机器学习材料性能预测与基因工程应用实战
01
培训背景
传统的材料研发技术是通过实验合成表征对材料进行试错和验证，而过去的计算手段受限于算法效率，无法有效求解实际工业生产中面临的复杂问题。近几年随着大数据和人工智能介入，通过采用支持向量机、神经网络等机器学习算法训练数据集来构建模型，以预测材料的结构、吸附特性、电学特性、催化性能、力学特性和热力学特性等性能，大大推动了新型材料的发现和传统材料的更新，预测结果甚至能够达到与高保真模型基本相同的精度，且计算成本很低。
02
培训特色
本次系列课程采用回放的形式，提供软件操作及算例教学无限次回放视频，建立永不解散的课程群，长期互动答疑，学员学完后可以与专业老师同学交流问题，巩固学习内容，从而更好地满足学员不同方面的论文及实际科研工作需求；
课程导览：
1、课程入门阶段从机器学习以及机器学习在材料领域的应用基本概念开始讲授，让大家明确机器学习方法的适用性和优势，以及有针对性的对python语言基础进行系统学习，为之后构建相应算法模型框架打下基础。
2、课程进阶阶段分别讲授深度学习神经网络、经典机器学习模型、材料基因工程入门与实战、图神经网络与实践、机器学习+Science五个模块，结合案例实践教学（神经网络在催化领域的应用、预测杂化钙钛矿带隙、有机太阳能电池材料快速筛选、团簇结构数据库构建、同素异形体结构数据库构建、原子性质分析、材料指纹和势函数生成、描述符的向量化生成与特征、图神经网络预测无机材料的性能、分子理化性质的预测、量子点发光材料色温的预测、半导体材料物理性质预测、二维材料的性质预测等）
3、课程通过基础入门+进阶算例实战的讲授思路，从初学及应用研究角度出发，带大家实战演练机器学习在不同类型材料结构与性能预测中的数据来源、预测模型以及预测结论等，助力大家掌握多种机器学习算法模型的构建以及在材料性能预测中的实现方法，并结合当下材料基因工程、图神经网络研究新范式使材料设计满足当前和未来发展。
往期课程颇受好评
03
课程大纲
“机器学习材料性能预测与材料基因工程应用实战”
部分案例图示：
04
增值服务
5、课程结束后可获得：北京软研国际信息技术研究院培训中心颁发的《机器学习材料设计应用工程师》专业技能结业证书；
05
联系方式
08
课程问答
如何报名、缴费？
1.致电专门负责行政招生的老师报名
2.缴费支持公对公转账、个人垫付（对公到账及时退还垫付费用，可开具垫付证明）
目前10000+人已加入我们