


01
讲师介绍
02
课程特色
03
课表一览

04
课程简介
什么是AI?什么是机器学习?
监督式学习、无监督式学习和强化学习
什么是生成式AI?与传统方式有什么不同?

材料结构设计: 原子结构、晶体结构、聚合物、超材料
材料模拟方法(密度泛函数, 分子动力学, 有限元模拟等)
实例操作1:用有限元法计算复合材料力学和传导性质 实例操作2:用有限元法计算超材料的单轴压缩大变形 实例操作3:用均质化法计算复合材料的弹性矩阵

数据驱动的设计 AI设计材料实例

基本的神经网格:MLPs, CNNs, Graph neural nets, and Transformers 实例操作4:如何构建机器学习环境 实例操作5:神经网格的参数解释 实例操作6:组装第一个神经网格:用MLP预测3D力学超材料的性能

Variational Autoencoders (VAEs) Generative Adversarial Networks (GANs) Diffusion Models Flow-based models

实例操作3:构建第一个生成式模型,以diffusion model为例

流行的数据库(Materials Project, OQMD, NOMAD, etc.) 如何用Python API收集与处理网络数据库

编码数据 可视化材料结构 (graphs, images, voxels)


分子结构数据库的调用以及编码 图神经网格构建以及训练


提取训练数据 生成nature风格的训练结果图片

基于Python的几何构建 杨氏模量与泊松比的计算模拟

条件式GAN的构建 模型训练 超材料的逆向设计

材料数据库构建(体积分数、杨氏模量、传导率等) 基于3D CNN的GAN构建 训练与逆向设计

文字生成材料微观结构
基于大数据的材料生成与发现 自动化实验的材料制备与发现

计算成本、数据限制、以及模型的可解释性 AI在材料科学中的未来以及展望


05
报名方式

06
缴费方式
#华算科技 #机器学习课程 #人工智能 #生成式AI #材料结构设计 #

点击阅读原文,立即咨询!
夜雨聆风