15 非计算专业的学生培养计算能力
当今数字时代，计算具有催化剂、倍增器乃至颠覆性的作用。人工智能、大数据、云计算等技术的发展，在各领域引发了一系列革命性突破，极大地改变了人们对计算的认识。计算作为一种发展日新月异的工具（例如超算性能十年提升千倍），正深刻改变着各学科领域的科研创新，这也促使计算能力成为大学生必备的基本能力。例如在生物领域，AlphaFold能精准预测人类蛋白组中98.5%的蛋白质结构，其预测精准度已达到原子级别，能媲美目前最精准的测量仪器，还能将用时从几个月缩短到几天甚至几个小时。又如在材料领域，“宁德时代”使用高通量计算从50万种已知分子库中筛选出26种适用于电极液的分子，找到最优的电解液材料，突破电池体系中的复杂难题，加速材料发现和结构优化设计。
针对大学生的计算能力培养相比K-12阶段而言，具有鲜明的专业学科特点，实践起来更为复杂。例如，力学专业学生需要的计算能力是数值计算（如何求解偏微分方程，求解矩阵），而且因为计算量大，通常需要学习并行计算使用许多服务器来求解问题；而生物信息学专业学生需要学习大数据分析方法，文本字符串比对的算法，通常用不到并行计算，而是会在单台内存很大的服务器上进行计算。
现有的大学生计算能力培养模式包括在全校层面或各专业层面开设计算通识课，但这些模式不能充分体现专业课程对计算能力培养的个性化需求，不能按需传授计算知识技能，难以培养出专业能力和计算能力能力兼备的复合型人才。因此，我们提出“计算深度融入专业课”的新模式，为各专业培养具有卓越计算能力的创新型人才，并在上海交通大学进行了实践。
15.1 大学生计算能力培养的现状及问题分析
15.1.1 大学生计算能力培养的现状
大学生计算能力培养主要有两种做法：在学校层面开设计算通识课、在专业层面开设计算相关课程。
1）在学校层面开设计算通识课
一开始，大学在全校层面探索和建立计算机基础教学课程体系。1997年教育部发布《加强工科非计算机专业计算机基础教学工作的几点意见》（简称155号文件），提出了计算机基础教学的三层次课程体系，即“计算机文化基础”、“计算机软件技术基础”和“计算机硬件技术基础”，是大学计算教育中具有里程碑意义的重要举措。此后，国内众多高校纷纷践行三层次课程体系，在学校层面开设计算通识课程讲授计算机普适性知识，如“计算机导论”。 面向全校开课的模式在早期发挥了重要作用，满足了各专业对计算知识和能力的共性需求。然而，由于计算技术发展迅速，新技术层出不穷，各专业对学生计算能力的要求逐渐差异化和多元化，此时采用面向全校开课的模式便难以满足各专业对计算的不同需求。
2）在专业层面开设计算相关课程
之后，大学开始尝试在专业层面建立具有一定针对性的计算类课程。2010年，我国发布《九校联盟（C9）计算机基础教学发展战略联合声明》，将计算能力培养作为计算机基础课程教学改革的核心任务。改革之初，主要在计算机专业开设系列专业课程，如“算法与程序设计”、“计算机系统类课程（软硬件基础）”等；或在部分自然科学学科开设计算相关专业课，开展专业领域内的前沿探索研究，如“生物信息学”。近年来，随着众多创新型教学方法和工具的广泛应用，人文社科领域也开始尝试培养学生的计算能力。 面向专业开课的模式相比面向全校开课更加精细，学生能学到有一定针对性的计算课程，但颗粒度依然太大，因为同一专业不同课程、不同研究方向对计算能力的要求仍然存在差异。例如，在材料专业中，材料力学和材料结构设计等课程，涉及有限元方法在宏观尺度上求解问题，需要学生掌握矩阵理论和线性代数软件包的使用；而材料热力学和复合材料等课程，使用第一性原理在原子尺度进行计算，需要学生掌握最优化方法和FFT等方法。粗粒度的培养模式会使学生难以将所学的计算知识直接应用到学科研究中，也导致学科研究难以快速跟上计算科学的发展。
15.1.2 已有培养模式存在的问题
计算的快速更新迭代对创新型人才提出了更高的要求，也大大增加了培养难度，而已有培养模式主要采用工业时代沿袭至今的传统学科制和班级授课制，局限性日益凸显。
