close

背景

隨着計算機科學的發展,機器學習作為一種兼顧開發效率以及開發成本的方法,已經逐漸應用於材料發現、結構分析、性質預測、反向設計等諸多領域,並且在材料學研究中展現出驚人的潛力。然而,機器學習在材料科學中的應用仍存在一些瓶頸。數據集的高效獲取、異構型數據集的信息處理、基於輕量化數據集的預測模型建立、材料性能的可靠預測等問題制約着該方向的發展,這些也正是該領域亟需解決的關鍵問題,同時也是機器學習在材料結構與性能預測中研究的熱點與難點。通過採用支持向量機、神經網絡等機器學習算法訓練數據集來構建模型,以預測材料的結構、吸附特性、電學特性、催化性能、力學特性和熱力學特性等材料性能,大大推動了機器學習在材料科學領域的發展,並且已經取得重要突破。機器學習已在材料、納米材料設計、化學、生物、醫藥設計、量子化學金屬合金、環境等諸多領域得到廣泛的發展,利用機器學習指導新型高性能材料合成的案例也比比皆是。近年來,關於機器學習在材料中應用的論文數量逐年增長,機器學習在材料科學的研究應用文章近兩年來多次發表在Nature、Science、Angew、Advanced Materials、JACS、Nano Letters、ACS Catalysis、Joule、Matter、Energy Storage Materials等國際知名頂刊。

材料基因組技術的核心,是通過計算技術、實驗技術和數字化數據技術三者的有機結合,加速新材料發現和應用的周期。材料基因組完全是一種新的材料研發思想,其內涵在於革新材料研發理念,突破傳統材料科學研究中以大量經驗積累和循環試錯為特徵的「經驗尋優」方式,實現科學化的「系統尋優」;材料基因組實質上是現代信息技術高度發展與材料科學有機相結合高度融合的產物,將現代人工智能與大數據技術應用與材料研發過程,並以此為基礎發展材料計算、算法與軟件,包括雲計算和高通量集成計算。從材料製備、表徵和使役行為的研究上,發展了材料芯片和同步輻射光源等大型科學裝置利用等高通量實驗技術。材料基因組將充分利用現在信息技術手段並發展高通量的材料實驗方法與技術,以革新材料科學的研究模式,促進材料科學研究的創新,實現材料設計的目標。由於機器學習材料與材料基因組研究發展緩慢,學習平台文獻資料較少,培訓學習迫在眉睫, 應廣大科研人員要求,本單位經過數月調研,決定聯合專家舉辦「機器學習(ML)在材料領域應用與材料基因組」的專題線上培訓班,本單位已經舉辦多期培訓,參會人員達500餘人,對於培訓安排和培訓質量學員一致評價極高 ,我們也是國內從事機器學習(ML)材料領域應用與材料基因組的專業培訓單位,培訓請一定要認準我們!

培訓對象

一、培訓對象

全國各大高校、企業、科研院所從事方向為納米材料、化學化工、計算化學、量子化學、金屬合金、非晶新材料、二維材料、鈣鈦礦、氧化物材料、半導體材料、環境材料、燃燒電池、鋰電池、生物材料、聚合物複合材料、能源材料、光電材料、增材製造、催化、亞穩材料、儲能材料、催化劑、環境科學、凝聚態物理、電催化材料計算、光伏材料、材料基、高分子材料、數據庫、道路工程、傳遞現象與分離工程、機電工程、光熱CO2還原、化學轉化膜、碳減排、污泥材料、複合板製備、合金、偽裝隱身、環境材料、電解質、鐵電壓電、磁性材料、高分子複合材料、天然氣水合物、除濕/防凍/吸收溶液、分析化學、超材料設計、數值模擬、可降解金屬材料、特種陶瓷、濕法冶金、集成計算材料設計、鋁鎂合金、光纖生化傳感、紡織材料、光學工程、催化殺菌、金屬材料成型等研究的科研人員及機器學習人工智能算法愛好者

培訓目標(完全適合零基礎)

機器學習(ML)在材料研究中的應用,讓學員能夠掌握學習理論知識及熟悉代碼實操,文章的復現,學會anaconda、Python、pymatgen等軟件、以及機器學習數據採集及清洗、分子結構表示及提取、模型訓練和測試、性能評估及優化,KNN、線性回歸方法,學會機器學習材料預測,材料分類,材料可視化,多種機器學習方法綜合預測等操作技能,獨自完成自己的課題研究項目

材料基因組實戰應用,讓學員能夠掌握Python實操、材料基因組設計、材料數據庫、OQMD數據庫、AFLOW數據庫、高通量計算、通過多個實例掌握基於數據驅動的功能材料開發 並且助力您發Nature、Science、Angew、Advanced Materials、JACS、Nano Letters、ACS Catalysis、Joule、Matter、Energy Storage Materials等頂刊文章!

