机器学习在材料结构与性能预测中的应用实战

传统的材料研发技术是通过实验合成表征对材料进行试错和验证，而过去的计算手段受限于算法效率，无法有效求解实际工业生产中面临的复杂问题。近几年随着大数据和人工智能介入，通过采用支持向量机、神经网络等机器学习算法训练数据集来构建模型，以预测材料的结构、吸附特性、电学特性、催化性能、力学特性和热力学特性等性能，大大推动了新型材料的发现和传统材料的更新，预测结果甚至能够达到与高保真模型基本相同的精度，且计算成本很低。然而，机器学习在材料科学中的应用仍存在一些瓶颈，人工智能研究项目所需的技能和知识匮乏缺失制约着该方向的发展。

机器学习在材料结构与性能预测中的应用实战

机器学习导论

学习目标：对机器学习基本概念进行介绍，让大家对机器学习基本概念有大致了解。明确机器学习方法的适用性，优势，以及局限性等

Ø什么是机器学习

Ø机器学习的应用实例

Ø机器学习在材料领域的应用

python语言基础

学习目标：机器学习主流实现是python语言。在学习机器学习之前，有针对性的对python进行系统的学习，以方便将来开展机器学习的学习

Øpython安装与开发环境的搭建

Ø基本数据类型

Ø组合数据类型

Ø控制结构

Ø循环结构

Ø函数

Ø模块

深度学习神经网络

学习目标：从零开始手动实现一个神经网络，在这一过程中对所涉及的原理进行系统讲解及实践，让大家能够更深刻的理解算法背后的原理以及实现方法，之后有利于对其他机器学习更全面快速掌握

Ølogistic 回归与损失函数

Ø梯度下降法与 导数

Ø计算图的导数计算

Ølogistic 回归中的梯度下降法

Ø向