Artificial Intelligence for Materials Science

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 无监督学习：聚类、降维 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：材料建模（DFT+AI）；材料数据集和数据挖掘；材料项目及其应用（二维材料和电催化剂）；体积模量、能隙、能量、力、分子动力学

学习目标

介绍人工神经网络算法及其在材料科学中的应用。

先修要求

无

教学模式

授课：课堂上通过实例和与物理/工程问题相关的算法讲解概念。 计算机实验室：学生使用Python和Jupyter notebook及Numpy、Scipy、Scikit-learn、Pandas和Tensorflow等库编写小型程序，旨在培养直觉和批判性思维。