机器学习（ML）在材料领域应用专题

机器学习作为一种兼顾开发效率以及开发成本的方法，已经逐渐应用于材料发现、结构分析、性质预测、反向设 计等多个领域，并且在材料学研究中展现出惊人的潜力。传统的发现新材料的方法，如经验试错法和基于密度泛 函理论(DFT)的方法，往往需要较长的研发周期，成本高、效率低，已经不能很好的适应如今需求量激增的材料 学领域。机器学习因其强大的数据处理能力和相对较低的研究门槛，能够有效地降低工业开发中的人力物力成 本，缩短研发周期。代替或配合传统的实验以及计算模拟，能够更加快速且准确的分析材料结构、预测材料性 质，从而更加有效的开发新的功能材料。机器学习已在材料、纳米材料设计、化学、生物、医药设计、量子化学 金属合金、环境等诸多领域得到广泛的发展，现有机器学习多为计算机方向，无法快速落地到材料方面等科学研 究。

掌握机器学习（ML）在材料研究中的应用，学习理论知识及熟悉代码实操，文章的复现，学会 anaconda、Python、pymatgen 等软件、以及机器学习数据采集及清洗、分子结构表示及提取、模型训练和 测试、性能评估及优化，KNN、线性回归方法，学会机器学习材料预测，材料分类，材料可视化，多种机器学 习方法综合预测等操作技能，独自完成自己的课题研究项目，助力发 Nature、Science、Angew、AdvancedMaterials、JACS、Nano Letters、ACS Catalysis、Joule、Matter、Energy Storage Materials 等顶刊文章。

是来自国内高校孙老师授课，老师擅长利用量子化学方法和机器学习方法预测设计并研究新型能源材料、锂离子电池的电极材料，燃料电池催化剂以及燃料电池体系的整体设计，已在Energy & Environmental Science, Angewandte Chemie, Applied Catalysis B: Environmental, Advanced Materials, Journal of Physical Chemistry Letters, Journal Physical Chemistry C，等权威期刊上发表SCI检索论文近40余篇。

详情点击下方小卡片

最新机器学习（ML）在材料领域应用专题机器学习作为一种兼顾开发效率以及开发成本的方法，已经逐渐应用于材料发现、结构分析、性质预测、反向设计等多个领域，并且在材料学研究中展现出惊人的潜力。https://mp.weixin.qq.com/s/IYh8rwhqXF4WdzSWJlIvUg示例图片