2022年，我们开设了3门机器学习相关的课程。2023年，我们继续帮助大家掌握机器学习。

本课程旨在帮助学员：

领域AI for materials science的精髓；

聚焦机器学习方法在能源材料研究中的应用；

超越black box, 手把手详解code, 知其所以然；

干货满满聚焦主流与前沿；

解决为什么和怎么做的问题！

Day1: 点亮技能树：必备基础

1. Python：

1.1 入门level

1.2 中级level

1.3 高级level

2. 数据采集：

2.1 数据库（例如Materials project），

2.2 实验数据采集分析（例如表征曲线）

2.3 文献中的数据（自然语言处理）

3. 在什么样的机器上跑code: 

3.1 CPU and GPU

3.2 Local computer

3.3 HPC

4. 答疑

Day2: 如何push这个领域forward? : 当前机器学习在能源材料领域中的研究前沿

1. 预测性质

1.1:以钙钛矿材料可合成性预测为例（相关文献，大牛课题组，存在的问题） 

2. 生成新结构

2.1:以用生成机器学习模型产生全新的结构为例 （相关文献， 大牛课题组， 存在的问题）

3. MLFF

3.1: VASP MLFF: story behind this (相关文献，大牛课题组， 存在的问题)

3.2:其他机器学习立场模型解析及应用领域

4. Composition based or structure based (SMACT解析)

5. 答疑

Day3: Code详解和Hands-on：学以致用，如何有理有据地搭建和选择机器学习模型，解决科学问题（1）

1. 预测模型解析专题

1.1: 材料可合成性预测代码

1.2: 材料稳定性预测代码

1.3:其他性质预测的解决方案

2. 生成模型解析专题

2.1: 生成机器学习模型产生全新的结构代码

3. 答疑

Day4: Code详解和Hands-on：学以致用，如何有理有据地搭建和选择机器学习模型，解决科学问题（2）

1.  MLFF生成高质量的数据专题

1.1: VASP MLFF 参数指导

1.2: M3GNET代码解析 

2. 进阶内容，从头搭建机器学习模型，解决学员的课题中存在的实际问题

4.15 周六 4.16 周日 4.22周六 4.23周日 

时间18:00-20:30

共计10小时。

请点击文末原文链接进入直播间观看。

或扫描以下二维码进入观看

回看同样在该地址观看。

李老师，北大博士，海外博士后，研究方向为计算材料学、缺陷性质与光电转化效率计算、二维材料生长、输运和光学性质、机器学习辅助材料设计。从事研究至今，在高水平研究论文上共发表SCI论文32篇（包括Advanced Functional Materials, Chemical Science, ACS energy Letters等）

整套系列收费：1500元。

开具发票，并提供报销凭证

请添加客服微信：cailiaoren010