光电材料与材料与化工哪个专业好？
一、光电材料与材料与化工哪个专业好？
材料与化工好。从近几年来看，人们对材料问题的关注度是越来越高了，而化工产品，女人们的生活又是息息相关，光电材料的话，报考人数是有点少的，比较冷门。所以说选择材料与化学，他的毕业待遇也是比较好的。
二、人工智能对材料专业有什么应用？
1.充足的材料科学理论研究 人工智能技术的应用需要有相应应用领域的理论支撑,随着研究者对材料科学理论研究的深入,越来越多物理机制以及材料结构与性能的关系能够从理论层面去解释,从而有利于通过计算机基于材料。
2.多尺度、高通量的模拟计算软件与高效的计算能力 随着针对材料科学的模拟计算软件的发展,材料模拟计算软件能够愈加精确地模拟。
3.规模化、系统化的材料数据库 材料基因工程理念提出后,规模化、系统化材料数据库。
三、化工与材料专业咋样？
化工与材料专业算是比较传统的一些专业其实在就业方面还是不错的，然后嗯一些化工类的企业对该法该专业的招收还是一直有的。
四、催化与材料专业咋样？
催化的多向材料方向偏一些会好很多,我认为材料专业是一个朝阳专业,无论时国防还是民用都离不开。本专业培养研究生具有严谨求实的科学态度和作风，掌握催化化学、反应工程、材料科学等方面宽广而坚实的理论基础、较系统深入的专门知识以及熟练的实验操作技术;具有独立从事科学研究、教学工作或担任专业技术工作的能力，具有创新精神;能熟练运用计算机和先进的测试技术;熟练掌握一门外语，能够阅读本专业的外文资料，并具备一定的听说和书面表达能力。
五、与材料类专业相近的专业？
与材料化学相近的专业有冶金工程，金属材料工程，无机非金属材料工程，高分子材料与工程，材料科学与工程，复合材料与工程，焊接技术与工程，宝石及材料工艺学，粉体再生资源科学与技术，稀土工程，非织造材料与工程等。
六、人工智能材料？
描述
未来，基础科研领域的发展将构筑于数据与人工智能的基础之上。对此，我应该抓住AI 2.0时代的发展契机，积极构建基础科研数据库，高效利用人工智能技术，抢占技术创新高地，实现材料、化学、物理等基础科研领域的“弯道超车”。
材料、化学、物理等基础科研领域的研究过程中充满了“大数据”，从设计、实验、测试到证明等环节，科学家们都离不开数据的搜集、选择和分析。人工智能技术（机器学习算法）擅长在海量数据中寻找“隐藏”的因果关系，可用于解决基础科研中的种种问题，因此得到了科研工作者的广泛关注。
近两年，人工智能在材料、化学、物理等领域的研究上展现出巨大优势，正在引领基础科研的“后现代化”。在AI2.0时代，把握人工智能技术不仅意味着科研效率的提升，更意味着科研“弯道超车”机遇的到来。
一、人工智能如何影响材料、化学、物理等基础科研？
2016年，谷歌AlphaGo的横空出世，将世人的焦点吸引到了人工智能领域。短短两年时间，人工智能技术在商业领域获得了空前的成功。语音识别、图像识别、无人驾驶、智慧金融等领域，无一不在影响着人们的生活。
但不为大众所关注的是，人工智能技术在科研领域也掀起了巨大的“波澜”。本文以2018年Phys.org网站（物理学家组织网）和顶级期刊上的文章为基础，向大家介绍人智能在材料、化学、物理等领域如何产生作用。
（一）新材料领域
2018年7月，Keith Butler等人在《Nature》期刊上发表题为“分子和材料研究用的机器学习”的文章，对人工智能技术在材料、化学中的作用进行了综述。
文章认为，计算化学/材料学的研究流程已经更迭至第三代。第一代是“结构-性能”计算，主要利用局部优化算法从结构预测出性能；第二代为“晶体结构预测”，主要利用全局优化算法从元素组成预测出结构与性能；第三代为“统计驱动的设计”，主要利用机器学习算法从物理、化学数据预测出元素组成、结构和性能。
其中，机器学习主要分为四个步骤：一是数据搜集，包括从实验、模拟和数据库中获取；二是数据选择，包括格式优化、噪点消除和特征提取；三是机器学习方法选择，包括监督学习、半监督学习和无监督学习；四是模型选择，包括交叉验证、集成和异常检测。
在实际的新材料研发中，人工智能技术已经在文献数据获取、性能预测、测试结果分析等各环节展现出巨大优势：
