查看計算化學軟件列表。它概述瞭如何在化學中使用計算機。他們中的許多人更多地屬於化學物理學領域，有些人屬於化學信息學，僅舉幾例。因此，肯定有很多地方可以促進化學領域中計算機的使用。如果您能夠將軟件工程和科學本身很好地融合在一起，那麼可能性就很大。

對於最後一個問題-幾乎無論您選擇的化學領域是什麼，您都可以為所使用的程序做出貢獻在裡面。沒有像完整的科學法規這樣的東西。大學水平是進行合理科學的必要前提。只要專注於幕後的模型和數學，一切都會隨之而來。

我來晚了，這裡的其他所有人都建議計算機科學的經驗如何對化學有所貢獻。我將做一些說明，但同時指出化學經驗如何可能有助於某些（非常精選的）CS機會。

我發現自己處於與您相似的位置。我最近宣布了化學和應用數學-Comp.Sci重點雙學位課程，因為我喜歡這兩個科目。我最初打算在純Comp中加倍。科學，但我們的CS部門充滿了可怕的講師，而數學又充滿了令人驚嘆的講師，所以我有點不知所措。

計算化學是CS和化學將重疊的許多領域之一這些日子。這不是很明顯，但是還有很多很多其他的東西，因為精通計算機和科學的人比他們應該的稀少。許多實驗室，甚至那些本質上不是計算性的實驗室，都依賴於一些基本建模。我目前在納米粒子小組工作，PI最近抱怨他的大多數研究生無法編寫任何程序來挽救他們的生命。

如果失敗，我們的領域總是可以使用一些好的軟件開發人員。也許我有點被寵壞了，但是我們每次啟動時都必須對一些我們所謂的“尖端”軟件套件進行部分重新組裝，並且它們會自發地出現通信模塊崩潰的情況，從而需要重啟多台計算機才能恢復正常。並再次運行。對我來說，很明顯，很多東西是由軟件開發人員設計的，而不是由實踐中的科學家設計的，例如，加載數據並使用它需要數百萬次按鍵操作，以及此類軟件對吐出的普遍抵制各種數據類型。

如果您不想解決這個問題，我們仍然在如何共享代碼和模型/數據的問題上苦苦掙扎。一切都在轉移到計算機上，研究也不例外。研究人員仍在努力尋找如何輕鬆共享文件，存儲和發布文件的方法（不止一篇研究報告被寫成信函，沒有附帶任何代碼）。

最終，我不知道你要什麼根據您的最後幾段內容，這可能不是您想要的內容，但是由於您開始時提出的問題是關於兩個字段之間的重疊，而不是一個字段如何對另一個字段做出貢獻，因此我將其保留在此處有關幾個字段可能如何交互的信息。

PS舉一個有趣的例子，Philip Guo的博士學位論文圍繞一個問題，即儘管環境不同，但在不同系統上運行時，相同的代碼將如何產生相同的結果。這個問題使他創建了一個工具（我相信是Python），該工具允許模擬在安全的沙盒（因此相同）環境中運行，而不會降低性能。 http://www.pgbovine.net/PhD-memoir.htm

計算化學是一個廣闊的領域。 2013年諾貝爾化學獎授予了為現代計算化學奠定基礎而前進的研究人員，本質上是化學諾貝爾獎委員會對計算化學重要性的評論。計算機模型對於建立對難以（或不可能）通過實驗訪問的系統的理解至關重要。它們（通常是大型計算機）上。分子動力學是一種常見的活動，涉及模擬遵循一系列規則（它們如何碰撞，如何旋轉，如何相互吸引或排斥等等）的少數分子。您擁有的計算能力越強，您可以模擬的分子就越多，因此將您的推斷推算到更大範圍的越好。在超級計算機上運行的仿真可以提供微觀（分子）和宏觀（流體性質，如粘度或電導率）之間的直接聯繫。編寫將在超級計算機上運行（並有效運行）的程序涉及很多活動部分，其中大部分是純計算機科學。

