First release: 2016-Nov-12 Last update: 2025-Feb-23
这些培训的下一届举办时间见北京科音官网首页的预告栏。等不及下一次培训者，不方便到场参加者，或者报名没抢上者，也可以购买往届培训纸质讲义+全程录音+电子资料自学，详见下面给出的相应培训班的介绍页面链接。下面分别介绍北京科音的初级、中级和高级量子化学班的特点和定位：
如果上初级班后，又自己做了一阵子量化计算，感觉初级班知识都掌握得很好了，对量化计算又有兴趣，想学得更多、掌握更多知识技巧，使自己能运用量化方法更好、更快地研究更多问题，那么绝对不要错过中级班。为了系统性和完整性，中级班有1/4左右的内容和初级班有重叠，但重叠的部分会讲得很快。
这个班内容超超超级丰富，时间为6天现场+29个小时的视频（折合6+3.5天），总共70多个小时，ppt多达超过2600页！培训把所有常见量化问题的原理和计算方法全都照顾到了，是其它地方很难学到的。许多主题，比如(超)极化率计算、弱相互作用计算、分子力学与ONIOM、周期性计算、反应速率计算、MOPAC的使用等等都是初级班里没有的，而且对于初级班已有的主题，比如量化的理论基础、基组、几何优化、找过渡态、热力学量的计算等等，会讲得明显更深入、更全面，传授更多高级的经验技巧。中级量化班由浅入深讲得很系统，也很明白，只要课前预习，课上仔细听，再加上回去反复复习讲义N遍，能力不错的学员是能完全消化的，并可以达到理论功底扎实、计算操作上炉火纯青的程度。但是中级班有一定难度，而且信息量巨大，根据之前的培训经验，零基础的学员往往跟不上，接受能力差的也就能吸收、领会所讲内容的1/3甚至更少。另外，中级班信息量大而时间相对有限，所以讲得较快，且虽然提供了大量实例和练习，但没时间对那些很初级的操作做过多演示和手把手解决学员操作上的问题。中级班最理想的学员，或者说能从中级班中获益最大、学个痛快的，是那些已经做过一段时间量化计算，并且对量化计算真正有兴趣的学员。很多中级班讲的东西确实也得是亲自做过量化的人才懂得多么重要，听了才会豁然开朗或产生强烈共鸣，而此时零基础的学员可能都完全搞不懂台上在讲什么。
总之，零基础的学员和基础薄弱的学员一定要从初级班起步，能起飞了，再去考虑飞得更高更远，循序渐进，学习效率才是最高的。知识绝不是一下子学得越多越好，否则就像狼吞虎咽时会被噎住。有很多东西虽然重要，比如静态相关是计算电子结构复杂体系必知的概念，自旋污染对开壳层体系也是很重要的概念，配分函数是彻底搞明白热力学量是怎么计算出来的关键，但像这些概念，一下子灌输给零基础和基础薄弱的学员不仅没让他们学到更多，反倒容易使他们被搞糊涂，最麻烦的是容易把不相关的概念瞎联想到一起进而产生出各种莫名其妙的问题，限于他们的当前知识基础和理解能力讲又很难讲给他们明白。所以参加培训一定要选择适合自己当前水平的，否则只会事倍功半。
高级量化班是给那些能力比较强，在完整消化完中级班的知识后还想再上一层楼，用更高级的手段研究更复杂高深问题的人开设的。高级量化班和中级班没有任何重复，讲的都是高级理论方法、小众向内容，比如CASSCF、多参考方法（NEVPT2、MRCI等）、从头算动力学、显式相关计算、低标度耦合簇方法、CCSDT(Q)和EOM-CCSDT等超高精度耦合簇计算、spin-flip TDDFT方法、全电子量子化学计算和旋轨耦合、约束性DFT计算、交换-相关泛函的调控、巨快速计算大体系光谱的sTDA方法、振动电子光谱的计算、双光子吸收的计算、搜索势能面极小能量交叉点、磷光速率的计算、内转换和系间窜越速率的计算，等等。而且会非常详细、完整讲解特别强大的ORCA量子化学程序的使用、极高效的xtb程序的使用，还介绍GAMESS-US、MRCC、NWChem、Dalton等初级和中级班没涉及的量化程序的部分功能的使用。注意，参加高级班之前必须先有中级班程度的知识基础，高级班讲授的内容假定学员已经参加过了中级班，或者至少具有同等程度的知识水平。如果初级、中级、高级班的内容都完整学完了，那么在量子化学方面的知识可以达到近乎完备的程度，是真正的高手了！