2018年1月，美国加州大学和马萨诸塞大学的研究人员合作开发人工智能平台，可自动分析材料科学研究文献，并可根据文本中提及的合成温度、时间、设备名称、制备条件及目标材料等关键词进行自动分类。结果表明，该平台识别文章段落的准确度为99%，标注关键词的准确度为86%。（发表于《MRSBulletin》）
2018年6月，美国斯坦福大学的物理学家开发了一种新型的非监督人工智能程序“Atom2Vec”。该程序只用几个小时，就“重新发现”了元素周期表。Atom2Vec是非监督型人工智能，未来科学家们可以通过给它设定目标，引导其寻找新材料。（发表于《美国国家科学院学报》）
2018年9月，东京大学利用理论计算方法建立了与原子结构相匹配的光谱数据库，并利用层聚类和决策树两种机器学习方法，对光谱大数据进行解释和预测。结果表明，该方法可成功应用于复杂光谱的解释，以及材料光谱特征的预测。（发表于《Scientific Reports》）
（二）化学领域
2018年3月，上海大学Mark Waller团队在《Nature》期刊上发表题为“利用深度神经网络和符号AI规划化学合成”的文章，引发了业内的广泛关注。
研究团队首先收集了截止到2014年发表过的几乎所有的化学反应，加起来大约有1250万个反应。然后，研究团队应用深度神经网络及蒙特卡洛树算法，成功地规划了新的化学合成路线，即便是权威的合成化学专家，也无法区分这款软件与人类化学家之间的区别。
与两种传统的合成方法相比（红色和绿色），使用新型人工智能技术（蓝色）在较短时间内可以完成更多分子的合成路线预测。该研究是人工智能在化学合成领域的重大突破，Mark Waller也被媒体誉为“化学AlphaGo”的先驱。
“化学AlphaGo”仅是人工智能用于化学领域众多案例中的一个。近年来，人工智能、机器学习、深度学习在合成化学、药物化学等领域不断产生新应用，其热度变得越来越高，有望为化学领域带来革命性的变化。
2018年7月，英国格拉斯哥大学研究人员采用机器学习算法，开发出可预测化学反应的有机化学合成机器人。在学习了100种（10%）化学反应后，该智能机器人能够以80%的准确度预测出其他化学反应，并且还能够预测出人类未知的新型化学反应。（发表于《Nature》）
2018年7月，美国北卡罗来纳大学开发名为“结构演化的机器学习”（ReLeaSE）的人工智能系统，其包括两个神经网络，可学习170万个已知生物活性分子化学结构，并随时间推移推测出新型药物分子。（发表于《Science Advances》）
2018年7月，美国莱斯大学和宾夕法尼亚州立大学的研究人员合作，利用机器学习技术和量子化学模拟改善催化剂的设计，可大幅节约时间与成本。利用量子化学模拟，研究人员可以创建出包含各类催化剂属性的数据库；机器学习技术可快速搜索数据库中隐藏的模式，帮助研究人员设计更便宜、更高效的催化剂。（发表于《Natural Catalysis》）
（三）物理领域
2018年8月，美国能源部斯坦福直线加速器中心和费米国家加速器实验室的研究人员合作，在《Nature》期刊上发表题为“在粒子物理学的能量和强度边界应用机器学习”的文章，总结了在粒子物理学的前沿使用机器学习所带来的机遇和挑战。
欧洲核子研究中心（CERN）的大型强子对撞机（LHC）是目前世界上最大的粒子加速器，其每秒可产生一百万吉字节（GB）的数据。如此海量的数据，给存储和分析带来了极大难题。研究人员利用专用的硬件和软件，通过机器学习技术来实时决定哪些数据需要保存，哪些数据可以丢弃。结果表明，机器学习算法可以至少做出其中70%的决定，大大减少了人类科学家的工作量。
近期人工智能在物理学领域的应用，除大型强子对撞机的数据分析外，还包括以下几方面：
2018年9月，美国劳伦斯伯克利国家实验室的科研人员与英特尔、克雷公司的工程师合作，利用深度学习技术开发出物理科学应用程序CosmoFlow，可用于处理大型三维宇宙学数据集。（发表于arxiv.org）