培訓特色

1、課程特色--全面的課程技術應用、原理流程、實例聯繫全貫穿

2、學習模式--理論知識與上機操作相結合,讓零基礎學員快速熟練掌握

3、課程服務答疑--主講老師將為您實際工作中遇到的問題提供專業解答

培訓講師

主講老師來自國內高校孫老師授課,老師擅長利用量子化學方法和機器學習方法預測設計並研究新型能源材料、鋰離子電池的電極材料,燃料電池催化劑以及燃料電池體系的整體設計,已在Energy & Environmental Science,Angewandte Chemie, Applied Catalysis B: Environmental,Advanced Materials,Journal of Physical Chemistry Letters,Journal Physical Chemistry C,等權威期刊上發表SCI檢索論文近40餘篇。

課表內容

機器學習(ML)在材料領域應用的專題培訓班

第一天

機器學習在材料與化學常見的方法

理論內容

1.機器學習概述

2.材料與化學中的常見機器學習方法

3.應用前沿

實操內容

Python基礎

1.開發環境搭建

2.變量和數據類型

3.列表

4.if語句

5.字典

6.For和while循環

實操內容

Python基礎(續)

1.函數

2.類和對象

3.模塊

Python科學數據處理

1.NumPy

2.Pandas

3.Matplotlib

第二天

機器學習材料與化學應用

理論內容

1.線性回歸

1.1 線性回歸的原理

1.2 線性回歸的應用

2. 邏輯回歸

2.1原理

2.2 使用方法

3. K近鄰方法(KNN)

3.1 KNN分類原理

3.2 KNN分類應用

4. 神經網絡方法的原理

4.1 神經網絡原理

4.2神經網絡分類

4.3神經網絡回歸

實操內容

1.線性回歸方法的實現與初步應用(包括L1和L2正則項的使用方法)

2.邏輯回歸的實現與初步應用

3.KNN方法的實現與初步應用

4.神經網絡實現

項目實操

1.利用線性回歸方法預測合金性能

2.利用KNN方法對MOF材料分類

這兩個實操項目同時穿插講解如下內容

1. 機器學習材料與化學應用的典型步驟

1.1 數據採集和清洗

1.2 特徵選擇和模型選擇

1.3 模型訓練和測試

1.4 模型性能評估和優化

第三天

1.用隨機森林方法預測大孔材料對CO2吸附

2.用決策樹判斷半導體材料類型

理論內容

1.決策樹

1.1決策樹的原理

1.2決策樹分類

2.集成學習方法

2.1集成學習原理

2.2隨機森林

2.3Bosting方法

3.樸素貝葉斯概率

3.1原理解析

3.2 模型應用

4. 支持向量機

4.1分類原理

4.2核函數

實操內容

1.決策樹的實現和應用

2.隨機森林的實現和應用

3.樸素貝葉斯的實現和應用

4.支持向量機的實現和應用

項目實操

1.用隨機森林方法預測大孔材料對CO2吸附量

2.用決策樹判斷半導體材料類型

這兩個實操項目同時穿插講解如下內容

1.模型性能的評估方法

1.1 交叉驗證:評估估計器的性能

1.2 分類性能評估

1.3 回歸性能評估


第四天

利用聚類方法對材料分類及可視化

理論內容

1. 無監督學習

1.1 什麼是無監督學習

1.2 無監督算法——聚類

1.3 無監督算法——降維

2. 材料與化學數據的特徵工程

2.1分子結構表示

2.2 獨熱編碼

3. 數據庫

3.1.材料數據庫介紹

3.2.Pymatgen介紹

實操內容:

Pymatgen和material project實操

項目實操:

1. 利用支持向量機預測無機鈣鈦礦材料性能

2. 利用神經網絡預測電化學催化劑的催化性能

第五天

1.向量機預測無機鈣鈦礦材料性能

2.神經網絡預測電化學催化劑的催化性能

項目實操

1. 利用支持向量機預測無機鈣鈦礦材料性能

2. 利用神經網絡預測電化學催化劑的催化性能

項目實操

1. 利用機器學習方法預測有機無機雜化鈣鈦礦材料性能

2. CO2電化學還原催化劑性能預測的綜合實訓

第六天

1.機器學習方法預測半導體材料物理性質

2.多種機器學習方法綜合預測

項目實操:

