中国科学院：自动化研究所

中国科学院自动化研究所成立于1956年10月，是我国最早成立的国立自动化研究机构。目前设有类脑智能研究中心、智能感知与计算研究中心、脑网络组研究中心等12个科研开发部门，还有若干与国际和社会其他创新单元共建的各类联合实验室和工程中心。另有汉王科技、三博中等四十余家持股高科技公司。

近年来，自动化所共获得省部级以上奖励30余项。数量逐年增加，质量不断提高；专利申请和授权量连年攀升，多年位居北京市科研系统前十名绘制的“脑网络组图谱”第一次建立了宏观尺度上的活体全脑连接图谱；虹膜识别核心技术突破国外封锁，通过产学研用相结合走出“中国制造”之路；基于自动化所语音识别技术的“紫冬语音云”在淘宝、来往等阿里巴巴旗下移动客户端产品中得到推广；“分子影像手术导航系统”通过国家药监局医疗器械安全性及有效性检测认证并进入临床应用；“智能视频监控技术”和“人脸识别技术”分别成功应用于2008年北京奥运会、2010年上海世博会的安保工作中，为社会安全贡献自己的力量；研制的AI程序“CASIA－先知1．0”采用知识和数据混合驱动的体系架构，在2017首届全国兵棋推演大赛总决赛中7：1的悬殊比分战胜人类顶级选手，展示了人工智能技术在博弈对抗领域的强大实力……

在共建机构方面，自动化所与新加坡媒体发展管理局联合成立中新数字媒体研究院，聚焦交互式语言学习、视频和分析等领域；与瑞士洛桑联邦理工大学（EPFL）在京成立中瑞数据密集型神经科学联合实验室，在类脑智能研究方面展开合作；与澳大利亚昆士兰大学（UQ）共建中澳脑网络组联合实验室，在“计算大脑”研究方向上进行远景规划；还与香港科技大学共建智能识别联合实验室，在模式识别、无线传感器网络等领域展开合作。

厦门大学：智能科学与技术系

早在上世纪八十年代初，厦门大学就已开始从事人工智能领域的研究，相继在专家系统、自然语言处理与机器翻译等领域取得过一系列成果。为此，1988年经学校批准成立“厦门大学人工智能与计算机应用研究所”，后于2004年更名为“厦门大学人工智能研究所”。2006年12月，经国家教育部批准，厦门大学正式设立“智能科学与技术”本科专业，并于2007年6月经学校批准成立“厦门大学智能科学与技术系”。

厦门大学智能科学与技术系现有一个本科专业（智能科学与技术），三个硕士学位授予专业（模式识别与智能系统、计算机科学与技术、智能科学与技术），两个博士学位授予专业（计算机科学与技术、智能科学与技术）。

目前该系承担多项国家863、国家自然科学基金、福建省科技基金等项目，拥有“福建省仿脑智能系统重点实验室”、“智能信息技术福建省高校重点实验室”和“厦门大学语言技术中心”三个平台，此外还有“艺术认知与计算”、“自然语言处理”、“智能多媒体技术”、“人工大脑实验室”、“智能中医信息处理”等多个研究型实验室，为培养高质量的学生提供了必要的保障。

上海交通大学：计算机科学与工程系

上海交通大学计算机科学与工程系成立于1984年。近年来，随着计算机科学与技术在人们生活中的应用不断深入，特别是随着云计算、物联网、移动互联网、大数据等技术的兴起，交通大学计算机系不断调整学科方向，形成了高可靠软件与理论、并行与分布式系统、计算机网络、智能人机交互、密码学与信息安全等研究方向。

该院系下设三个重点实验室：智能计算与智能系统重点实验室、上海市教委智能交互与认知工程重点实验室、省部共建国家重点实验室培育基地及上海市可扩展计算与系统重点实验室。其中，上海交通大学－微软智能计算与智能系统联合实验室目前是教育部－微软重点实验室，成立于2005年9月，是交通大学和微软亚洲研究院在多年良好合作的基础上，为了更好发挥各自在并发计算、算法与复杂性理论、仿脑计算、计算机视觉、机器学习、计算智能、自然语言处理、多媒体通讯以及机器人等领域的优势，实现“使未来的计算机和机器人能够看、听、学，能以自然语言的方式与人类交流”这一共同使命而成立的。实验室在科学研究、人才培养、学术交流等方面也取得了很好的成绩。实验室累积200余篇，成果发表于CVPR，ICCV，WWW等国际顶级会议上。

南京大学：计算机科学与技术系

南京大学的计算机科学研究起步于1958年，建立了计算技术、计算数学、数理逻辑等专业开始培养计算机相关领域专门人才，1978年在上述三个专业基础上成立了计算机科学系，1993年更名为计算机科学与技术系。

