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。