1. 邏輯回歸預測鈣鈦礦性質

2. 基於分子特徵的無監督學習綜合應用

項目實操:

1. 利用多種機器學習方法對氧化物材料性質的綜合預測

2. 利用多種機器學習方法對材料類型多分類的綜合預測

材料基因組實戰應用培訓班

第一天

Python講解與實操

理論內容:

1.材料基因組概述

2.材料基因組的基本方法

3.材料數據庫material project, OPMD, AFLOW

實操內容:

Python基礎

1.開發環境搭建

2.變量和數據類型

3.列表

4.if語句

5.字典

6.For和while循環

實操內容:

Python基礎(續)

1.函數

2.類和對象

3.模塊

4.Python科學數據處理

5.NumPy

6.Pandas

7.Matplotlib

第二天

材料基因組與數據庫

實操內容:

1. Scikit-learn機器學習操作入門(約1小時)

2. AFLOW數據庫

2.1 AFLOW數據庫功能練習

2.2. AFLOW數據庫的數據獲取

實操內容:

1. OQMD數據庫

1.1 OQMD數據庫功能練習

1.2 OQMD數據庫的數據獲取

2. material project數據庫

2.1 Pymatgen練習

2.2 Pymatgen獲取material project材料數據·

第三天

結構數據驅動的高通量計算

1. pymatgen大批量結構獲取

2. 基於pymatgen的計算文件生成

3. 大批量計算結果的獲取與統計

案例一:(合金材料)基於數據驅動的功能材料開發

1. 背景介紹

2. 數據獲取

3. 構建特徵

4. 機器學習

5. 討論與評測

穿插常見機器學習算法的介紹

第四天

基於數據驅動的多個功能材料開發案例實操

案例二:基於數據驅動的功能材料開發(半導體材料)

1. 背景介紹

2. 數據獲取

3. 構建特徵

4. 機器學習

5. 討論與評測

穿插材料特徵工程的介紹

案例三:基於數據驅動的功能材料開發(鈣鈦礦材料)

1. 背景介紹

2. 數據獲取

3. 構建特徵

4. 機器學習

5. 討論與評測

部分案例圖片

授課時間地點

五、授課時間地點:

機器學習(ML)材料培訓時間

2022.10.22-2022.10.23(09:00-11:30--13:30-17:00)

2022.10.25-2022.10.28(19:00-22:00)

2022.10.29-2022.10.30(09:00-11:30--13:30-17:00)

材料基因組培訓時間

2022.10.29-2022.10.30(09:00-11:30--13:30-17:00)

2022.11.05-2022.11.06(09:00-11:30--13:30-17:00)

報名費用

公費價:每人每班¥4680 元 (含報名費、培訓費、資料費)

自費價:每人每班¥4380 元 (含報名費、培訓費、資料費)同時報名兩個班 8680 元 (原價 9360 元)

優惠:提前報名繳費學員+轉發到朋友圈或者到學術交流群可享受每人 200 元優惠(僅限 15 名)

優惠: 報名 4 人以上包含 4 人,免費贈送一個培訓名額

參加培訓並通過考試的學員,可以申請獲得工業和信息化部工業文化發展中心頒發的「工業強國建設素質素養提升尚工行動」崗位能力適應評測證書。該證書可在中心官網查詢,可作為能力評價,考核和任職的重要依據。評測證書查詢網址:www.miit-icdc.org

(自願申請,須另行繳納考試費500元/人)

培訓福利

報名繳費成功贈送機器學習(ML)在材料領域應用或者材料基因組課程視頻和課件(根據所報班型提供相應學習視頻),參加本次課程的學員可免費再參加一次本單位後期組織的「機器學習(ML)在材料領域應用與材料基因組」相同的專題培訓班(任意一期都可以)。課後學習完畢提供全程錄像視頻回放,發送全部課件資料及數據 PPT,長期答疑,微信解疑群永不解散

授課方式

通過騰訊會議線上直播,理論+實操的授課模式,老師手把手帶着操作,從零基礎開始講解,400餘頁電子PPT和教程+預習視頻提前發送給學員,所有培訓使用軟件都會發送給學員,有什麼疑問採取開麥共享屏幕和微信群解疑,學員和老師交流、學員與學員交流,培訓完畢後老師長期解疑,培訓群不解散,往期培訓學員對於培訓質量和授課方式一致評價極高

報名諮詢請掃描下方微信二維碼

QQ:2537055786

報名電話/微信:17596530370


對此內容感興趣可掃描下方圖片關注公眾號!長期發布各種科研培訓,及前沿資訊!


