Machine Learning in Physics

课程简介

线性回归与分类：数据库、特征表示、训练集、误差函数、梯度下降、一元和多元回归、逻辑回归 神经网络：激活函数、反向传播、前馈网络、循环网络、深度学习、CGCNN 机器学习理论：过拟合、验证、正则化、泛化、偏差-方差 在物理科学中的应用：Materials Project数据库、体积模量、带隙、扩散势垒、能量、力、分子动力学、吉布斯自由能

学习目标

介绍机器学习的基本原理及其在物理科学中的应用。

先修要求

先修：AP20005 或 COMP1012

教学模式

授课：课堂上讲解概念，并通过物理/工程问题的示例和算法进行说明。 计算机实验室：学生使用Python和Jupyter笔记本、Numpy、Scipy、Pandas、Tensorflow等库独立或分组编写小型程序；旨在培养直觉和批判性思维。 使用nanoHUB.org公共云计算进行协作和发布