1）学科制的局限在于专业课程与计算课程独立教学和学习
学科的产生源于工业时代知识分类需要，随着学科发展与繁荣，专业知识体系逐渐细分，专业教学组织逐渐独立，围绕计算能力培养这一目标，往往会出现专业课程与计算课程独立教学的情况。这种分门别类的教学虽然提高了知识传授效率，但给师生双方都带来了一系列问题。对于学生而言，分别学习专业课和计算课，缺少真实问题情境和实践操练环境，使他们在面对复杂问题时难以将所学知识技能整合起来，灵活运用计算解决专业问题。对于教师而言，一方面长期专注于本学科专业能力发展，难有足够的计算知识、软硬件资源、时间精力组织计算教学；另一方面是现有机制体制以及评价体系不适应跨学科联合备课与授课的团队协作模式。
2）班级授课制的局限在于难以兼顾规模化教育与个性化人才培养
班级授课制产生于第一次工业革命时期，要求学校培养大量有一定知识并掌握一技之长的工人，为此必须要扩大教育规模并提高教学效率。在当时，这种“千人一面”的标准化教学组织形式相对经济地培养了大批量人才，但缺点也显而易见：一方面是工业流水化的教学模式，以教师知识讲授为主，难以兼顾不同学生的个性化发展需求；另一方面，受制于时间和空间限制，学生更多是在课堂内学习，无法在课堂内外随时随地全过程地学习。尤其在以数字化、网络化、智能化为特征的第四次工业革命之后，在线学习和线上线下混合学习迅速发展，传统班级授课制逐渐失去原有优势，标准化、大班额的教育已经无法有效支撑个性化计算人才培养。
15.2 构建大学生计算能力培养的新模式
解决传统教学模式与数字时代计算人才培养之间日渐增大的矛盾，需要变革传统模式以适应时代需求。无处不在的计算、快速累积的数据又为构建新模式提供了契机。特别是，大数据和人工智能技术正快速渗入教育领域的教、学、测、评、管以及研究等各个层面，信息技术在教育领域的深度融合使我们既能保证传统工业时代规模化、标准化教育的供给，又能通过对海量教育数据的分析挖掘为不同类型、不同层次的学生提供个性化教学，助力计算人才培养传统模式的变革与重构。
对计算人才培养新模式的思考，需要突破已往单向度、线性的思考方式，从复杂系统科学的视角，认识到教育是一个涉及要素环节众多、利益相关者多样、业务场景繁多、时空跨度巨大的复杂生态系统。在学校教育生态系统中，涉及的要素环节主要包括教学、学习、管理、评价等；利益相关者通常指以学校领导、职能部处为代表的管理者，以一线教师为代表的教学者，以及具有个性化差异的学生；业务场景可以进一步细分为课堂教学场景、课后学习场景、科研场景、生活场景等；时空跨度巨大意味着由线上教学和线下教学构成的新型混合学习空间，已经突破了时空局限，支持学生随时随地、碎片化、持续性的学习。
新模式的构建本质上是学校教育系统寻求内部稳定和动态平衡的过程。快速演进的计算技术，作为外部力量冲击着学校教育系统，为了实现系统内部的稳定与平衡，需要综合考虑系统包含的多种复杂因素，找到一种能够协同演化的新运作模式，并对“学什么”“怎么学”“在哪学”“谁来教”“怎么评”五个核心问题作出回应。其中，“学什么”关注课程体系建设，“怎么学”关注教学方法设计，“在哪学”关注教学环境设计，“谁来教”关注师资队伍建设，“怎么评”关注教学效果评价。最终，研究从课程体系、师资队伍、教学方法、评价方式、学习环境五个方面提出计算人才培养新模式（如图15.1），以此构建全新教育生态，满足数字时代人才培养需求。
图15.1: 计算能力培养的新旧模式对比
15.2.1 课程体系：深度融合计算课程与专业课程
旧模式中，受制于传统学科制的影响，专业课程与计算课程往往分开设计并独立教学，缺少真实问题解决的实践训练，使学生难以将计算融会贯通并灵活运用到学科问题解决中。新模式打破不同学科课程之间的壁垒，结合不同专业对计算的需求，在专业课程中直接嵌入所需计算知识技能，围绕计算能力能力培养量身定制课程内容，打造深度融合的、具有针对性和实用性的计算课程体系，并且将知识技能、实践操练、思维方法、观念认识的综合培养明确纳入课程。
15.2.2 师资队伍：构建多学科协作创新型教学团队
