2023
Química Computacional
Nome: Química Computacional
Cód.: QUI13532L
6 ECTS
Duração: 15 semanas/156 horas
Área Científica:
Química
Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português, Inglês
Regime de Frequência: Presencial
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
O objectivo geral desta Unidade Curricular é o de fornecer aos alunos uma panorâmica sobre as diversas aplicações dos computadores na química. Pretende-se que os alunos adquiram noções básicas sobre a constituição e funcionamento de um computador, os métodos e técnicas que podem ser utilizadas na solução de uma grande diversidade de problemas, bem como de algumas técnicas de simulação que podem ser utilizadas na modelação de sistemas químicos, na optimização de processos químicos e na previsão de propriedades químicas. No final da Unidade Curricular, os alunos deverão ser capazes de utilizar com facilidade o computador na perspectiva do utilizador na análise, processamento e visualização de resultados; planear e realizar simulações de sistemas químicos, optimizar processos e prever propriedades químicas
Conteúdos Programáticos
Utilização dos computadores em ciência.
Métodos computacionais convencionais.
Visualização (representação gráfica de resultados; desenho e visualização de moléculas).
Química Quântica (método de Hückel; métodos semi-empíricos; métodos ab initio).
Cinética de reacções complexas.
Mecânica Molecular (métodos de Dinâmica Molecular; método de Monte Carlo).
Simulação computacional de processos químicos.
Métodos computacionais não convencionais (modelos inspirados na natureza e suas aplicações; introdução aos sistemas inteligentes e suas aplicações; introdução aos ambientes visuais de programação).
Experimentação in silico.
Métodos computacionais convencionais.
Visualização (representação gráfica de resultados; desenho e visualização de moléculas).
Química Quântica (método de Hückel; métodos semi-empíricos; métodos ab initio).
Cinética de reacções complexas.
Mecânica Molecular (métodos de Dinâmica Molecular; método de Monte Carlo).
Simulação computacional de processos químicos.
Métodos computacionais não convencionais (modelos inspirados na natureza e suas aplicações; introdução aos sistemas inteligentes e suas aplicações; introdução aos ambientes visuais de programação).
Experimentação in silico.
Métodos de Ensino
O ensino/aprendizagem baseia-se no trabalho individual dos alunos, apoiado em bibliografia recomendada pelo docente e em notas colhidas pelos alunos quer durante as horas de contacto quer na pesquisa realizada individualmente. As horas de contacto teóricas, dedicadas à estruturação da matéria, à definição de conceitos e à orientação do processo de aprendizagem, não são puramente expositivas, sendo ilustradas com a resolução de problemas e com a apresentação de estudos de caso. As horas de contacto de carácter prático funcionam de forma articulada e em complementaridade com as horas de contacto teóricas, recorrendo a actividades que concretizem exemplos práticos dos temas desenvolvidos nas aulas teóricas.
A classificação da unidade curricular terá em conta a avaliação de uma componente teórica (realizada através de frequências ou de exame), 60%, e de uma componente de projecto (realizada através da elaboração, apresentação e discussão de um trabalho baseado num artigo científico), 40%.
A classificação da unidade curricular terá em conta a avaliação de uma componente teórica (realizada através de frequências ou de exame), 60%, e de uma componente de projecto (realizada através da elaboração, apresentação e discussão de um trabalho baseado num artigo científico), 40%.
Bibliografia
F. Jensen, Introduction to Computational Chemistry, 3ª Ed. (2017), John Wiley & Sons, Chichester.
D. Young, Computational Chemistry: A Practical Guide for Applying Techniques to Real World Problems (2001), John Wiley & Sons, Chichester.
I. H. Witten, E. Frank, M. Hall & C. Pal, Data Mining Practical Machine Learning Tools and Techniques, 4ª Ed. (2016), Morgan Kaufmann Publishers, S. Francisco.
J. Han, M. Kamber & J. Pei, Data Mining: Concepts and Techniques, 3ª Ed. (2012), Morgan Kaufmann Publishers, Waltham.
L. Raff, R. Komanduri, M. Hagan & S. Bukkapatnam, Neural Networks in Chemical Reaction Dynamics (2012), Oxford University Press, Oxford.
D. Young, Computational Chemistry: A Practical Guide for Applying Techniques to Real World Problems (2001), John Wiley & Sons, Chichester.
I. H. Witten, E. Frank, M. Hall & C. Pal, Data Mining Practical Machine Learning Tools and Techniques, 4ª Ed. (2016), Morgan Kaufmann Publishers, S. Francisco.
J. Han, M. Kamber & J. Pei, Data Mining: Concepts and Techniques, 3ª Ed. (2012), Morgan Kaufmann Publishers, Waltham.
L. Raff, R. Komanduri, M. Hagan & S. Bukkapatnam, Neural Networks in Chemical Reaction Dynamics (2012), Oxford University Press, Oxford.
Equipa Docente
- Henrique Agostinho Oliveira Moiteiro Vicente [responsável]
Certificações
