Цифровая грамотность и информационные технологии в химии

Бакалавриат 2021/2022

Статус: Курс обязательный (Химия)

Направление: 04.03.01. Химия

Кто читает: Факультет химии

Где читается: Факультет химии

Когда читается: 1-й курс, 1-4 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 30

Охват аудитории: для своего кампуса

Преподаватели: Медведев Михаил Геннадьевич, Свитанько Игорь Валентинович, Широкова Лари Дмитриевна

Язык: русский

Кредиты: 7

Контактные часы: 112

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина "Информационные технологии в химии" состоит из следующих разделов: - Ознакомление с современными информационными технологиями, их использованием в практике научного исследования и анализа данных. - Подробности технического оснащения вычислительного комплекса. - Применение вычислительных методов в химии - примеры из научной практики: расчет свойств и определение структуры молекулярных систем, моделирование поведения молекул, планирование синтеза. - Освоение практических навыков эффективной работы с массовым и специализированным программным обеспечением. - Обучение студентов самостоятельной подготовке результатов своих исследований к публикации; расширение систематических знаний по информационным технологиям и их прикладное применение. - Презентация результатов в виде устных докладов, постеров, статей. - Научная графика (проходит связующим звеном по всему курсу): представление информации в виде научной статьи в требуемых форматах, компоновка научного текста со всеми его элементами. Химическая графика. - Работа (в том числе с использованием искусственного интеллекта (ИИ)) с поисковыми системами и базами данных, применение результатов поиска в научной работе. Студенты осваивают дисциплину в 3 направлениях: 1. Химия новых материалов. 2. Теоретическая химия (трек ИИ). 3. Общие вопросы фундаментальной химии. Лекции общие для всего курса, семинары отличаются в зависимости от направления.

Цель освоения дисциплины

• Целями освоения дисциплины «Информационные технологии в химии» являются: • ознакомление с современными информационными технологиями, их применением для практики проведения научного исследования и анализа данных; • обучение студентов самостоятельной подготовке результатов своих исследований к публикации; • расширение систематических знаний по информационным технологиям и их прикладное применение; • освоение практических навыков эффективной работы с массовым и научным программным обеспечением, в том числе с использованием ИИ.

Планируемые результаты обучения

Демонстрирует знание базовых принципов применения вычислительной техники и программного обеспечения (ПО) в химии.
Демонстрирует знание текстовых редакторов, электронных таблиц и систем подготовки презентаций в химии.
Умеет: • использовать вспомогательные программы: утилиты, архиваторы, антивирусное ПО; • производить необходимые расчеты в электронных таблицах, строить диаграммы и графики; • создавать презентации в среде PowerPoint; • самостоятельно разрабатывать Web-страницы.
Умеет: • использовать графический интерфейс, проводить настройку ОС Windows; • подбирать и конфигурировать аппаратное обеспечение современного компьютера в зависимости от поставленной задачи; • анализировать строение и назначение локальных сетей и Интернета.
Умеет: • подготавливать графические файлы в зависимости от их назначения; • оформлять химические тексты любой категории сложности на основе современных стандартов
Умеет работать с общепринятыми и химическими базами данных, в том числе с графическим поиском информации.
Умеет оформить список литературы в научном документе на основе собственных коллекций литературных источников