在旧模式中，非计算机专业教师只需要发展本学科专业能力即可，难有足够的计算知识技能、软硬件资源、时间精力支撑计算教学，动态性和开放性不足，难以实现跨学科协同备课和教研。新模式致力于组建多学科教学团队，由专业教师与计算教师交叉融合，共同研讨本专业所需计算知识技能、设计具有计算特色的专业课程体系、建设专业课程资源、联合开展课堂教学。同时，组建校级专委会，负责各专业计算人才培养和教学的总体布局与统筹规划，为多学科教学团队提供顶层设计指导与相应的的资源支持。
15.2.3 教学方法：采用以学生为中心的创新型教学
在旧模式中，以教师知识讲授为主，学生则被动接受知识，缺乏真实任务情境支持学生进行自主探究实践，往往无法进行深度学习。新模式支持学生在专业课程内掌握按需定制的计算知识，将项目式学习、问题式学习、研究性学习、翻转课堂等创新教学方法引进课堂，以真实任务的形式组织教学。教师则转变角色，成为学生学习的指导者、协助者（学习活动的设计者、学习过程的促进者、心理辅导者），激发学生的学习动机和学习兴趣，变“要我学”为“我要学”，引导学生在“做中学”的过程中潜移默化地提升计算能力。
15.2.4 评价方式：实现数据驱动的过程性评价
评价作为观测培养成效的重要手段，在促进教师精准教学、学生个性化学习、创新教育决策等方面发挥关键作用。在旧模式中，受制于评价理念、评价方法、技术手段等多种因素影响，仅选择考试结果作为主要的评价维度，缺乏过程性、发展性、增值性评价，难以科学精准地评价培养效果，也便无法通过评价改进教学。新模式转变评价理念，采用以证据为中心的评价设计理念，从知识、实践 、情感态度、元认知等多维度构建评价框架，通过在线平台收集细粒度的过程性学习数据，运用质性与量化相结合的混合分析方法，动态建模学生的计算能力水平与能力发展轨迹，并以可视化方式及时反馈评价结果，实现以评促教和评教融合。
15.2.5 学习环境：自主研发和集约整合云平台
在旧模式中，受技术因素限制，教师仅能通过个人电脑或小机房开展小规模实践教学，学生更多是在电脑上完成编程实践任务，缺少丰富的在线学习资源供自主学习，无法满足个性化需求。新模式构建云平台，通过多方云资源深度融合，使学习者能够通过“预制模板”方式享受云服务，在服务师生共性需求的同时兼顾个性需求，实现规模化教育与个性化培养的有机结合。此外，新模式也注重优质在线资源建设，打造精品在线课程、优质微课资源、公开课资源等供学生课外自主学习。发挥在线学习与课堂面对面教学的优势，形成课堂内外联通的混合学习空间。云平台还实现教学资源和科研资源的相互转化，发挥云计算的优势，跨校跨地域共享共建教育资源。
15.3 上海交通大学对新模式的实践
“交我算”团队从前几年便开始关注大学生计算能力培养，我们秉承“计算深度融入专业课教学”的理念，与专业课教师紧密合作，将计算融入专业课教学的各个环节，利用校级计算平台支撑学生进行大规模专业实践，让学生在解决复杂专业问题的过程中提升计算能力。
15.3.1 打造计算与专业课程深度融合的课程体系
由教务处、研究生院、学指委等多部门协同，规划部署各专业培养方案（本科生为主），围绕计算能力能力培养改革课程体系，调整课程教学目标，在专业课程中深度融入所需计算能力能力培养模块。从2013至今，已面向全校25个院系打造了129门计算融合型，每年覆盖学生约3500名。
以材料领域课程“多尺度材料模拟与计算”为例，涉及众多前沿计算技术、计算软件和计算方法的应用（如图15.2）。通过梳理材料领域计算相关知识点，在传统课程体系中增加高通量计算、人工智能计算等计算技术教学，电子结构计算软件、分子动力学软件等软件应用教学，密度泛函理论、蒙特卡罗方法等计算方法教学，并辅以精心设计的计算实践环节，以此打造计算与材料专业课深度融合的课程体系。
图15.2: “多尺度材料模拟与计算”课程
15.3.2 组建校级计算教学团队与专业课教师协作