2018年9月，美国加州大学伯克利分校Breakthrough Listen项目的研究人员利用机器学习基础，从距离地球约30亿光年的光源中发现了72个新的宇宙无线电爆发。（发表于《The Astrophysical Journal》）
二、人工智能在基础科研领域中扮演什么角色？
材料、化学、物理等基础科研领域的发展，是大国科技竞争力的重要保证，其直接决定了社会各方面进步的步伐，重要性不言而喻。在AI 2.0时代，如何利用大数据挖掘和人工智能技术为基础科研领域赋能，成为了基础科学实现“弯道超车”的重要命题。
（一）传统科研模式需要进一步革新
2007年，图灵奖得主Jim Gray在NRC-CSTB大会上提出了科学研究的四类范式：经验科学（实验科学）是第一范式，在研究方法上以归纳为主，带有较多盲目性的观测和实验；理论科学是第二范式，偏重理论总结和理性概括，在研究方法上以演绎法为主；计算科学是第三范式，主要根据现有理论的模拟仿真计算，再进行少量的实验验证；数据密集型科学即第四范式，它以大量数据为前提，运用机器学习、数据挖掘技术，可从大量已知数据中得到未知理论。
以材料科学为例，当前普遍采用的基础科研模式主要以第一、二范式为主，第三范式为辅。在实际科研工作中，传统模式带来的问题主要有：一是重复性劳动过多，新材料研发环节中变量多，“试错法型”的实验量繁杂；二是“失败实验”的数据遭抛弃，海量数据沉默，无法被人有效利用；三是耗时太长，以航空涡轮发动机为例，单晶高温合金叶片的研制周期往往长达10年以上。
随着互联网时代的发展，数据传播、分享的门槛大大降低，而计算机硬件计算能力的提升又令大数据的计算分析成为可能，从而催生了科学第四范式。随着第四范式的诞生，所能解决的科学问题的复杂度进一步提升，势必会给材料、化学、物理等基础科研领域带来效率和效果的极大提升。基础科研领域拥抱第四范式，已经成为必然的趋势。
（二）人工智能如何支撑基础科研领域发展？
在AI 2.0时代，数据是最核心的资源，也是实践基础科研领域第四范式的基础。当前，不同科学领域数据库的建设，已经受到各国的高度重视。例如，美国国立卫生研究院的生物基因序列库GenBank迄今已收录超过2亿条基因序列，并正以大约每18个月翻一番的速度增长；美国国家标准技术院Materials Data Facility收集的数据量已达到12.5TB；日本物质·材料研究机构建设的MatNavi数据库是关于高分子、陶瓷、合金、超导材料、复合材料和扩散的世界上最大的数据库之一。
21世纪以来，“材料基因组”、“化学基因组”和各类物理学数据库的建设正加速进行。在人工智能算法和计算机硬件不断进步的背景下，“数据挖掘+人工智能分析”已经成为基础科研领域快速发展的重要驱动力：
人工智能变革科研数据的搜集、获取方式。利用人工智能语义分析技术，科研论文中的数据将更易搜集和获取，解决了人工搜集科研数据效率低的问题。
人工智能变革科研数据的分析方式与效率。利用深度神经网络及其他机器学习技术，科学家们将可从海量的结构化数据中高效获得隐藏的因果关系，从而大幅提升数据分析效率。
未来，基础科研领域的发展将构筑于数据与人工智能的基础之上。对此，我应该抓住AI 2.0时代的发展契机，积极构建基础科研数据库，高效利用人工智能技术，抢占技术创新高地，实现材料、化学、物理等基础科研领域的“弯道超车”。
七、材料专业与化工专业哪个好？
第一，材料、化工都是一级学科，里面内涵太丰富，完全不可一概而论。第二，建议把导师和相关课题组方向说出来，举个例子，我见过化工系做材料的，也见过材料专业做化工的。
最后提醒，留在学术界是本科生和低年级研究生的常见想法，但是这个想法很大程度上是被洗脑的后果，是不切实际的。请三思
八、人工智能专业与自动化专业哪个好？
人工智能的专业比较好
人工智能是近几年才兴起的一个专业，要说自动化在以前也并不热门，因为该专业是基于自动控制原理为基础的，在就业上属于万金油专业，什么都会一点，但是并不精通，但在IT产业迅猛发展的今天，自动化则成为一个热门专业，新兴的人工智能则是一门交叉学科，也是很热门的，本科阶段，这两个专业都学不了什么，只有读研分方向后，才能深入学习某一方面。
