机器学习在材料科学中的应用

4.6 回归问题

为了帮助相关技术人才掌握利用机器学习开展材料科学研究，材料人特邀两位讲师展开研讨

 

授课时间

2022.05.14、05.15、05.22

上午9：00-12:00；下午14:00-17：00
 

课程内容

1. 引论（约1h）
1.1机器学习的概念
1.2常见机器学习库介绍
1.3机器学习的常见任务
1.4机器学习的基本流程
1.5机器学习在化学与材料科学中应用举例
2.机器学习环境配置与应用简介（约1.5h）
2.1机器学习需要用到的一些库介绍
2.2在线环境介绍
2.3在线环境使用
2.4本地环境介绍
2.5本地环境配置

3.Python语言入门（约2h）
3.1基础语法
3.2数据处理简介
3.3绘图简介
4.机器学习常见数据集与描述符（约2h）
4.1材料科学中的数据集
4.2化学科学中的数据集
4.3材料科学中的描述符
4.4材料科学中的描述符
4.5应用实例（约1h）

5.化学与材料科学中的监督学习（约1h）
5.1分类与回归
5.2实例介绍
5.2.1预测有机化合物的产率
5.2.2机器学习拟合简单势函数
6.化学与材料科学中的无监督学习（约1h）
6.1聚类与降维
6.2实例介绍
6.2.1实例一 固体表面原子的聚类
6.2.2实例二 SISSO简介
7.化学与材料科学中的强化学习（约0.5h）
7.1强化学习
7.2实例介绍

8.机器学习力场(约4h)
8.1分子动力学模拟与力场简介 
8.2机器学习力场的基本原理和应用
8.3机器学习力场框架介绍和软件安装(DeepMD和VASP6)
8.4机器学习力场的训练与优化 
8.4.1 Off-line的训练模式(以DeepMD为例) （约1h）
8.4.2 On-the-Fly的训练模式(以VASP6为例) （约1h）
8.4.3 两种训练模式的优劣势分析

9.机器学习预测分子性质与逆合成分析（约3 h）
9.1QSAR简介 20 min
9.2分子性质预测 80 min
9.3逆合成分析 80 min

10.化学与材料科学中的图神经网络（约2 h）
10.1图神经网络简介
10.2图神经网络库介绍
10.3图神经网络库应用实例（约1h）

补充视频：硅的机器学习力场的训练与优化（录播，时长75分钟）


讲师介绍

赵老师，南京理工大学博士在读，从事功能材料的模拟计算研究，精通Gaussian,ORCA,Gromacs软件的使用，多年机器学习研究经历，参与多款开源计算模拟软件的开发，发表SCI论文近十篇，引用数十次，曾多次作为审稿人为RSC, Springer-Nature旗下期刊审稿。

许老师，博士毕业于浙江大学，2021年8月全职加入浙江大学衢州研究院，任特聘副研究员，从事基于量子化学的化工过程热力学性质的计算，及锂电负极的微观模拟研究。许老师致力于能源材料的模拟研究以及化工过程热力学性质的计算工作。参与发表SCI高水平期刊论文近20篇，引用数十余次。以第一或通讯作者在Journal of Materials Chemistry A、Journal of Physical Chemistry C、Journal of Molecular Liquids、Sustainable Materials and Technologies等行业内知名期刊上发表了多篇SCI论文。攻读博士期间，受邀担任Journal of Physical Chemistry C等SCI期刊的审稿人。参与开发了开发具有自主产权的第一性原理高通量计算接口程序VASPKIT，在第一性原理计算领域产生了十分广泛的影响力。

 

赠送课程

购买本课程赠送8小时的《利用python处理材料计算数据进阶技能》，该课程由许老师在材料人讲授。

 

客服联系

如有问题，请联系客服微信：cailiaoren010。

1.1 引论 机器学习在材料科学中的应用

1.2 一些机器学习库 机器学习在材料科学中的应用

1.3 机器学习流程 机器学习在材料科学中的应用

1.4 机器学习应用 机器学习在材料科学中的应用

1.5 常见机器学习库配置 机器学习在材料科学中的应用

1.6 在线学习库配置 机器学习在材料科学中的应用

1.7 本地学习库配置 机器学习在材料科学中的应用

1.8 本地环境配置 机器学习在材料科学中的应用

1.9 Python基本语法 机器学习在材料科学中的应用

2.1 Print格式化输出 机器学习在材料科学中的应用

2.2 Numpy介绍 机器学习在材料科学中的应用

2.3 Pandas介绍 机器学习在材料科学中的应用

2.4 Python绘图库 机器学习在材料科学中的应用

2.5 机器学习常见数据集 机器学习在材料科学中的应用

2.6 材料科学中的数据集 机器学习在材料科学中的应用

2.7 化学中的数据集 机器学习在材料科学中的应用

2.8 答疑 机器学习在材料科学中的应用

3.1 分子模拟及机器学习力场 机器学习在材料科学中的应用

3.2 训练数据集收集、描述符 机器学习在材料科学中的应用

3.3 回归学习 机器学习在材料科学中的应用

3.4 现阶段应用 机器学习在材料科学中的应用

3.5 服务器实操 机器学习在材料科学中的应用

3.6 DeePMD 介绍 机器学习在材料科学中的应用

3.7 VASP6 介绍 机器学习在材料科学中的应用

3.8 Off-line的训练模式(1) 机器学习在材料科学中的应用

3.9 Off-line的训练模式(2) 机器学习在材料科学中的应用

3.10 On-the-Fly的训练模式(1) 机器学习在材料科学中的应用

3.11 On-the-Fly的训练模式(2) 机器学习在材料科学中的应用

3.12 两种方法对比 机器学习在材料科学中的应用

4.1 描述符（续1） 机器学习在材料科学中的应用

4.2 描述符（续2） 机器学习在材料科学中的应用

4.3 描述符（续3） 机器学习在材料科学中的应用

4.4 监督学习 机器学习在材料科学中的应用

4.5 数据集拆分 机器学习在材料科学中的应用

4.6 回归问题 机器学习在材料科学中的应用

4.7 势函数 机器学习在材料科学中的应用

5.1 无监督学习与降维 机器学习在材料科学中的应用

5.2 聚类问题 机器学习在材料科学中的应用

5.3 SISSO应用 机器学习在材料科学中的应用

5.4 SISSO编译 机器学习在材料科学中的应用

5.5 强化学习 机器学习在材料科学中的应用

6.1 无监督学习 机器学习在材料科学中的应用

6.2 辅助数据库 机器学习在材料科学中的应用

6.3 性质预测 机器学习在材料科学中的应用

6.4 pKa获取 机器学习在材料科学中的应用

6.5 一些数据集 机器学习在材料科学中的应用

6.6 图神经网络 机器学习在材料科学中的应用

6.7 图神经网络库应用实例 机器学习在材料科学中的应用

补充视频：硅的机器学习力场的训练与优化 机器学习在材料科学中的应用