往期參會單位及報名流程

有來自常州大學、電子科技大學、中國科學院大學、新疆工程學院、重慶醫科大學、西安石油大學、北京交通大學、中國石油大學(北京)、江蘇師範大學、哈爾濱理工大學、東北林業大學、暨南大學、南昌航空大學、浙江大學、青島大學、山東科技大學、廈門大學、哈爾濱工業大學(深圳)、汕頭大學、東北大學、北京航空航天大學、陸軍工程大學、天津大學、南陽師範學院、香港大學、溫州大學、江蘇大學、燕山大學、東華理工大學、武漢工程大學、新疆大學、太原理工大學、華北電力大學、四川大學、廣州大學、重慶大學、材料科學姑蘇實驗室、深圳大學、北京化工大學、燕山大學、西南石油大學、香港科技大學(廣州)、廈門大學、東北大學、北京理工大學、南京航空航天大學、中國科學院青島生物能源與過程研究所、香港城市大學、西安科技大學、廈門理工學院、中國科學院上海硅酸鹽研究所、西湖大學中國核動力研究設計院、有研工程技術研究院有限公司、中南大學、福州大學、東風汽車集團股份有限公司乘用車公司、中國科學院金屬研究所、貴州大學、上海大策資產管理有限公司、交通運輸部公路科學研究所、貝卡爾特(中國)技術研發有限公司、雲南大學、哈爾濱工業大學、西安電子科技大學、鄭州大學、中國農業大學、滑鐵盧大學、重慶理工大學、北京機科國創輕量化科學研究院、中國科學院深圳先進技術研究院、中原工學院、清華大學、中國科學院蘭州化學物理研究所、University of Maryland、北京工業大學、安徽財經大學、中國科學與技術大學、商丘師範學院、寶理工程塑料貿易有限公司、中材科技股份有限公司、湖南工商大學、武漢大學、安慶師範大學、廣東省科學院生態環境與土壤研究所、南昌航空大學、泉州師範學院、華中科技大學、南京大學、南京工業大學、吉林大學、深圳職業技術學院、西北工業大學、華東師範大學、山東大學、中國科學院空間應用工程與技術中心、中國科學技術大學、嘉興學院、陝西師範大學、中國科學院上海硅酸鹽研究所 、北京石油化工學院、重慶第二師範學院、武漢光鉅、上海錦湖日麗塑料有限公司、首都醫科大學宣武醫院、瀋陽工業大學、北京工商大學、中國科學院化學研究所、中創新航技術研究院(江蘇)有限公司、中國科學院國家納米科學中心、KAUSTuniversity、長春應用化學研究所、諾貝麗斯(中國)鋁製品有限公司上海分公司、鋼鐵研究總院、萬華化學集團股份有限公、四川奧林塗料工業有限公司、深圳市祥龍琪瑞科技有限公司、隆基樂葉光伏科技(西咸新區)有限公司、Imperial College London、中國航空製造技術研究院、蘇州華碧微科檢測技術有限公司、MIT、南開大學、防化研究院、中國科學院工程熱物理研究所、廣東工業大學、陸軍裝甲兵學院、南方科技大學、上海交通大學、國防科技大學、西安交通大學、中國科學院長春應用化學研究所、盧森堡大學、中國科學院力學研究所、東南大學、寧波大學、廈門工學院、昆明理工大學、Vanderbilt University、之江實驗室、上海理工大學、浙江生材新技術有限公司、中北大學、安徽工程大學、深圳華大生命科學研究院、深圳市宇陽科技發展有限公司、上海大學、中國人民解放軍火箭軍工程大學、井岡山大學、中國科學院贛江創新研究院、University of Stavanger、東莞市佳仕達冶金材料有限公司、同濟大學、西南大學、中國工程物理研究院化工材料研究所、The University of Queensland、澳大利亞昆士蘭大學、中石化(大連)石油化工研究院有限公司、重慶交通大學、北京環境特性研究所、中國科學院海西研究院、香港城市大學深圳福田研究院、天津理工大學等單位,感謝對我們培訓的認可!還有許多因為時間衝突沒法參加。這次,我們誠摯邀請您來參加!

引用往期參會學員的一句話:



發現真的是腳踏實地的同時需要偶爾仰望星空

非常感謝各位對我們培訓的認可!祝願各位學業事業有成!

報名參會流程

arrow
arrow
    全站熱搜
    創作者介紹
    創作者 鑽石舞台 的頭像
    鑽石舞台

    鑽石舞台

    鑽石舞台 發表在 痞客邦 留言(0) 人氣()