机器学习在材料结构与性能预测中的应用

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。

进阶阶段主要有五部分：深度学习神经网络、经典机器学习模型、材料数据库及特征工程、图神经网络与实践、机器学习+Science五个模块

主要学习内容有

一、机器学习导论

二、Python语言基础

三、深度学习网络神经

四、经典机器学习模型及应用

五、材料数据库及特征工程

六、图神经网络入门及实践

七、机器学习+Science

八、应用实例