目录
第1章机器学习基础
1.1AI for Science世界的寻宝图
1.1.1什么是AI for Science
1.1.2AI4S第一张藏宝图： AI求解高维函数
1.1.3机器学习基本概念
1.1.4怎么使用这本教材
参考文献
1.2编程语言基础
1.2.1机器学习辅助材料设计编程知识概览
1.2.2基础编程语言： Python概览
1.2.3变量和数据类型
1.2.4常见数据结构及用法
1.2.5选择与循环
1.2.6函数
1.2.7类
1.2.8Python编程中相关函数功能查找方法
1.2.9在Bohrium上一键跑起来你的代码
习题
扩展资料
参考文献
1.3数据分析三剑客
1.3.1Python第三方库
1.3.2NumPy： 数组与矩阵
1.3.3Pandas： 表格数据处理
1.3.4Matplotlib
1.3.5其他数据分析常用库函数
习题
扩展资料
参考文献
1.4数据获取与材料信息学
1.4.1引言
1.4.2数据收集
1.4.3材料信息学
1.4.4实战案例： 构建一个包含CMR的金银团簇数据库
1.4.5小结
习题
扩展资料
参考文献
1.5数据预处理与特征工程
1.5.1引言
1.5.2数据基础统计分析
1.5.3数据清洗
1.5.4特征工程
1.5.5案例： 双金属催化剂的ORR活性
1.5.6小结
习题
扩展资料
参考文献
第2章统计机器学习模型与性质预测
2.1机器学习中的线性回归
2.1.1线性回归的定义与应用
2.1.2参数估计方法
2.1.3模型评估与性能提升
2.1.4实例应用
2.1.5线性回归的挑战与局限性
习题
扩展资料
参考文献
2.2分类问题与材料筛选
2.2.1分类问题
2.2.2逻辑回归
2.2.3Softmax分类
2.2.4模型评估
2.2.5高熵合金相组成预测
习题
扩展资料
参考文献
2.3决策树与过拟合现象
2.3.1决策树算法概述与基本逻辑
2.3.2决策树分类任务中的特征划分算法
2.3.3过拟合现象
2.3.4决策树的过拟合与剪枝
2.3.5决策树算法的更多细节： 以CART算法为例
2.3.6sklearn中的决策树使用
2.3.7决策树在材料学中应用实战
习题
扩展资料
参考文献
2.4支持向量机与特征选择
2.4.1支持向量机简介
2.4.2SVM理论速览（选学）
2.4.3sklearn中的SVM
2.4.4SVM中核函数选择
2.4.5参数搜索算法
2.4.6特征选择算法
2.4.7案例实战： 生物炭材料废水处理性能预测
习题
扩展资料
参考文献
2.5集成学习算法及应用
2.5.1集成学习简介
2.5.2集成学习主要类型
2.5.3五种常见的集成学习算法
2.5.4材料力学性能预测
习题
扩展资料
参考文献
2.6聚类与降维
2.6.1无监督学习
2.6.2聚类算法
2.6.3降维算法
2.6.4在sklearn中调用聚类和降维算法
习题
扩展资料
参考文献
2.7SVM在高熵合金相态分类中的应用探索
2.7.1案例背景与数据集介绍
2.7.2数据读入与数据预处理
2.7.3特征工程
2.7.4模型对未知数据的预测
2.7.5小结
习题
扩展资料
参考文献
第3章深度学习模型与材料表征
3.1材料表征与图形图像基础
3.1.1引言
3.1.2材料表征概述
3.1.3图形图像基础
3.1.4聚类与简单图像分类
习题
扩展资料
参考文献
3.2深度学习基础： 多层感知机
3.2.1神经网络概述
3.2.2神经网络的基本结构
3.2.3前向传播
3.2.4神经网络的训练
3.2.5反向传播公式推导（选学）
3.2.6深度学习与深度神经网络
习题
扩展资料
参考文献
3.3PyTorch使用基础
3.3.1机器学习框架
3.3.2PyTorch安装与导入
3.3.3PyTorch基础： Tensor与简单运算
3.3.4自动求导机制
3.3.5使用PyTorch构建多层感知机
3.3.6数据集构建与加载
3.3.7PyTorch完整训练流程
3.3.8使用GPU进行训练
3.3.9案例实战： 多层感知机预测单晶合金晶格错配度
习题
扩展资料
参考文献
3.4深度卷积神经网络与电镜图像处理
3.4.1卷积神经网络背景知识
3.4.2卷积神经网络的基本原理
3.4.3PyTorch中卷积神经网络的使用
3.4.4其他卷积神经网络介绍
3.4.5案例实战： 三元锂电池正极材料SEM图像分类研究（基础版）
习题
扩展资料
参考文献
3.5机器学习可解释性与预训练模型
3.5.1机器学习可解释性
3.5.2机器学习可解释性主要研究内容
3.5.3预训练模型概述
3.5.4案例实战： 三元锂电池正极材料SEM图像分类研究（进阶版）
习题
扩展资料
参考文献
3.6语义分割、图像生成与电镜图像处理进阶
3.6.1计算机视觉领域发展概述
3.6.2语义分割算法
3.6.3图像生成算法
3.6.4案例实战： 基于图像生成与语义分割算法的二维材料缺陷检测
习题
扩展资料
参考文献
3.7循环神经网络与序列数据处理
3.7.1序列数据概述
3.7.2循环神经网络
3.7.3长短期记忆网络
3.7.4门控循环单元
3.7.5Transformer概述
3.7.6案例实战： 基于循环神经网络预测锂电池的老化轨迹
习题
扩展资料
参考文献
第4章机器学习势函数
4.1经典势函数与原子间相互作用
4.1.1材料研究与原子间作用势
4.1.2经验势
4.1.3总结
习题
LAMMPS经典势函数模拟案例
参考文献
4.2神经网络势函数与材料模拟实战
4.2.1神经网络势
4.2.2基于DeePMD-kit的LiCl深度势能分子动力学模型
4.2.3总结
习题
扩展资料
参考文献
第5章机器学习辅助材料设计前沿进展
5.1深度学习分子动力学相变案例
5.1.1分子动力学模拟方法的介绍
5.1.2深度神经网络势函数的构建
5.1.3神经网络势函数的应用
习题
教学案例
参考文献
5.2基于深度势能分子动力学和进化算法的冰相结构预测
5.2.1材料探索研究进展
5.2.2深度学习势能和晶体结构预测进化算法
5.2.3基于深度势能模型的冰相晶体结构预测方法开发
5.2.4复杂体系冰相的晶体结构预测及构型空间解析
习题
教学案例
参考文献
5.3三维分子表示学习框架和预训练模型Uni-Mol
5.3.1QSAR原理介绍与Uni-Mol预训练模型
5.3.2Uni-Mol架构设计： 从三维信息本质出发的通用框架
5.3.3Uni-Mol的应用
5.3.4Uni-Mol案例实战： 电解液分子的沸点预测
5.3.5小结
习题
扩展资料
参考文献
