机器学习（ML）在材料领域应用的专题

背景
机器学习作为一种兼顾开发效率以及开发成本的方法，已经逐渐应用于材料发现、结构分析、性质预测、反向设计等多个领域，并且在材料学研究中展现出惊人的潜力。传统的发现新材料的方法，如经验试错法和基于密度泛函理论(DFT)的方法，往往需要较长的研发周期，成本高、效率低，已经不能很好的适应如今需求量激增的材料学领域。机器学习因其强大的数据处理能力和相对较低的研究门槛，能够有效地降低工业开发中的人力物力成本，缩短研发周期。代替或配合传统的实验以及计算模拟，能够更加快速且准确的分析材料结构、预测材料性质，从而更加有效的开发新的功能材料。机器学习已在材料、纳米材料设计、化学、生物、医药设计、量子化学金属合金、环境等诸多领域得到广泛的发展，现有机器学习多为计算机方向，无法快速落地到材料方面等科学研究，由于机器学习材料发展缓慢，学习平台文献资料较少。

对象

全国各大高校、企业、科研院所从事、纳米材料、化学化工、计算化学、量子化学、金属合金、非晶新材料、二维材料、钙钛矿、氧化物材料、半导体材料、环境材料、燃烧电池、锂电池、生物材料、聚合物复合材料、能源材料、光电材料、增材制造、催化等研究的科研人员及机器学习爱好者

目标（完全适合零基础）

能够掌握机器学习（ML）在材料研究中的应用，学习理论知识及熟悉代码实操，文章的复现，学会anaconda、Python、pymatgen等软件、以及机器学习数据采集及清洗、分子结构表示及提取、模型训练和测试、性能评估及优化，KNN、线性回归方法，学会机器学习材料预测，材料分类，材料可视化，多种机器学习方法综合预测等操作技能，独自完成自己的课题研究项目，助力发Nature、Science、Angew、Advanced Materials、JACS、Nano Letters、ACS Cat