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