自然計算，也叫自然計算，是一個被引入的術語，包括三類方法：1）那些從自然界獲取靈感以開發新的問題解決技術的方法；2）那些基于使用計算機來合成自然現象的方法；以及3）那些采用自然材料（如分子）來計算的方法。構成這三個分支的主要研究領域是人工神經網絡、進化算法、蜂群智能、人工免疫系統、分形幾何、人工生命、DNA計算和量子計算，等等。自然計算所研究的計算范式是從各種自然現象中抽象出來的，如自我復制、大腦的運作、達爾文進化論、群體行為、免疫系統、生命形式的定義屬性、細胞膜和形態發生。除了傳統的電子硬件，這些計算范式可以在其他物理介質上實現，如生物大分子（DNA、RNA），或陷落離子量子計算裝置。相反，人們可以將自然界中發生的過程視為信息處理。這些過程包括自組裝、發育過程、基因調節網絡、蛋白質-蛋白質相互作用網絡、生物運輸（主動運輸、被動運輸）網絡和單細胞生物的基因組裝。了解生物系統的努力還包括半合成生物體的工程，以及從信息處理的角度理解宇宙本身。事實上，人們甚至提出了信息比物質或能量更基本的觀點。最近有人提出，整個宇宙是一臺量子計算機，計算它自己的行為。宇宙/自然作為計算機制的問題是通過探索自然，幫助計算性的想法，以及研究自然過程作為計算（信息處理）。

最成熟的經典自然啟發的計算模型是細胞自動機、神經計算和進化計算。最近從自然過程中抽象出來的計算系統包括蜂群智能、人工免疫系統、膜計算和非晶體計算。詳細的評論可以在許多書中找到。

細胞自動機是一個由細胞陣列組成的動態系統。空間和時間是離散的，每個單元可以處于有限的狀態。細胞自動機根據先驗給出的過渡規則同步更新其細胞的狀態。一個細胞的下一個狀態是由過渡規則計算出來的，它只取決于它的當前狀態和它的鄰居的狀態。

神經計算是在計算機器和人類神經系統的比較中出現的研究領域。這個領域的目的是了解生物體的大腦是如何工作的，并根據人腦處理信息的原理設計有效的算法。人工神經網絡是一個由人工神經元組成的網絡。

一個人工神經元A配備有一個函數.一些神經元被選為輸出神經元，網絡函數是將n個輸入值與m個被選輸出神經元的輸出聯系起來的矢量函數。注意，不同的權重選擇對相同的輸入產生不同的網絡函數。逆向傳播是一種監督下的學習方法，通過這種方法反復調整網絡中連接的權重，以使實際輸出的向量與期望輸出的向量之間的差異最小。基于誤差反向傳播的學習算法可用于為給定的網絡拓撲結構和輸入-輸出對找到最佳權重。

進化計算是一種受達爾文進化論啟發的計算范式。