机器学习计算化学-材料结构性能预测筛选技术含mofs - 计算模拟 - 心得、技巧、经验分享

版块导航: 正在加载中...

客户端APP下载

论文辅导

申博辅导

登录注册

应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜

>论坛更新日志 (3547)
>导师招生 (433)
>文献求助 (364)
>休闲灌水 (288)
>虫友互识 (135)
>考博 (123)
>招聘信息布告栏 (92)
>论文道贺祈福 (87)
>硕博家园 (83)
>公派出国 (77)
>论文投稿 (75)
>博后之家 (72)
>基金申请 (63)
>教师之家 (58)
>考研 (38)
>找工作 (35)

返回列表

cuiliuyun

新虫 (小有名气)

应助: 0 (幼儿园)
金币: 113.1
帖子: 119
在线: 10.3小时
虫号: 34910809

已领完

机器学习计算化学-材料结构性能预测筛选技术含mofs: 领取红包 (小木虫手机app专属红包)

扫一扫，下载小木虫客户端

专题一：计算化学与人工智能驱动的MOFs性能预测与筛选技术

内容涵盖：DFT结构优化、分子模拟（RASPA2）、高通量计算生成数据；运用传统机器学习（XGBoost、SVM、RF）与图神经网络（CGCNN/MEGNet）构建预测模型；结合可解释AI（SHAP、SISSO）揭示构效关系。课程突出跨学科融合、全流程实战，通过案例实践与文献复现，培养从数据清洗、模拟计算到机器学习建模与虚拟筛选的完整研究能力。

专题二：人工智能与数据驱动方法加速金属材料设计与应用

系统讲授数据驱动材料设计的全流程方法。内容涵盖：Python数据分析、描述符工程（Matminer）、经典与集成机器学习（随机森林、XGBoost），并延伸至主动学习、多目标优化等前沿策略。课程以高温合金、钛合金为案例载体，强调代码实践与理论结合，贯穿特征提取、模型构建、超参数调优到物理信息/灰箱模型、可解释AI（SHAP）的完整研究链路，旨在培养解决材料研发实际问题的科研与工程能力。

详细查看：某公某号，研而有信er

发自小木虫IOS客户端

回复此楼