在学校统筹规划下，组建校级计算教学团队。在网络信息中心设立校级计算教学专职岗位，吸引了30多名来自数学、物理、化学、材料、教育、计算机等多学科背景的教师，与专业课教师协作备课、联合授课，具体包括调整课程目标、梳理计算知识点、设计计算教学内容、设计计算实验内容、课程讲解计算知识及实验、随堂辅导、制作云上课程镜像、撰写实验文档、布置个性化实验任务、计算能力测评及反馈等。以此实现计算能力能力培养模式从“走出去”转变到“请进来”。以往学生需要“走出本专业”，额外选修计算机系课程，学习计算知识技能。将计算学习“请进专业里”，解决了以往专业课教师传授计算知识有心无力的问题。
15.3.3 采用项目式学习和翻转课堂等创新教学法
采用项目式学习、问题式学习、翻转课堂、研究性学习等创新教学法，将融合式课程落地实践。比如，“人工智能的数学基础”课程中，设计“深度学习”主题研究项目，引导学生在团队合作中提出问题、设计实验验证想法并动手编程解决问题。“计算物理”课程中，围绕“太阳演化问题”设计了系列学习驱动问题，采用问题式学习的方式让学生在解决真实物理问题的过程中学习计算知识技能，并且借助可视化计算平台支撑“物理问题建模-模型简化-算法设计-编程调试-计算-数据可视化”全过程学习。“多尺度材料模拟与计算”课程中，教师建设了系列计算微课，包括LAMMPS、VASP等计算软件应用，以及python、MPI等科学计算编程课程，让学生在课外按需进行自主学习和动手实践，课中由教师组织学生围绕材料学科核心和前沿问题展开深入研讨，以翻转课堂的方式激发学生的学习动机，为不同层次的学生提供在线学习资源，满足个性化学习需求。
15.3.4 提出各专业计算能力能力过程性测评机制
为了有效测评计算能力能力的培养成效并进行迭代优化，本研究以证据中心的评价设计作为理论基础，制定了具有专业课程特色的计算能力测评标准、借助大数据和人工智能算法构建了过程性测评模型。由校级计算教学团队和专业课教师，归纳总结不同课程对计算能力能力的培养目标和具体要求，从知识、实践、情感态度、元认知等方面构建测评标准。利用云平台收集学生过程性学习数据（在线学习行为数据、任务数据、作业考试数据、自评量表数据等），借助机器学习算法、认知网络、社交网络、行为序列分析等量化方法，以及文本内容分析等质性方法，建模学生的计算能力发展水平和成长轨迹。同时，从个体、班级层面分别设计可视化图表和测评报告，清晰直观地向教师、学生和管理者动态反馈测评结果，结合学习科学理论深入解读数据分析背后隐含的教育价值。最终，以过程性测评促进教师精准教学和学生个性化学习，持续改进计算融入专业课的教学设计，提高计算能力培养效果。
15.3.5 自主研发科教融合的实战型云计算平台
计算能力培养与传统知识传授不同，需要通过大量专业实践活动训练，在解决实际问题的过程中循序渐进地提升。为此，我们自主研制了教学和科研融合的实战型云计算平台，支撑全校各专业学生开展大规模专业实践和个性化学习，并且与外部平台对接，将计算资源开放给国内其他兄弟高校，实现优质计算资源和融合式课程的共建共享。平台整体架构如图15.3所示，主要由云化硬件、数字基座和云上模块三部分构成。
图15.3: “交我算”校级计算平台支撑教学
1）云化硬件：通过云服务的方式提供算力资源，具体包括云计算资源、高性能计算资源、人工智能计算资源以及数据存储资源。
2）数字基座：提供教学、管理、科研和测评一体化服务，满足师生不同场景下的需求。
3)云上模块：包括学习系统、实验、竞赛和科研四大功能模块。
学习系统：依托交大私有云平台jCloud自行部署Canvas开源版本，支撑全校师生开展在线教学，包括在线直播、视频回放、课件浏览、教学资源管理、作业管理和打分等功能。
实验模块：根据不同课程需求部署了个性化的实验环境，一站式提供课程所需的专业软件和计算资源，教师只需在可视化界面上简单操作即可快速搭建实验环境，解决了令教师头疼的软件获取、安装、激活和配置问题，减轻教学负担。
竞赛模块：面向学生竞赛团队提供了丰富的计算资源和环境，以及相应的竞赛培训和指导，以此鼓励兴趣高、能力强的学生深入钻研并提升个人的计算能力。