Содержание учебной дисциплины

Искусственный интеллект в химии
Основные определения Категории ИИ (по структуре): Собирательный, аналитический, генеративный и агентский. System-like ИИ: Системы, которые воспринимаются как инструменты или технические объекты. Они оцениваются через функциональность и надежность. Human-like ИИ: Системы, обладающие воспринимаемой агентностью. Они воспринимаются как социальные акторы и оцениваются через межличностные критерии. Проблемы данных и ИИ: Overfitting (переобучение), data leakage (утечка данных) и extrapolation (экстраполяция) — это основные проблемы при использовании ИИ для генеративных задач в химии.
Технические средства и программное обеспечение
Основные определения: Векторная графика: Графика, не зависящая от разрешения, основанная на математических формулах (например, кривые Безье). Используется для шрифтов, PostScript и химических структур. Растровая графика: Пиксельные изображения, качество которых зависит от разрешения (например, форматы TIFF, JPEG, цифровые фотографии). DOI (Digital Object Identifier): Стандартизированная система, используемая для организации публикаций и ссылок в научной литературе. Свойства ADME: Ключевые характеристики лекарственных препаратов, предсказываемые с помощью моделей ML (машинного обучения) в рамках курса: период полураспада, растворимость, токсичность и метаболизм к P450. Докинг (Docking): Вычислительный метод моделирования связывания лигандов с белками-мишенями, помогающий понять их взаимодействие и роль в заболеваниях. Краткие конспекты для повторения А. Аппаратное обеспечение, сети и операционные системы Аппаратное обеспечение: Знать основные компоненты системного блока (материнская плата, процессор, оперативная память, видеокарта, ПЗУ, сетевой адаптер) и методы их диагностики. Процессоры и видеокарты (например, с технологией CUDA) необходимы для квантово-химических расчетов и параллельных вычислений. ОС (Windows): Понимать работу реестра, загрузочных модулей, драйверов, отличие административных аккаунтов от пользовательских, а также принципы сжатия и архивации данных (с потерей и без потери информации). Сети: Различать локальные (LAN) и глобальные сети, стек протоколов TCP-IP, DHCP и DNS. Знать сходства и различия между Bluetooth (BT) и WiFi. Безопасность: Угрозы включают фишинг, вирусы, червей и руткиты. Защита обеспечивается брандмауэрами/firewall (входной контроль, эвристические функции, фильтрация трафика и почты), VPN, прокси и антивирусным ПО. Б. Данные и научное форматирование Текст: Теговое форматирование (ML, HTML, LaTeX, XML) в сравнении с WYSIWYG-редакторами. MS Word применяется для создания автоматических оглавлений, указателей, ссылок и шаблонов химических статей. Электронные таблицы: MS Excel и Origin используются для анализа данных, фильтрации и построения научных графиков. Интеграции ИИ (Copilot, DeepSeek, excelai.ru) могут ассистировать в обработке данных. Менеджеры ссылок: Endnotes online, Mendeley и Zotero применяются для правильного форматирования списков литературы (в т.ч. по ГОСТ).
Научная графика. Конечные форматы представления научной информации
Требуемые для научной публикации в химии векторная графика и рисование химических структур, с расчетами. Представление информации в устном докладе. Структура PDF как формата представления научной статьи и формата постера конференции. Вопросы для повторения: Научная графика и презентации Химическое рисование: ChemDraw — стандарт для векторного рисования химических структур (использует кривые Безье, шаблоны и группировку объектов). Важно избегать типичных ошибок при рисовании. PDF: Конечный формат выдачи материала на базе PostScript (PS). Необходимо знать, как внедрять шрифты, интерактивные элементы и проводить постформатирование. Презентации: Бывают последовательные (PowerPoint) и выстроенные вокруг центрального слайда (Prezi). ИИ-инструменты для их создания включают NotebookLM, DeepSite и Gamma.

Элементы контроля

Коллоквиум 2 модуль
Домашние задания 1-2 модуль
В оценочный период проводится 10 домашних заданий. Каждая домашняя работа имеет весовой коэффициент 0,025. Пересдаче не подлежат.
Индивидуальный проект (Data Culture)
Пример проекта: создание собственной базы данных катализаторов для поиска оптимальных условий протекания реакций.
Экзамен по вычислительной химии 4 модуль
Проводится в экзаменационную сессию 4 модуля. При успешном выполнении всех трёх ДЗ не позднее чем за три недели до экзамена, студент имеет право претендовать на автомат за экзамен заменив его решением творческой задачи. Итоговая оценка за дисциплину выставляется на основании оценок за три блока: 01 блок Информатики (Свитанько И.В.) + 02 Data Culture (Широков Д.Д.) + 03 Вычислительная химия (Медведев М.Г.) , при этом 01 = 0,5 , 02 = 0,25, 03 = 0,25 в итоговой оценке.
Контрольная работа Data Culture
Семинарские тесты Data Culture
Он-лайн курс Data Culture
Контрольные работы 1-2 модуль
Вес в итоговой оценке за дисциплину первой контрольной работы составляет 0,05. Вес второй контрольной работы составляет 0,075. Пересдаче не подлежат.
Домашние задания 4 модуль
В оценочный период проводится три домашних задания с равным весом 0,025. Пересдаче не подлежат.

Промежуточная аттестация

2021/2022 учебный год 4 модуль
0.175 * Экзамен по вычислительной химии 4 модуль + 0.063 * Контрольная работа Data Culture + 0.125 * Коллоквиум 2 модуль + 0.063 * Индивидуальный проект (Data Culture) + 0.062 * Он-лайн курс Data Culture + 0.062 * Семинарские тесты Data Culture + 0.25 * Домашние задания 1-2 модуль + 0.075 * Домашние задания 4 модуль + 0.125 * Контрольные работы 1-2 модуль

Список литературы

Авторы

Медведев Михаил Геннадьевич
Свитанько Игорь Валентинович

Программа дисциплины