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