前言
绪论1
第1章第一性原理计算及材料
数据库3
11第一性原理计算3
111多体薛定谔方程3
112从头算方法4
113密度泛函理论基础6
114科恩沈方程求解8
12高通量计算11
121电子结构计算12
122原子尺度计算13
13材料数据库与大数据技术15
131材料数据库概述16
132材料大数据技术18
14复习思考题23
第2章材料的机器学习建模方法24
21机器学习在材料领域的应用需求24
22机器学习建模流程25
23常用机器学习算法29
231线性回归29
232决策树30
233支持向量机31
234高斯过程回归31
235神经网络32
236卷积神经网络32
237循环神经网络33
238长短期记忆网络34
239决策树梯度提升35
24机器学习指导材料设计与制造35
25复习思考题38
第3章材料智能设计与优化方法39
31贝叶斯条件概率及应用39
311贝叶斯理论基础39
312贝叶斯参数提取方法40
313物理模型参数提取42
32基于贝叶斯优化的自主实验方法44
321贝叶斯优化方法基础44
322贝叶斯自主实验应用案例47
323贝叶斯优化设计自主实验的
实践50
33材料成分及特征的生成模型设计52
331生成模型逆向设计方法52
332有机分子材料的生成模型55
333无机晶体材料的生成模型58
34复习思考题60
第4章基于高通量实验的材料筛选
方法61
41高通量实验的材料制备方法61
411高通量实验的发展概述62
412高通量实验的基本特征63
413主要的高通量实验方法63
42高通量表征方法及代理参数的优化70
421高通量微区表征70
422代理参数的优化74
43基于自动机器人的高通量实验75
431自动机器人概述75
432基于自动机器人的高通量实验
案例76
433高通量实验的发展趋势81
44复习思考题81
第5章材料智能设计与制造的前沿
应用案例82
51人工智能在高熵合金设计中的应用82
511高熵合金的相结构预测82
512高熵合金的力学性能优化87
52人工智能在功能陶瓷材料设计中的
应用94
521纯数据驱动的功能陶瓷设计94
522数理结合的功能陶瓷设计102
53人工智能在新能源材料与器件中的
应用112
531人工智能结合钙钛矿光伏器件
材料筛选112
532人工智能结合储能电池材料
筛选119
54复习思考题124
第6章材料智能设计与制造的发展
趋势125
61人工智能在材料数据库构建方面的
发展趋势125
611材料数据库构建的机遇与挑战125
612基于人工智能的材料数据库构建
前沿125
613大语言模型在材料数据获取
过程中的挑战128
62人工智能在获取组分工艺性能
关系中的进展129
621通用大语言模型的微调功能降低了
机器学习建模的使用门槛130
622通用大语言模型的多任务学习能力
减少了对大数据量的需求130
63大语言模型在材料领域的应用前景131
64复习思考题132
参考文献133