科研模块：预安装了154款科研计算相关软件，应对全校师生的科研计算需求，目前已涵盖高性能编译器、基础算法库、工程计算软件、人工智能计算软件、生物信息学分析软件等不同门类和应用领域。
15.3.6 联合教务处和研究生院进行宣传推广
在将计算深度融入专业课教学的实践过程中，我们不禁思考的一个问题是如何让师生更加受益？为此，我们联合学校多个部门做了以下几方面实践举措。
1）如何让老师知道？
每学期初，由教务处和研究生院在全校范围内统一发布通知，介绍“交我算”教学支撑服务范围和申请方式。
2）如何让老师方便申请？
在“交我办”（交大校内一网通办APP）中开发一键申请功能并对接教务系统，教师提交教学支撑申请后，系统为班级学生自动创建计算账号，大大简化办事流程。
3）如何让学生快速上手？
为了降低平台使用的技术门槛，开发了新手友好的可视化界面，建设了配套的使用文档，并定期开展用户培训，让新用户能够更快上手，提升学习信心。
4）如何让学生持续学习？
建设了丰富的计算微课，使兴趣浓厚、自驱力强的学生在课外能够有源源不断的优质课程资源进行自学。
5）下一年课程怎么办？
为了方便教师之后能一键复用课程所需实验环境，定制了课程专属的实验模板，通过图形化模板编排和一站式部署能力，帮助教师提升教学效率。
15.4 案例1：计算材料学
“计算材料学”是一门伴随着计算机科学与材料科学前沿发展而诞生的新兴课程。近二十年来，科学计算在学术界的快速发展和在工业界的大量应用，使得计算材料学教学在国内外高校中得以实施和普及，目前正快速成为材料科学与工程专业中的一门主流基础课程。
在现代材料学领域，计算模拟与科学实验、理论研究已成为同等重要的研究手段。作为一门交叉性学科，材料科学与工程致力于研究材料的成分、结构、加工与性能及它们之间的关系。传统上以实验研究为主要手段，但随着现代科技发展对材料性能的要求不断提高，仅仅依靠传统的实验与理论研究已难以满足现代新材料设计和发展的要求。通过计算机模拟，对材料开展跨尺度多层次的研究，可以揭示新的“结构-性能”关系，通过模拟计算预测材料性能行为，实现材料按需设计。因此，对材料专业学生普及“计算材料学”的理论与实践教学就变得极为迫切。
15.4.1 课程建设历程
为顺应学科发展的需要，在多名院士、专家的倡导与提议下，早在 2006 年，上海交通大学材料学院即在国内外高校中率先开设了“计算材料学”本科基础专业课，授课对象为材料学院大三学生，计 2 学分。教学创新团队一起确立了教学理念，规范了课程大纲，开展理论与实践并重的教学模式。授课过程中，鼓励学生开展研究型学习，启发学生学以致用，通过思维拓展，培养他们的创新思维与创新能力。
十六年教学实践表明，“计算材料学”课程对材料学科人才培养不可或缺。经教学团队多年不懈努力，该课程目前已经树立起品牌效应，获得了国内外院校广泛认可。
课程主要建设历程：
•2006年：创建计算材料教研团队，首次开课；
•2008年：完善课程体系构建，组建教学团队，分别承担4个课程模块及相关实验教学，建成课程网站；
•2009年，“计算材料教学实验室”建成，配置多媒体教室、实验机房、工作站和计算集群；
•2010年，本课程被列为“上海交通大学精品课程”，本科教学拓展至硕、博研究生专业选修课“材料多尺度模拟”（全英文授课）；
•2011年，课程增加至48课时，3学分，分班授课；
•2012年，优化实验教学，完善课程讲义及实验手册，实施校级优质课程建设项目，配合学院开展双语教学；
•2013年，上海交通大学本科优质课程，主办为期一周的“多尺度材料模拟暑期国际讲习班”，邀请该领域国际知名教授授课，提升课程教学国际知名度及影响力；
•2014年，基于多年教学实践经验，建设本科生教学的“计算材料学”教材；
•2015年，课程获评“上海市精品课程”；
•2018年，“多尺度材料模拟与计算”获上海交通大学致远荣誉课程立项建设；
•2019年，使用校级计算平台计算资源，从学院机房迁移至超算平台；网络信息中心计算专员加入教学团队，共同设计实验，开展计算实践教学。
