书籍下载-《基于深度学习的聚合物发现》

书籍：Deep Learning for Polymer Discovery: Foundation and Advances

作者：Gang Liu，Eric Inae，Meng Jiang

出版：Springer

微信扫码回复260328，免费获取电子版书籍

书籍介绍

本书系统阐述深度学习在聚合物发现领域的完整知识体系，内容涵盖从基础理论到前沿方法论。这些主题直面聚合物科学与工程中的核心挑战：随着对具备特定性能新材料的需求持续增长，传统实验驱动的聚合物研发路径日益凸显耗时长、成本高的局限。深度学习为此提供突破性解决方案——通过高效筛选候选聚合物结构，显著加速材料设计进程。

作者首先解析聚合物数据表征方法与神经网络架构基础，继而深入探讨面向物性预测与逆向聚合物设计的深度学习框架。书中系统剖析基于序列与基于图结构的双路径方法论，详述长短期记忆网络（LSTM）、门控循环单元（GRU）、图卷积网络（GCN）及图同构网络（GIN）等模型的应用。进阶内容涵盖：融合环境增强策略的可解释图深度学习、应对标签不平衡的半监督学习技术，以及基于扩散模型的以数据为中心的迁移学习范式。

全书致力于攻克聚合物发现中的关键难题：实现高精度物性预测、高效设计目标特性聚合物、提升模型可解释性、处理标注数据稀缺与分布不均衡问题，并有效挖掘未标注数据价值以优化预测性能。

作者简介

Gang Liu系美国圣母大学（University of Notre Dame）计算机科学与工程系四年级博士研究生，研究聚焦图神经网络与生成式学习在聚合物材料发现中的创新应用。已在KDD、NeurIPS、ICML、DAC、ACL、TKDE、TKDD等数据挖掘与机器学习顶级会议及期刊发表论文十余篇，相关方法助力新型聚合物发现，成果发表于《Cell Reports Physical Science》并获临时专利授权。因在基础模型（Foundation Models）领域的突出贡献，荣获2024–2025年度IBM博士奖学金。

埃里克·伊奈（Eric Inae）系圣母大学计算机科学与工程系三年级博士研究生，2022年获安德鲁斯大学（Andrews University）计算机科学与数学双学士学位。研究专长为图机器学习及其在材料发现与聚合物科学中的实践应用，曾获圣母大学院长奖学金。

Meng Jiang博士现任圣母大学计算机科学与工程系副教授，本科与博士均毕业于清华大学，曾赴卡内基梅隆大学（Carnegie Mellon University）任访问学者，并在伊利诺伊大学厄巴纳-香槟分校（University of Illinois Urbana-Champaign）完成博士后研究。研究领域涵盖数据挖掘、机器学习与自然语言处理，聚焦图与文本数据在材料发现、智能问答、用户建模、在线教育及数字心理健康等场景的应用创新。荣获美国国家科学基金会（NSF）CAREER奖，系ACM与IEEE高级会员。

微信扫码回复260328，免费获取电子版书籍

书籍大纲