课程安排
2024年8月24日
上午 机器学习技术基础
09:00-10:00:机器学习与深度学习简介,三大要素(高质量原始数据,特征工程,算法)
10:00-11:00:数据收集:实验,文献提取,DFT;特征工程:描述因子的选取与优化
11:00-12:00:算法选取,预测结果的评估与分析
下午 数据采集源于实验
13:30-14:00:python环境构建,安装常用python库
14:00-15:00:实操1,有机半导体的筛选(实验mu预测)
15:00-16:00:实操2,有机太阳能给受体的筛选(实验PCE预测)
16:00-17:00:实操3,钙钛矿表面钝化分子的筛选(实验PCE预测)
2024年8月25日
上午 DFT高通量数据采集与机器学习预测
09:00-10:00:DFT高通量计算的实现
10:00-11:00:实操4,钙钛矿材料的bandgap预测 (DFT)
11:00-12:00:实操5,有机半导体中分子间轨道耦合的预测(DFT结果预测),还有重组能预测等
下午 机器学习进阶
13:30-14:30:实验数据优化,归一化,分组的影响
14:30-15:30:描述因子开发与优化
15:30-16:30:超参数优化
16:30-17:00:实操6, 电子皮肤或光电探测的物体识别(深度学习)
讲师介绍
周老师,前100高校海外博士、某985大学副教授、博导。主要从事于计算材料学科学研究。已发表SCI论文含JACS, AM, AEM, AFM,ACS CATAL., PRB, JCIM,JCP等70余篇,他引超4200次,H因子32。
客服联系
微信号cailiaoren010。