15.4.2 课程改革内容
秉承创新型计算人才的培养目标，以知识、能力、素质三位一体为主要目的和任务，在国内率先建立“计算材料学”课程构架，形成了系统的教学体系与方法。同时，注重理论与实践相结合，着力培养学生的创新意识。据此宗旨，形成了理论教学、实验教学、课外自学和网络教学互动相结合的教学模式，并同时配套有丰富的网上教学资源，建立完整的“计算材料学”教学体系，体现对“组织结构-性能”材料基本问题的关注，突出跨尺度、多领域交叉的材料研究特点（图15.4）。
课程从微观粒子（原子、电子）到宏观连续体等跨尺度及多结构层次介绍计算材料学的基本概念和方法。内容涵盖数值模拟、统计分析及可视化等相关技术和软件，重点讲授分子动力学、蒙特卡洛法、有限元方法和介观尺度模拟技术在材料科学与工程领域中的应用，从而加深学生对材料“组织结构—性能”本构关系的认知与理解，使学生掌握基本的计算模拟理念和方法，激发并拓宽学生新的材料研究理念与思维模式，使其充分了解材料计算和模拟既是理论和实验方法的融合，又是对两者的重要补充。
图15.4: “计算材料学”教学体现了多学科交叉的特色
15.4.3 理论结合实践，个性化因材施教
厚植实践教学，创新计算理念，基于校级计算平台的软硬件环境，形成较为理想的理论与实践相结合的教学模式，针对学生基础与研究需求，因材施教，开展个性化教学。
计算实践紧密结合材料科学与工程领域基本概念与理论，是对先期专业课程的巩固和发展。通过与学科前沿问题的融合，提高对材料研究的认知与基本理论、基本方法的掌握。实验教学内容以涉猎面广、趣味性强为特色。此外，还开设了不同层次的开放实验，培养学生探索和创新精神，符合因材施教的教学原则和个性化的教育理念：
1）材料学科高速发展，但目前材料专业教学相对滞后，难以反映最新的研究成果。随着社会需求的日益增长，近年来材料科学与工程研究有了突破性的进展，材料设计的理念已逐步取代“试错式”的传统研究方法。但国内本科材料专业大多仍沿袭传统的教学模式，未能及时反映学科的最新进展与前沿。为传播先进的材料研究思想与理念，我们在国内高校中率先在本科生课程中引入了“计算材料学”，将最新的研究方法贯穿起传统的材料科学问题。
2）材料学科涉及学科间的高度交叉，但目前材料专业教学内容相对独立，缺乏与其它学科知识间的有机关联，不利于学生们形成交叉而完整的学科图像。而“计算材料学”则涉及物理、化学、力学、数学、计算机、生物等多个领域，完美体现材料科学作为交叉科学的特点。
3）传统的课堂教学缺乏对学生想象力与创新力的激励与培养，在融媒体时代面临诸多挑战：通过讲授与阅读的方式介绍的基础知识与基本概念往往过于抽象而难以掌握；灌输式的课堂教学缺乏激发学生创新的机制。“计算材料学”融合了教学与实验，使学生在理论教学中了解基本概念，在实践中学以致用，掌握基本方法与技能，计算机模拟与可视化技术的运用能充分调动学生的学习兴趣与创新热情。
15.4.4 课程小组集体备课，计算教学团队协作
本课程教学团队由五名主讲教师与一名辅导教师组成。主讲教师为三位教授、一位副教授和一位副研究员，皆具备计算材料学相关研究背景。为确保课程计算教学质量，邀请网络信息中心计算专员担任课程辅导教师。主讲教师在国外留学访问期间，曾专门对国外知名学府（如美国MIT、德国卡尔斯鲁厄大学）相关课程的教学情况做过详细调研，吸纳了很多宝贵的教学经验。计算辅导教师为课程计算实践提供基于高性能计算机（大规模原子模拟）和云计算平台（高通量数据库及可视化）等计算环境的软件安装、实验设计、操作手册、现场指导等。
主讲教师与计算辅导教师分工合作，相辅相成，贯穿起从微观到宏观多尺度的材料模拟方法，从而保障了知识体系完整性，加深了计算理论与实践结合，有助于科研前沿转化为教学内容的过程（图15.5）。
图15.5: “计算材料学”课程改革前后对比
15.4.5 课内教学与课外科研结合，全方位培养学生创新能力
课程强调“从课内到课外”的教学理念，引导学生学以致用，将课堂学习知识与技能应用于科研工作中，培养学生的科研热情与科学素养。课程配备了高性能计算模拟平台，为学生的课外研究与探索提供了有利条件。具体包括：
