课程简介
本课程以材料科学为核心应用场景，结合人工智能、机器学习和生成式AI的最新进展，构建从原理 → 方法 → 应用的完整知识体系。学员不仅能掌握AI技术本身，还能理解其在原子、分子、微观和宏观尺度材料结构设计中的独特价值。
课程内容
1. 生成式AI模型的简介（3 小时）
AI、机器学习，以及生成式AI的介绍
- 材料结构设计: 原子结构、晶体结构、聚合物、超材料
- 材料模拟方法（密度泛函数, 分子动力学, 有限元模拟等）
2. 生成式AI模型的简介（3 小时）
- 基本的神经网格：MLPs, CNNs, Graph neural nets, and Transformers
- 实例操作6：组装第一个神经网格：用MLP预测3D力学超材料的性能
生成式模型简介
- Variational Autoencoders (VAEs)
- Generative Adversarial Networks (GANs)
- 实例操作3：构建第一个生成式模型，以diffusion model为例
3. 训练数据准备（3 小时）
- 流行的数据库(Materials Project, OQMD, NOMAD, etc.)
机器学习前的数据处理
- 可视化材料结构 (graphs, images, voxels)
4. 实例操作5：分子尺度的药物生成与性能预测（3 小时）
5. 微米尺度的材料逆向设计（3 小时）
2D负泊松比超材料的逆向设计
3D点阵超材料的逆向设计
6. 挑战与前沿（3 小时）
大数据、自动化实验与材料发现（1 小时）
未来趋势与挑战