简单归纳一下，三个量化培训班之间是以下关系：
很多初学者不注重系统性学习知识（参加培训或看基础性的书），就知道看文献，以为文献看多了就会搞研究了，这是大错特错！文献根本不可能由浅入深系统地对知识进行讲解，那些讲解也不可能作为文章发表。看一大堆文献得到的只是一堆零零散散的知识碎片，没有基础性的知识根本不可能理解它们、将它们正确关联到一起形成正确的知识体系。虽然也有不少计算方法的综述类文献，但也不可能从最基本的、考虑到零基础的人的接受能力和知识背景去从头细致地慢慢讲。起步阶段的人，我建议少看文献多学基础知识，等入了门有能力上手做计算了，再看一部分和实际研究主题有关的文献和比较浅显易懂的理论方法类的综述。类似地，光是整天看网上的讨论，也不可能获得系统性的知识，只能一知半解地了解一些零散的概念，学一些零碎的计算技巧。关注计算化学公社和思想家公社QQ群里的讨论、答疑对提高水平很有益，但终究只能起到补充作用，搞量化计算所需的关键性的基础必须要通过前面提过的正规途径来学。
要知道搞量化的分为两派，一派是搞理论方法、算法的，由于难度高、门槛高，所以只占很小部分，而绝大部分都是搞应用性计算的。这两类研究者所需的理论知识层次是截然不同的。搞理论方法的需要掌握很深的知识，还必须会编程，搞量化应用的人在入门时切不能向这些人看齐，看的书不能是给这些人写的书。
量子化学学习和研究过程中需要充分利用搜索引擎。搜研究文章一定要用Google学术，搜其它类型的科研相关的东西一定要用Google搜索，Google可以说是笔者科研过程中的左膀右臂。这里重点强调一点：千万别用bai*！bai*是搜什么的？那是用来搜娱乐八卦、有害、坑爹、低级趣味信息的，这么low的东西怎么能用来搜索学术信息？在笔者来看，bai*搜索是几乎最下作、最没素质、最唯利是图的公司搞的最糟糕的搜索引擎，搜索出的信息质量极差，对你最有价值的信息多数情况搜不到，反倒是垃圾、无意义、低水平的信息的权重贼老高，占满了搜索呈现页面，往往你得翻好几页才能找到点靠谱的信息，笔者对此体会太深了。而且，除了计算化学公社论坛、思想家公社blog等地方外，富有价值的量化方面的资料大部分是外文的，bai*这种东西连中文的学术方面的信息都搜不利落，用它试图搜索出对你有用的外文资料那更是天方夜谭。根本甭指望bai*对你的科研工作能有什么帮助，它纯粹是在浪费你的时间，越用bai*科研水平越低，而勤用Google才能令你登山更高台阶。千万别在高水平的讨论群和论坛说什么“我用bai*搜了xxx”、“bai*一下”，这一定会遭被群嘲。搜索学术信息，bai*至多至多给本科生用，而研究生及以上的人还用bai*这么弱智的东西只会被同行笑话。bai*百科那种水准低劣的东西更是千万别信，对科研工作者只会产生严重误导；而相对的，英文wiki上的信息则质量整体较高，多数是真正内行人用心写的，很少有严重误导性的内容，因此看百科必须去英文wiki上看（中文wiki质量和英文wiki比还差一大截）。另外，还有那个bai*学术，就是个Google学术的赤果果的山寨品，做得奇烂，品质和Google学术比差了十万八千里，对科研工作有害无益。当然，由于特殊情况，在有的地区Google搜索和Google学术是没法直接访问的，但是作为科研工作者，总得具备点上网知识吧。更别说什么“我没法用Google”、“Google打不开”于是就自取其辱，弃明投暗而改用bai*。