1）鼓励学生根据自身兴趣选作额外的实验项目、科研课题。我们开设了“计算材料学兴趣班”，为学有余力且有兴趣的同学提供深入学习的机会。鼓励学生独立思考问题、设计并完成实验。在课外教学活动中，我们都配备了相应的教师与助教，提供最专业的技术支持与学习辅导。
2）学生课后也能选修学校计算平台的“计算微课”系列，根据兴趣和未来科研方向，深入学习 LAMMPS, VASP 等材料计算软件的应用，以及 python、MPI 等科学计算编程相关的课程。
3）我们结合学校 PRP 计划（大学生参与研究计划），积极开展对本科生科研能力的培养。在完成本课程一学期的学习以后，学生即可以利用所学知识，还可以边干边学，把理论与实践结合起来，从而训练学生的科研能力，巩固专业知识，调动创新意识。“计算材料学”课程开课的十余年来，参与计算材料方向的PRP学生人数累计一百多人。PRP实践成果显著，李竹良等同学（沈耀老师指导）的PRP课题获得“上海交通大学十佳最受欢迎PRP”称号，他们的科研成果有两篇文章发表在材料领域国际著名期刊 Applied Physics Letters 和 Scripta Materialia 上。
4）我们鼓励学生结合课程实验项目，申请大学生创新项目，从而让学生在项目的完成过程中掌握“计算材料学”方法，思考材料科学前沿问题。丁俊同学承担并完成了上海市大学生创新项目一项，他对金属玻璃剪切带的形成开展了详细的研究，相关研究结果尚未发表，但已得到国内外一些顶尖专家学者的极大关注。
15.5 案例2：组学数据原理与交我算实践
15.5.1 课程背景与简介
生态组学数据基础是生物信息学和生态学的交叉学科，涉及到基因组学、转录组学、蛋白质组学和代谢组学等的数据处理和分析。生态组学数据基础是生物信息学、生态学等相关专业的重要课程。
随着测序技术的不断发展，基因组、转录组、蛋白质组、代谢组等组学数据正在飞速产生，并且快速地渗透到生态学的具体研究当中。生态组学数据基础是以DNA、RNA以及蛋白质等生物序列为研究对象，以数学模型和高性能计算为技术手段，结合分子生物学的实验方法，研究生物序列大数据的获取和分析的多学科交叉课程。最终目的是通过对生物信息在DNA到RNA到蛋白质之间储存和流动的过程的了解，系统地理解如海洋等生态群落的结构与功能随环境变化的分子生物学和生物化学机理。如今，面对高通量测序获得的来自生态环境的海量生物序列，相关学科的学生能够运用高性能计算进行快速而准确地数据处理和分析是迫在眉睫的。
为了促进学科交叉和融合，以及非生物信息专业学生有组学数据处理和分析的需要。上海交通大学生命科学技术学院在2022年开设了“组学大数据”课程，授课对象为海洋学院和生科院的本科生，计2学分。为计算基础低或无的学生，提供组学数据处理和分析的基础教学和指导。
“组学大数据”课程包括：
- 组学数据的产生，测序仪、质谱仪等分析仪器的基本原理；
- 主要的组学数据库的介绍，如何搜索、获取组学数据；
- 组学数据的分析处理流程，常用软件的使用；
- 组学数据的基本统计算法模型与分析工具；
- 组学数据分析在海洋科学研究中的具体应用实例。
随着上海交通大学交我算平台的不断发展和壮大，为了帮助计算基础低的生科院研究生也能在将来自己的课题研究中应用上高性能的计算资源，上海交通大学生科学院在2023年开设了“生态组学数据基础与交我算实践”课程，授课对象为生科院的研究生新生，计3学分。
“生态组学数据基础与交我算实践”课程包括：
- 组学数据的产生，测序仪、质谱仪等分析仪器的基本原理；
- 我国科学家在组学技术方面的贡献；
- 主要的组学数据库的介绍，如何搜索、获取组学数据；
- 组学数据的分析处理流程，常用软件和高性能计算平台的使用；
- 组学数据的基本统计算法模型与分析工具；
- 组学数据分析在交我算平台的具体应用实例与如何为我国组学事业做出贡献。
