机器学习（ML）在材料领域应用与材料基因组专题培训班.pdfVIP

机器学习（ML）在材料领域应用与材料基因组专题培训班

培训背景

面对巨大的材料设计空间,基于理论研究、实验分析以及计算仿真的传统方法已经跟不上高性能新材料的发

展需求。近年来,材料数据库与机器学习的结合带动了材料信息学的进步,推动了材料科学的发展。当前,运用数据

驱动的机器学习算法建立材料性能预测模型,然后将其应用于材料筛选与新材料开发的研究引起了学者们的广泛

关注。利用机器学习框架搭建材料研究设计平台对材料大数据资源进行分析与预测,成为开发新型材料的重要手

段。包括根据预测对象确定材料特征的计算或自动抽取,不同精度的实验与计算数据的获取与预处理;选取或者开

发合适的机器学习预测模型和训练算法;估计预测效果与预测性能的可靠性;处理材料机器学习问题所独有的小数

据、异构数据、非平衡数据等特性。目前研究的焦点是针对不同的材料性能,收集相关的数据集,基于物理原理构

造特征表示来训练机器学习模型,并将机器学习的最新技术用于材料信息学。现阶段机器学习已经被应用于光

伏、热电、半导体、有机材料等几乎所有的材料设计领域。通过采用机器学习算法训练材料性能的预测模型,并

将其用于筛选现有材料数据库或者搜索新的材料,大大加快了新材料发现的过程。机器学习在材料科学的研究应

用文章近两年来多次发表在Nature、Science、Angew、AdvancedMaterials、JACS、NanoLetters、ACS

Catalysis、Joule、Matter、EnergyStorageMaterials等国际知名顶刊

材料基因组技术是近年来兴起的材料研究新理念和新方法,是当今世界材料科学与工程领域的最前沿。材料

基因组技术的实质是通过融合高通量材料计算设计、高通量材料实验和材料数据库三大组成要素,构建材料设计

研发的协同创新网络,加速新材料从发现到应用的全过程。材料基因组计划的核心理念,是通过计算、数据和实验

三位一体的方式,变革传统的主要基于经验和实验的试错法材料研发模式,把发现、开发、生产和应用新材料的

速度提高到目前的两倍。它旨在建立一个新的以计算模拟和理论预测优先、实验验证在后的新材料研发文化,从

而取代现有的以经验和实验为主的材料研发的模式。

由于机器学习材料与材料基因组研究发展缓慢，学习平台文献资料较少，培训学习迫在眉睫，应广大科研

人员要求，本单位经过数月调研，决定联合专家举办“机器学习（ML）在材料领域应用与材料基因组”的专题

线上培训班，本单位已经举办多期培训，参会人员达上千余人，对于培训安排和培训质量学员一致评价极高，

我们也是国内从事事机器学习（ML）材料领域应用与材料基因组的专业培训单位，培训请一定要认准我们！

一、培训对象

全国各大高校、企业、科研院所从事、纳米材料、化学化工、计算化学、量子化学、金属合金、非晶新材

料、二维材料、钙钛矿、氧化物材料、半导体材料、环境材料、燃烧电池、锂电池、生物材料、聚合物复合材

料、能源材料、光电材料、增材制造、催化、亚稳材料、储能材料、催化剂、环境科学、凝聚态物理、电催化材

料计算、光伏材料、材料基、高分子材料、数据库、道路工程、传递现象与分离工程、机电工程、光热CO2还

原、化学转化膜、碳减排、污泥材料、复合板制备、合金、伪装隐身、环境材料、电解质、铁电压电、磁性材

料、高分子复合材料、天然气水合物、除湿/防冻/吸收溶液等研究的科研人员及机器学习人工智能算法爱好者

二、培训目标（完全适合零基础）

机器学习（ML）在材料研究中的应用，让学员能够掌握学习理论知识及熟悉代码实操，文章的复现，学会

anaconda、Python、pymatgen等软件、以及机器学习数据采集及清洗、分子结构表示及提取、模型训练和

测试、性能评估及优化，KNN、线性回归方法，学会机器学习材料预测，材料分类，材料可视化，多种机器学

习方法综合预测等操作技能，独自完成自己的课题研究项目。

材料基因组实战应用，让学员能够掌握Python实操、材料基因组设计、材料数据库、OQMD数据库、

AFLOW数据库、高通量计算、通过多个实例掌握基于数据驱动的功能材料开发并且助力您发Nature、

Science、Angew、AdvancedMaterials、JACS、NanoLetters、ACSCatalysis、Joule、Matter、Energy

StorageMaterials等顶刊文章！

三、培训特色

1、课程特色--全面的课程技术应用、原理流程、实例联系全贯穿

2、学习模式--理论知识与上机操作相结合，让零基础学员快速熟练掌