如果您具有計算機科學背景並且輸入了化學學位課程，或者去與化學家一起工作的化學公司工作，由於您的計算能力，您將擁有優勢，並且會憑直覺以計算方式思考問題-其價值不可誇大。如上所述，化學中經常使用計算機模型，因此編程的流暢性很重要。另一方面，您將在數學和物理上有大量的跟進工作，這是您可能沒有別人會想到的另一種直覺。

國家實驗室和大學進行了大量的計算化學工作，而在工業R&D中則做得少（除其他原因外，原因是無法獲得足夠的計算資源以及難以獲得立即可用的結果）。製藥公司是重達800磅的工業計算化學大猩猩。但是，如果您正在尋找工業工作，請考慮化學工程。化學工程是另一個巨大的領域，對於那些具有計算能力的人來說，機會同樣多（讀作：垂頭喪氣）。

簡而言之：

• 量子化學，如果您喜歡學術化學，
• 化學信息學/生物信息學，如果您喜歡更多工業化學，製藥，
• 在納米技術中的模擬，如果您不懼怕一點物理學，並且喜歡跨學科領域

總之：量子化學/分子模擬雖然很好，但很有趣，但有兩種主要可能缺點（取決於您的口味）：

• 質量控制通常是面向學院的。儘管它也用於工業，但質量控制人員通常仍然堅持使用學術界或小型科學軟件公司。在做出任何重大決定之前，只需在google招聘廣告中進行粗略介紹即可。
• 您可能從聚會中遲到了。 QC有許多實現，其中大多數是古老的FORTRAN方言。還有更多未實現的算法，但是您可能會發現很難從頭開始一個全新的項目，並且如果您加入其他人，可能會在FORTRAN中發現痛苦的spagetthi編碼。

您應該注意，在這方面，分子模擬人員（分子力學，基於MM的醫學博士等）與量子化學領域的人們非常相似。

化學信息學是一個不同的領域，通常需要不同種類的數學（更多的是機器學習/統計學）。

• 化學信息學在學術界不那麼受歡迎，而學術界則要小得多，而在工業界則更受歡迎。如果您尋找“計算化學”工作，則廣告中很大一部分將是化學信息的味道。
• 通常，它需要大型（可靠）數據庫，這可能會將您的研究限制在某些領域。但是，cheminfo有一些創新用途，例如由Notheastern的Grzybowski小組完成，將化學合成數據庫數字化。
• 該領域與藥學有著近乎亂倫的關係，因此，如果不是您的主要興趣，您可能會發現大多數主題很無聊。

組合領域：理論和計算（以及實驗）總是有趣地融合在一起，請參見例如

納米技術的模擬應該類似於量子化學，但是它是一個新興的領域，其文化略有不同，建立的代碼庫更少，理論的多樣性也更多。這通常是物理學家，工程師和化學家相撞的領域。這也意味著您應該對自己的工作有一個更好的了解。它本質上是狂野的西部。以我的經驗，與傳統化學家相比，納米技術實驗小組還更願意與計算/理論人員合作，並且它們與機器和定量數據的關係比例如傳統化學家更緊密。有機化學家。

一個警告，儘管如此：科學的計算人員很聰明，並且在很多方面都有很多東西，但是其中大多數是可怕的程序員。所謂的可怕的程序員，是指那些從未聽說過版本控制，無法正確測試其代碼，並願意用大多數程序員都雞皮languages的語言編寫完全未記錄的，不可讀的代碼的人。在該領域中，甚至可視化軟件都用FORTRAN編寫。根據您的情況，這可能是一個巨大的優勢，也可能是一個巨大的劣勢。

如果您是化學家，請學習Python（學習速度更快）或Java（收費較高）。如果您是開發人員，則不要學習化學。

大學將化學家的語氣帶入就業市場。與1960年代相同。但是沒有工作，因為在1960年代，您需要很多化學家來經營工廠。現在，借助自動化，您只需要一個。

之前，歐洲每個省都將擁有一家生產化學品的工廠。由於歐洲嚴格的環境法律，歐洲將骯髒的生產工藝轉移到印度/中國。

如果您現在學習化學，請更改專業。不好意思

Gordon Moore獲得了化學博士學位。重疊實際上是在製造電路板和電子產品上。某物具有什麼材料和屬性以及為什麼要在計算機中使用它。