首页 鸿研 需求 视频 产品 专栏 招聘 活动 社区 APP下载 登录/注册
机器学习在能源材料中的应用
购买后学习时间不限
1500.00
立即购买
关注公众号后才能收到提醒
点击关注
本系列视频更新时发消息提醒我

介绍 目录 留言  

本课程旨在帮助学员:

领域AI for materials science的精髓:

聚焦机器学习方法在能源材料研究中的应用

超越black box, 手把手详解code, 知其所以然

干货满满聚焦主流与前沿

解决为什么和怎么做的问题

 

Day1: 点亮技能树:必备基础

1. Python:

1.1 入门level

1.2 中级level

1.3 高级level

2. 数据采集:

2.1 数据库(例如Materials project),

2.2 实验数据采集分析(例如表征曲线)

2.3 文献中的数据(自然语言处理)

3. 在什么样的机器上跑code: 

3.1 CPU and GPU

3.2 Local computer

3.3 HPC

4. 答疑

Day2: 如何push这个领域forward? : 当前机器学习在能源材料领域中的研究前沿

1. 预测性质

1.1:以钙钛矿材料可合成性预测为例(相关文献,大牛课题组,存在的问题) 

2. 生成新结构

2.1:以用生成机器学习模型产生全新的结构为例 (相关文献, 大牛课题组, 存在的问题)

3. MLFF

3.1: VASP MLFF: story behind this (相关文献,大牛课题组, 存在的问题)

3.2:其他机器学习立场模型解析及应用领域

4. Composition based or structure based (SMACT解析)

5. 答疑

Day3: Code详解和Hands-on:学以致用,如何有理有据地搭建和选择机器学习模型,解决科学问题(1)

1. 预测模型解析专题

1.1: 材料可合成性预测代码

1.2: 材料稳定性预测代码

1.3:其他性质预测的解决方案

2. 生成模型解析专题

2.1: 生成机器学习模型产生全新的结构代码

3. 答疑

Day4: Code详解和Hands-on:学以致用,如何有理有据地搭建和选择机器学习模型,解决科学问题 (2)

1.  MLFF生成高质量的数据专题

1.1: VASP MLFF 参数指导

1.2: M3GNET代码解析 

2. 进阶内容,从头搭建机器学习模型,解决学员的课题中存在的实际问题
 

上课时间

4.15 周六 4.16 周日 4.22周六 4.23周日 时间18:00-20:30
 

授课老师

李老师,北大博士,海外博士后,研究方向为计算材料学、缺陷性质与光电转化效率计算、二维材料生长、输运和光学性质、机器学习辅助材料设计。从事研究至今,在高水平研究论文上共发表SCI论文32篇(包括Advanced Functional Materials, Chemical Science, ACS energy Letters等)

 

课程咨询:微信cailiaoren010