通过课程学习使学生获得必要的基因组、转录组和蛋白质组序列、代谢组数据获取和分析的基本方法和知识，掌握序列分析的核心算法和基本的数学模型，提高其数学、统计学和分子生物学理论基础，了解最新的基因组、转录组和蛋白质组序列、代谢组数据获取和分析的方法和平台，以及带领学生在交我算平台上实践，熟悉交我算平台各方面的应用。
15.5.2 课程建设挑战
对于生命科学背景的学生来说，使用电脑、超算和Linux操作系统上手十分困难且具有极大挑战性。他们可能在操作这些工具上遇到困难，因为缺乏计算机使用逻辑和认知。对于科学软件，他们可能缺乏概念，无法理解数据的产出和分析过程，也不了解如何利用高级工具来辅助自己的科研工作。
这些学生可能在多个方面遇到困难：
- 基础计算机操作：缺乏对计算机操作系统和文件管理的基础知识，例如文件组织、命令行操作等。
- Linux系统和终端使用：对于Linux操作系统和命令行终端的使用可能不熟悉，这在生物信息学中是非常重要的。
- 科学软件的概念和使用：对于生物信息学工具和软件的作用和使用可能缺乏认识，不了解这些工具如何处理和分析数据。
这种困难可能源自于生命科学学科的主要关注点，往往集中在实验技能和理论知识上，而不太注重计算机技能的培养。因此，对于他们来说，掌握计算机技能可能需要额外的学习和培训。这些学生可能需要从基本的计算机操作开始学习，了解Linux系统的基础知识，熟悉常用科学软件的功能和用途，以及学习如何利用这些工具来处理、分析和解释生命科学领域的数据。随着生物信息学的兴起，现代科学研究变得越来越依赖于计算机技能，尤其是对于处理和分析大量生物数据。因此，了解基本的计算机操作和掌握科学软件的使用变得尤为重要。
15.5.3 课程建设路线
帮助这些学生克服这些困难可能需要提供针对性的培训课程或资源，例如计算机基础知识的介绍、软件使用的指导和实践项目的指导。此外，也可以提供辅导和支持，帮助他们逐步建立对计算机工具和科学软件的理解和熟练运用，从而更好地应用这些技能于自己的科研工作中。通过课程融合的形式，让非计算专业的学生也能在课堂上，了解计算，了解云、超算等大型算力设施，了解科学计算的使用和实践以此来培养学生。主要包括：
- 基础计算机知识讲解：提供基础的计算机操作培训，包括文件管理、文件格式、文件路径等。
- Linux基础知识：介绍Linux系统的基本概念、常用命令和基本操作，以便他们能够在终端上进行操作。
- 科学软件的介绍和实践：详细介绍常用的科学软件，包括基因组学、蛋白质组学和转录组学的工具，并提供实际操作指导，使学生能够理解这些软件的作用和用途。
- 辅导和支持：提供个性化的辅导和支持，鼓励学生积极探索和尝试，在实践中逐步提高他们的计算机技能和科学软件的应用能力。
15.5.4 教学与考试设计
课堂讲解逐层递进：
- 基础计算：从计算机基础知识开始，包括硬件、操作系统等。
- 超算发展：介绍超级计算的发展历史和应用领域，让学生了解其重要性。
- Linux基本操作：逐步介绍Linux系统的基本概念、命令行操作等，为后续学习打下基础。
- 超算集群使用：针对超算集群的使用方法和技巧进行详细讲解和实践操作。
- 生信代表软件：以基因组学软件为代表，介绍其作用、功能和应用场景和实操练习。
针对零基础学生的教学方法：
- 课堂作业：提供简单的课堂练习，帮助学生逐步理解和掌握基础知识和操作技能。
- 课后大作业：设计一些综合性的大作业或项目，要求学生运用课上所学知识解决实际问题，加深对知识的理解和应用。
考试设计：
- 理论考试：
- 选择题/填空题：考察学生对基础计算、超算和Linux操作等方面的理解和记忆。
- 简答题：让学生描述超算集群的使用流程、生物信息学软件的功能等，考察其对知识的理解程度。
- 实践考核：
- 操作题：要求学生在计算机上完成一些基本的Linux操作，或者使用生物信息学软件进行数据处理和分析，以考察他们的实际操作能力。
- 项目作业：设计一个较大的项目或任务，要求学生结合课上所学，完成一项综合性的计算任务，例如基因组数据的处理和分析，来评估他们的综合能力。