在读研阶段，人工智能就是自动化的一个小小的发展方向而已，从这个角度来看，人工智能，不过是一种特殊的算法而已，可以说是模仿人类思维的一种做法，而算法是自动化学科中一种控制策略，就是研究如何控制系统的思路。算法有很多种，比如神经元，PID，模糊控制等，人工智能智能算其中一种，所以人工智能用传统的眼光来看，是归属于自动化的。
九、材料成型与控制工程专业与材料科学与工程专业相比怎样？
材料成型与控制工程是比较特殊的材料科学与工程专业，它是机械与材料相结合的专业，某些大学的材料成型与控制开设在机械学院而非材料学院。通常简称为材控，一般分为四大类，焊接成型及控制、铸造成型及控制、压力加工及控制、模具设计与制造。四个分类之间差别较大，且很少有高校同时侧重四个分类，例如哈工大侧重焊接成型，华中科大侧重模具设计与工程，北科大侧重压力加工及控制等等。
课程开设：
具体开设课程与学校对于本专业的侧重点而异。常见的材料成型与控制课程有机械制图、工程力学、机械设计基础、金属学与热处理原理、材料分析测试技术、材料性能学、工程材料学、表面工程学、焊接冶金学、金属材料焊接、焊接方法与焊接设备、焊接检验、焊接结构失效分析及质量控制、塑性成型理论、橡塑材料成型工艺学、橡塑成型模具、金属冲压工艺与模具设计、模具CAD/CAM、模具制造技术等专业基础和专业课程知识等等。
就业：材料成型与控制是材料类专业就业情况最好的学科之一。本专业毕业生多进入钢铁企业、机械制造业、汽车及船舶制造业、金属及橡塑材料加工业等领域从事与焊接材料成型、模具设计与制造、铸造成型、压力加工等相关的生产过程控制、技术开发、科学研究、经营管理、贸易营销等方面的工作。与机械类专业有着类似的就业方向及成长路线。同时，由于就业单位多属重工企业，就业环境不是太理想。而且，女生的就业情况不如男生。
读研：本专业出国深造的比例低于材料科学与工程其他二级学科，原因在于本科就业情况较好。同时，本专业亦是材料科学与工程读研报考热门专业。例如哈工大材料学院的焊接、华中科大的模具等等，均为该校最为热门，竞争最为激烈的专业之一。
出国：本专业由于属应用型专业，出科研成果(发文章)的机会不如其他材料科学与工程相关专业。此外，由于就业情况好，也使得出国的比例不如其他材料材料科学与工程相关专业。
材料科学与工程功能材料(本科、学制四年)
培养目标：功能材料专业人才的培养，立足于国家经济社会的发展需要和学科发展趋势，这是确定本专业人才培养目标定位的基本依据。根据拓宽基础和专业面的原则，本专业培养德、智、体、美全面发展的，基础扎实、富有创新意识、在实际工作中有较强的适应性和创造能力，适应材料科学与技术的发展和市场经济需要，掌握新型功能材料相关基础学科和相关学科的基础知识、基本理论和基本技能;具备应用研究的基本训练，能在功能无机材料、功能有机材料、功能复合材料等领域从事设计制造、科研开发、教学和技术、管理和经营工作的复合型专门人才。
培养范围：
1、牢固掌握材料学、工程学和化学等学科基本理论、基本知识、基本实验技能;
2、掌握一定的研究和开发功能无机材料、功能有机材料、功能复合材料的知识和能力;
3、具有一定的英语听、说、写能力，能较熟练地阅读专业英语文献;
4、具有一定的计算机应用能力。
5、具有较强的自学能力;具有分析和解决工程实际问题的能力;具有初步的科研能力、开发和组织管理能力。
就业方向
本专业方向就业前景广阔，毕业生可在有关公司企业、研究设计院所、高等院校和管理部门从事新型功能材料方面的研究与设计、产品开发、制造、科研、教学、技术开发、管理、营销等工作。
主干课程
化学基础理论、化工基础、普通物理、材料物理、材料学、材料科学基础、无机非金属材料、功能材料概论、光电信息材料、新能源材料、计算机应用技术、纳米材料学、功能高分子材料、功能复合材料等。
十、材料与分析专业就业前景？
材料与分析的专业就业情况不太乐观吧。材料与分析的专业属于国内的冷门专业，很多的高校关于该专业的师资力量比较的薄弱，并且关于该专业的学习的理论基础与实践操作，比较的不相对实践，基础的操作低于理论基础的学习，所以毕业后提供的社会岗位又比较少，考生很难也在社会中找到相应专业去就业。