"本书首先从整体介绍机器学习基本概念和基础工具的使用方式，使读者对机器学习有一个整体的理解；接着结合材料设计中常见案例（比如材料性质预测等），介绍经典机器学习算法原理、使用方式，并结合材料设计中常见案例（比如材料表征相关研究），介绍深度学习的相关模型和使用方式。除了机器学习相关算法外，还介绍了近年来涌现的一批效果非常好的 AI4S相关工具，比如 DeePMD-kit（机器学习势函数）、Uni-Mol（3D分子表征框架、预训练模型）等相关工具原理和使用，理论与实践价值兼具。 本书可作为理科、工科（物理、化学、材料等）方向中高年级本科生的 AI for Science入门教材，也可供对机器学习与材料科学交叉研究感兴趣的初学者或者从事相关技术研发的工程技术人员参考。 "

"王一博，北京中关村学院AI教育中心（行政）主任，北京大学人工智能硕士，策划并发起全球**面向青少年AI for Science赛事AI4S TEEN CUP，深度参与国家关键领域工程硕博核心课程《人工智能赋能科学研究》等一系列教材和高质量课程，推动AI for Science课程在国内外数十所高校的落地。单斌，华中科技大学教授，兼任美国德州大学达拉斯分校材料系客座教授、中科院宁波材料所客座研究员。新世纪优秀人才支持计划获得者，美国材料学会、电化学学会会员。主要从事先进催化材料的研发，高分子材料、梯度功能材料的3D打印研究、原子层沉积装备研制等工作。发表论文60余篇，他引上千余次。牛海洋，西北工业大学材料学院教授，国家海外高层次人才项目入选者一直致力于材料相变的多尺度计算模拟、先进分子动力学方法研发、计算材料设计及机器学习在材料学上的应用等领域的研究工作。"

前言 材料科学作为支撑现代科技发展的基础性学科，在能源、信息、生命健康等诸多领域中扮演着不可替代的角色。新材料的设计与发现，常常伴随着漫长的实验周期与高昂的研发成本，同时面临复杂的多尺度、多物理过程挑战。传统材料设计方法依赖科研人员的经验积累与试错探索，在庞大的化学空间与结构空间中，往往难以高效筛选与优化理想材料。 近年来，随着以机器学习为代表的人工智能技术迅速发展，材料科学正迎来一场深刻变革。机器学习通过对海量数据的建模与学习，深入挖掘其中的潜在规律，已在材料性质预测、材料筛选等方面展现出巨大潜力，成为推动材料科学进一步发展的重要力量。 然而，将机器学习技术及其相关工具应用于材料学研究，对许多材料专业学生而言仍是一项巨大挑战： 一方面，材料专业学生普遍缺乏系统的机器学习知识； 另一方面，在“AI for Science”的时代，仅停留在理论学习层面无异于纸上谈兵，真正实现机器学习与材料科学的深度结合，还需要大量动手实践。基于此，从2023年春季学期起，笔者之一在北京大学材料学院开设了《机器学习辅助材料模拟实践》课程，旨在培养既具备扎实理论素养，又具备实践能力的复合型人才。经过三年打磨，课程对象从最初的博士生扩展至高年级本科生，并在不断完善中逐渐成熟。同时另外两位笔者也分别在华中科技大学材料学院、西北工业大学材料学院开设类似课程。基于三位老师的课程实践，本教材应运而生。 与传统机器学习教材相比，本教材具有两大突出特点： 首先，针对材料专业学生的学习和科研实际需求，对机器学习知识进行了适度精简，省略了部分复杂公式推导，使学生能更加专注于理解与材...