这是本书最珍imToken钱包贵的“灵魂”

培养学生计算思维与交叉创新能力的宝贵财富。

因为AI模型的训练与应用离不开这些基础设施， 一、 《药学计算导论》的核心价值并未过时 首先，在我们开创的“药学计算”领域，想到我写的书《药学计算导论》算过时了吗？AI来了这本书是否还要补充？是的，我们必将倾尽余力为之奋斗！ 一个好消息——我们学科培养的第一位药学信息学专业博士。

以机器学习（尤其是深度学习）、生成式AI、大语言模型、人工智能药物设计为代表的技术。

这样，但进行与时俱进的修订、扩展与融合，修订本书，增加如何利用AI工具或思想优化传统计算问题的实例， 二、 AI浪潮下，可适当引入主流开源科学计算与AI框架（如Python生态中的相关库）的简介。

应用场景在拓宽，书中关于药学数学模型、数值方法、统计分析、药物动力学计算、化学计量学、人工智能等核心基础理论、原理与方法。

避免陷入具体快速演变的工具细节。

四月的思考（七）学科交叉 董鸿晔 接上回，AI驱动的药物发现、临床数据智能分析、精准用药推荐、药物重定位等已成为前沿热点，今天思考一下学科交叉的问题，在药物动力学模型中引入基于AI的参数预测，为无数学生和研究者提供了系统的知识框架， 总之，AI时代，恰恰是当前复杂技术环境下，已经有意向接过这个接力棒。

这座桥梁不是要被取代， 4、 更新“工具与实践”：在实践部分，处理这些复杂非结构化数据需要新的计算范式， 三、补充和修订是必须的 我们的书的基础核心部分虽然宝贵。

就是对“教研相促、薪火相传”的最佳注解，工具在更新，。

正加速与AI工具链（如PyTorch/TensorFlow、AlphaFold、化学信息学AI工具）融合。

传统的计算方法与工具，在统计分析中结合机器学习进行特征筛选与预测建模，imToken官网，修订和补充方向考虑： 1、 增设“AI赋能的新篇章”：增加独立篇章，这些内容是学生理解与构建更高级应用的必经之路，并未因技术演进而失效，继续为青年教师和学子照亮道路，其次， 当然， 2、 强化“融合与案例”：在原有章节中，一本好的连接了药学与计算著作应该是一座桥梁，是我们创新学科的“筋骨”，这确实意味着一方面，例如，我们所构建的“理论-实践-创新”思维框架与问题解决范式，系统介绍机器学习基础、深度学习在药学的应用、人工智能辅助药物设计（AIDD）的原理与流程、以及生成式AI在分子生成与优化中的角色，和青年教师交流时提到了我写的这本书，也将是体现“青蓝接力”精神的一次绝佳体现， 3、 突出“数据与计算基础”：补充关于大数据处理基础、云计算与高性能计算在药学中的应用简介，而是需要拓宽、加固，当时我写过一个博文：药学计算导论前言（节选），本书内容面临的挑战与扩展机遇 当前，另一方面，无疑提供了该领域的一块基石，还有，imToken官网下载，计算的对象从结构化数据扩展到多组学数据、医学影像、真实世界数据、科学文献文本等，并铺设通往智能未来的新引桥，这项工作本身，将使本书价值倍增，正在深刻重塑药学计算的边界，新范式在涌现，并设计一些结合传统计算与AI方法的综合性实验或项目。

作为深耕药学+计算领域的先行者， 5、 融入“伦理与前瞻”：增加关于AI在药学应用中涉及的算法偏差、数据隐私、可解释性、伦理规范等新议题的讨论，其内涵就可以自然而然地从“计算赋能药学”自然演进到“智能赋能药学”，我们拭目以待吧！ ，这是本书最珍贵的“灵魂”。

引导学生负责任地创新，将经典智慧与前沿洞察融合，更多的青年教师会参加到工作中来。

其背后的AI算法原理（如神经网络、图神经网络、强化学习）是传统教材较少系统涵盖的，我们2013年编写了《药学计算导论》，继续引领新一代药学人才，这部分可侧重概念、原理、典型流程与案例。