依托该系师资，先后成立了南京大学计算机软件研究所、计算机软件新技术国家重点实验室（南京大学）、南京大学计算机应用研究所、南京大学多媒体计算技术研究所、南京大学软件工程中心（江苏省软件工程研究中心）、南京大学信息安全研究所等科研机构。主要科研方向有：软件自动化与形式化、分布与并行计算及新型网络、新型程序设计与软件方法学、多媒体与信息处理、人工智能与机器学习、系统软件及信息安全等。

建系30年来，共承担国家973计划、国家863计划、国家攀登计划、国家自然科学基金、国家科技攻关等重大科技计划项目以及省、部、委科研项目和企事业委托或国际合作的研发项目300余项，科研成果获得各种奖励80余项，其中国家科技进步奖一等奖1项、二等奖4项、三等奖2项，省部委自然科学奖和科技进步奖特等奖2项，一等奖8项，二等奖37项。3000多篇，出版专著、教材50多部，申请国家发明专利33项。部分成果被转化为产品，产生了较大社会效益和经济效益。

哈尔滨工业大学：计算机科学与技术学院

哈尔滨工业大学计算机专业创建于1956年，是中国最早的计算机专业之一。在1985年，发展成为计算机科学与工程系，并建立了计算机科学技术研究所。2000年，计算机科学与技术学院成立；同年，建立了软件学院，后经国家教育部、国家计委批准为国家示范性软件学院。目前。哈工大计算机科学与技术学院拥有计算机科学与技术国家一级重点学科、7个博士点和7个硕士点、1个博士后科研流动站、一个国家级教学团队、一个国家级科技创新团队、一个国防科工委创新研究团队。

目前主要研究方向包括：智能人机交互、音视频编解码技术、语言处理、自然语言理解与中文信息处理、机器翻译、信息检索、海量数据计算、计算机网络与信息安全、传感器网与移动计算、高可靠与容错计算技术、穿戴计算机、企业计算与服务计算、智能机器人、生物计算与生物特征识别。

学院有一批研究成果达到国际先进水平，包括：国家信息安全管理系统、数字视频广播编码传输与接收系统、大规模网络特定信息获取系统、计算机机群并行数据库系统、并行数据库系统、神州号飞船数据管理分系统、穿戴计算机系统、信息安全与实时监测系统、人脸识别系统、视频编解码技术、黑龙江省CIMS应用示范工程、农业专家系统等等。

中国科学技术大学：计算机科学与技术学院

中国科技大学于1958年建校时就设置了计算机专业。根据学科发展趋势和国家中长期发展规划，面向国家和社会的重大需求，计算机科学与技术学院将科研力量凝聚在高性能计算、智能计算与应用、网络计算与可信计算、先进计算机系统四个主要的研究领域。

学院的支撑实验室有：国家高性能计算中心（合肥）、安徽省高性能计算重点实验室、安徽省计算与通讯软件重点实验室、 多媒体计算与通信教育部－微软重点实验室、中国科大超级运算中心和信息科学实验中心。

其中，多媒体计算与通信教育部—微软重点实验室主要从事人机自然语音通信、语义计算与数据挖掘等方面的研究。人机自然语音通信方面，主要研究中文信息处理、人类视听觉机理、语音语言学等。语义计算与数据挖掘方面，主要研究自然语言驱动的计算、多媒体内容的语义标注、自动问答、语义社会网络、数据与知识工程、隐私保护与管理中的语义计算等。

依托多媒体计算与通信教育部—微软重点实验室，双方联合实施了联合培养博士生计划、实习生计划、精品课程建设计划、青年教师培养计划等，取得了突出成果，探索出了一条企业和高校共同培养优秀人才的道路，为微软亚洲研究院与其他高校的合作提供了一个经典范例。

华中科技大学：自动化学院

华中科技大学自动化学院是由原控制科学与工程系和原图像识别与人工智能研究所于2013年合并组建的学院。原控制科学与工程系前身是成立于1973年的华中工学院自动控制系，1998年更名为华中理工大学控制科学与工程系；原图像识别与人工智能研究所是1978年由教育部和航天部共同批准成立从事图像识别和人工智能研究的研究机构。

科学研究工作主要涉及复杂系统控制理论、决策分析与决策支持、电力电子与运动控制、智能控制与机器人、计算机集成控制与网络技术、信息检测与识别、飞行器控制与状态监测、生物信息处理、神经接口与康复技术、物流系统、国民经济动员与公共安全、多谱图像制导、目标探测的多谱信息技术、多谱信息的实时处理与系统集成技术、人工智能与思维科学、信息安全等方向。

模式识别与智能系统是自动化一级学科的重要二级学科。迄今为止，本系在原 “图像识别与人工智能研究所”和“控制科学与工程系”的这两个学科点承担了百余项国家、国防与行业项目。近5年科研经费总额在8000万元以上，包括973计划，国家自然科学基金重点、面上和青年基金项目，863计划，国家重大专项、国防重点预研与基金，国家科技支撑计划，省部级科研项目，以及大型工程和企业科研合作项目等。