做量子化学计算终究还是要有一些基本化学直觉和高等化学常识的，但是有很多人本科不是化学出身的，这些人如果以后长期做量化研究，我觉得最好还是找机会补一补化学系本科期间会学到的最重要的知识，这样更容易更有效率地获得更有意义的研究结果。我觉得值得补的是：普通化学、结构化学、无机化学、有机化学、物理化学、生物化学、仪器分析。其中普通化学和结构化学是必须看的，其它的根据实际研究需要来选择性地看，并不需要看得精通，也不必做题，只要懂得基本概念就行了。至于看什么书，普通化学一定看北大的那本《普通化学原理》，结构化学一定看周公度的《结构化学基础》。其它的看什么无所谓，不用看太深的，个人认为无机化学看吴国庆写的那本就不错。有机化学不用看邢其毅那种偏深的，找本比较浅的看就够了，比如我本科时候用的是尹冬冬写的有机化学就还可以。物理化学书里最经典的是Atkin或Levine写的，国内有影印版，内容广度非常高（国外的物理化学和国内的物理化学不同，前者把结构化学和其它一些化学分支的部分知识都纳入了），如果能通篇看下来最好，但非常厚，大抵很多人也没时间看完，时间有限的人自己在书店里随便找一本感觉写得清楚易懂的就行。
如今有一些初学者，妄图凭借ChatGPT、Grok等生成式AI的回答来学习计算化学，实际上以这种方式来学习很不靠谱。这些AI输出的和计算化学有关的文字经常错误百出（来自于我的大量亲自测试），凡是内行人都能看出那些回答净是在一本正经的胡说八道。没有辨识能力的初学者看这种东西来学完全就是给自己喂毒药，明明自己都被带偏了却还觉得AI说得头头是道、以为掌握了学习的法宝。一定要明白生成式AI的长处和局限性是什么。训练AI模型的可靠的信息越充分，AI返回来的信息才可能越靠谱，而计算化学是非常专业且小众的东西（远不是本科层次的数理化可比的），互联网上的资源中能有效训练AI模型的信息相当有限（而且网上还净是错误的跟计算化学有关的文字，严重污染了AI的训练），再加上计算化学问题牵扯很多复杂的知识和逻辑，主流的AI模型自己在计算化学方面还是个糊涂虫（比如把cc-pVDZ说成是高精度基组、色散校正说成弥散校正...），跟它学完全是瞎绕弯路，还会被它给的各种错误的信息先入为主地占用了大脑，有害无益。做计算化学的也不是不能用AI，用的前提是你已经有了足够的知识基础，并懂得自己去查阅专业资料（像样的文献，以及诸如计算化学公社论坛上和我的博客中的靠谱的相关文字），从而有能力判断AI给你返回的信息有无参考价值、检验给出的说法是否合理。PS：公社QQ群里讨论时我听闻有初学者提到网上已经有一些视频讲怎么用AI学计算化学、动力学模拟，我对于制作视频的人在这方面是否真的已达到了入门水平都深表怀疑，这种视频我看也就是博人眼球罢了，撑死了也就是学一些最最基本的皮毛程度的概念，诸如什么叫势能面、分子力场的基本概念等；而靠它来学稍微深一点的知识，以及计算化学程序的正确使用（例如如何写超过hello world!难度的输入文件），那根本没戏。而且被AI带偏了还会导致你做大量毫无意义的计算、是内行人眼的胡算瞎算，白白浪费巨量的宝贵时间。比如最一开始AI建议你用的几何优化的方式就不对，导致后面你做的各种光谱计算、热力学数据计算、波函数分析等数据也全都泡汤了，如果还是计算耗时很高的大体系，被AI坑几次说不定你就要考虑延期毕业了。如果你还是用的超算算的，还要承担大量经济损失，说不定几千乃至几万块钱就被白白烧没了。我个人强烈建议读者尽可能参加北京科音的计算化学培训以正确方式入门和上手计算，到时候就算你用AI做为助手，只要先彻底搞懂了培训里很全面、系统系统讲的知识，也能分辨AI返回来的信息哪些不靠谱而哪些可以作为大致参考。