前言
緒論1
第1章第一性原理計(jì)算及材料
數(shù)據(jù)庫(kù)3
1��1第一性原理計(jì)算3
1��1��1多體薛定諤方程3
1��1��2從頭算方法4
1��1��3密度泛函理論基礎(chǔ)6
1��1��4科恩�采蚍匠糖蠼�8
1��2高通量計(jì)算11
1��2��1電子結(jié)構(gòu)計(jì)算12
1��2��2原子尺度計(jì)算13
1��3材料數(shù)據(jù)庫(kù)與大數(shù)據(jù)技術(shù)15
1��3��1材料數(shù)據(jù)庫(kù)概述16
1��3��2材料大數(shù)據(jù)技術(shù)18
1��4復(fù)習(xí)思考題23
第2章材料的機(jī)器學(xué)習(xí)建模方法24
2��1機(jī)器學(xué)習(xí)在材料領(lǐng)域的應(yīng)用需求24
2��2機(jī)器學(xué)習(xí)建模流程25
2��3常用機(jī)器學(xué)習(xí)算法29
2��3��1線性回歸29
2��3��2決策樹30
2��3��3支持向量機(jī)31
2��3��4高斯過程回歸31
2��3��5神經(jīng)網(wǎng)絡(luò)32
2��3��6卷積神經(jīng)網(wǎng)絡(luò)32
2��3��7循環(huán)神經(jīng)網(wǎng)絡(luò)33
2��3��8長(zhǎng)短期記憶網(wǎng)絡(luò)34
2��3��9決策樹梯度提升35
2��4機(jī)器學(xué)習(xí)指導(dǎo)材料設(shè)計(jì)與制造35
2��5復(fù)習(xí)思考題38
第3章材料智能設(shè)計(jì)與優(yōu)化方法39
3��1貝葉斯條件概率及應(yīng)用39
3��1��1貝葉斯理論基礎(chǔ)39
3��1��2貝葉斯參數(shù)提取方法40
3��1��3物理模型參數(shù)提取42
3��2基于貝葉斯優(yōu)化的自主實(shí)驗(yàn)方法44
3��2��1貝葉斯優(yōu)化方法基礎(chǔ)44
3��2��2貝葉斯自主實(shí)驗(yàn)應(yīng)用案例47
3��2��3貝葉斯優(yōu)化設(shè)計(jì)自主實(shí)驗(yàn)的
實(shí)踐50
3��3材料成分及特征的生成模型設(shè)計(jì)52
3��3��1生成模型逆向設(shè)計(jì)方法52
3��3��2有機(jī)分子材料的生成模型55
3��3��3無(wú)機(jī)晶體材料的生成模型58
3��4復(fù)習(xí)思考題60
第4章基于高通量實(shí)驗(yàn)的材料篩選
方法61
4��1高通量實(shí)驗(yàn)的材料制備方法61
4��1��1高通量實(shí)驗(yàn)的發(fā)展概述62
4��1��2高通量實(shí)驗(yàn)的基本特征63
4��1��3主要的高通量實(shí)驗(yàn)方法63
4��2高通量表征方法及代理參數(shù)的優(yōu)化70
4��2��1高通量微區(qū)表征70
4��2��2代理參數(shù)的優(yōu)化74
4��3基于自動(dòng)機(jī)器人的高通量實(shí)驗(yàn)75
4��3��1自動(dòng)機(jī)器人概述75
4��3��2基于自動(dòng)機(jī)器人的高通量實(shí)驗(yàn)
案例76
4��3��3高通量實(shí)驗(yàn)的發(fā)展趨勢(shì)81
4��4復(fù)習(xí)思考題81
第5章材料智能設(shè)計(jì)與制造的前沿
應(yīng)用案例82
5��1人工智能在高熵合金設(shè)計(jì)中的應(yīng)用82
5��1��1高熵合金的相結(jié)構(gòu)預(yù)測(cè)82
5��1��2高熵合金的力學(xué)性能優(yōu)化87
5��2人工智能在功能陶瓷材料設(shè)計(jì)中的
應(yīng)用94
5��2��1純數(shù)據(jù)驅(qū)動(dòng)的功能陶瓷設(shè)計(jì)94
5��2��2數(shù)理結(jié)合的功能陶瓷設(shè)計(jì)102
5��3人工智能在新能源材料與器件中的
應(yīng)用112
5��3��1人工智能結(jié)合鈣鈦礦光伏器件
材料篩選112
5��3��2人工智能結(jié)合儲(chǔ)能電池材料
篩選119
5��4復(fù)習(xí)思考題124
第6章材料智能設(shè)計(jì)與制造的發(fā)展
趨勢(shì)125
6��1人工智能在材料數(shù)據(jù)庫(kù)構(gòu)建方面的
發(fā)展趨勢(shì)125
6��1��1材料數(shù)據(jù)庫(kù)構(gòu)建的機(jī)遇與挑戰(zhàn)125
6��1��2基于人工智能的材料數(shù)據(jù)庫(kù)構(gòu)建
前沿125
6��1��3大語(yǔ)言模型在材料數(shù)據(jù)獲取
過程中的挑戰(zhàn)128
6��2人工智能在獲取組分�补に嚜残阅�
關(guān)系中的進(jìn)展129
6��2��1通用大語(yǔ)言模型的微調(diào)功能降低了
機(jī)器學(xué)習(xí)建模的使用門檻130
6��2��2通用大語(yǔ)言模型的多任務(wù)學(xué)習(xí)能力
減少了對(duì)大數(shù)據(jù)量的需求130
6��3大語(yǔ)言模型在材料領(lǐng)域的應(yīng)用前景131
6��4復(fù)習(xí)思考題132
參考文獻(xiàn)133