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
机器学习预测新的三元材料
购买后学习时间不限
2000.00
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  

授课时间

2023.07.01-07.02 9:00-12:00;14:00-17:00

课程安排

1.机器学习环境配置与使用(约1.5h)

1.1 机器学习的基本流程

1.2 机器学习库简介与示例

1.3 材料物性预测软件CGCNN的安装与运行

2.Python语言(约1.5h)

2.1 脚本示例

2.2数据处理示例

2.3作图示例

3.AGA晶体结构预测算法的实操入门(约2h)

3.1 AGA的安装

3.2 AGA接口程序的介绍

3.3 AGA手册及教程的使用

3.4 AGA输入文件的准备

3.5 AGA输出文件的读取和分析

4.ML+AGA新材料预测框架的实操入门(约2.5h)

4.1 训练集和测试集的制备

4.2 训练输入文件的生成

4.3 预测低能结构备选集

4.4 AGA定组分搜索确定基态

4.5 第一性原理计算建立凸包相图

5.预测三元La-Co-Pb体系(约2.5h,结合论文npj Computational Materials2022, 8(1):258.)

5.1 扩建雁数据库

5.2 采用CGCNN方法预测形成能与总能

5.3 利用VASP计算真实形成能与总能

5.4建立凸包相图确定热力学稳定相

5.5 实验合成验证

6. 预测新型三元磁性材料及磁性能(约2h)

6.1 新型Fe3CoB2的发现(结合论文PNAS 2022, 119(47): e2204485119.)

6.2 Fe-Co-N体系磁性能的预测 (结合论文Physical Review Materials 2022, 6(2): 024402.)

讲师介绍

王老师,中科大博士,美国Ames国家实验室联合培养博士后,研究方向为计算物理学、机器学习与数据库开发、三元体系晶体结构预测、锂/钠离子电池电极材料设计、超导材料设计与调控。从事研究至今,在高水平期刊上共发表SCI论文22篇(包括npj Computational Materials, PNAS, JACS, PRB, Angewandte Chemie International Edition, Applied Physics Letters等)