本書屬于戰(zhàn)略性新興領(lǐng)域十四五高等教育系列教材，針對新工科背景下產(chǎn)業(yè)對高端技術(shù)人才在信息化、智能化技術(shù)應(yīng)用方面的培養(yǎng)需求，結(jié)合當前材料科學(xué)與人工智能技術(shù)交叉融合的最新發(fā)展趨勢，并融入編者對材料智能設(shè)計與制造領(lǐng)域教學(xué)與科研的實踐經(jīng)驗編寫而成。本書共6章，系統(tǒng)闡述了材料智能設(shè)計與制造的基本原理、關(guān)鍵方法以及實際應(yīng)用案例。本書內(nèi)容包括第一性原理計算及材料數(shù)據(jù)庫、材料的機器學(xué)習(xí)建模方法、材料智能設(shè)計與優(yōu)化方法、基于高通量實驗的材料篩選方法、材料智能設(shè)計與制造的前沿應(yīng)用案例和材料智能設(shè)計與制造的發(fā)展趨勢。
針對新工科背景下產(chǎn)業(yè)對高端技術(shù)人才在信息化、智能化技術(shù)應(yīng)用方面的培養(yǎng)需求，結(jié)合當前材料科學(xué)與人工智能技術(shù)交叉融合的最新發(fā)展趨勢，并融入編者對材料智能設(shè)計與制造領(lǐng)域教學(xué)與科研的實踐經(jīng)驗編寫而成。
在過去的幾十年中，材料科學(xué)取得了令人矚目的進展，推動了諸多高新技術(shù)領(lǐng)域的發(fā)展，如電子器件、航空航天、生物醫(yī)學(xué)以及能源技術(shù)。然而，傳統(tǒng)的材料設(shè)計方法往往依賴于經(jīng)驗和試錯法，不僅效率低，而且成本高。隨著計算機算力的提升和人工智能技術(shù)的興起，材料科學(xué)迎來了巨大的變革。材料智能設(shè)計與制造技術(shù)將理論計算、實驗數(shù)據(jù)和機器學(xué)習(xí)有機結(jié)合，為材料的創(chuàng)新和優(yōu)化提供了全新的路徑。本書正是在這樣的背景下應(yīng)運而生的，旨在為讀者提供相關(guān)的知識框架，以探索這一領(lǐng)域的最新進展。
本書共6章，大致可分為基本原理與關(guān)鍵方法和應(yīng)用案例兩個部分：第1部分包括1～4章，介紹了第一性原理計算及材料數(shù)據(jù)庫、材料的機器學(xué)習(xí)建模方法、材料智能設(shè)計與優(yōu)化方法和基于高通量實驗的材料篩選方法，主要聚焦于一些理論基礎(chǔ)和常用方法；第2部分包括第5、6章，主要介紹了材料智能設(shè)計與制造的前沿應(yīng)用案例，在設(shè)計高熵合金、功能陶瓷以及鈣鈦礦太陽電池等前沿材料中，應(yīng)用了自然語言處理、生成式模型以及人工智能等前沿方法，闡述了材料智能設(shè)計與制造的發(fā)展趨勢，并大膽展望了其未來可能的發(fā)展方向。
鑒于材料智能設(shè)計與制造領(lǐng)域的前沿性和快速發(fā)展的特性，本書旨在培養(yǎng)學(xué)生的創(chuàng)新思維和實踐能力，而非追求內(nèi)容和知識體系的完整。每一章均通過具體應(yīng)用場景或?qū)嵺`進行引導(dǎo)，深入剖析了材料智能設(shè)計與制造方法的應(yīng)用前景，幫助學(xué)生形成運用信息化、智能化方法解決材料科學(xué)問題的思維方式。為了方便讀者學(xué)習(xí)與掌握，本書配套有豐富的線上教學(xué)資源，讀者可通過掃描書中的二維碼輕松獲取視頻教程和仿真軟件等的使用方法，實現(xiàn)線上線下學(xué)習(xí)的無縫銜接。
本書在內(nèi)容上盡可能覆蓋材料智能設(shè)計與制造技術(shù)的相關(guān)內(nèi)容，但因篇幅有限，很多重要、前沿的材料未能覆蓋，即便覆蓋到的部分也僅是管中窺豹。本書作為材料設(shè)計與制造的導(dǎo)論，僅為讀者提供該領(lǐng)域的基本知識和框架，更多內(nèi)容留待讀者自行探索。
本書面向材料科學(xué)與工程及相關(guān)專業(yè)的本科生和研究生，由西北工業(yè)大學(xué)劉哲教授策劃并統(tǒng)稿。第1章由袁睿豪編寫，第2、3章由劉哲編寫，第4、5章由陳睿豪、王洪強、袁睿豪編寫，第6章由劉哲編寫。
本書的完成離不開許多人的支持與幫助，在此，我們謹向所有為本書的撰寫與出版付出努力的人致以誠摯的謝意。材料智能設(shè)計與制造領(lǐng)域發(fā)展極其迅速，鮮有人能對其眾多分支領(lǐng)域均有精深理解。編者自認才疏學(xué)淺，僅略知皮毛，書中欠妥之處在所難免，歡迎廣大讀者批評指正。
編者
前言
緒論1
第1章第一性原理計算及材料
數(shù)據(jù)庫3
11第一性原理計算3
111多體薛定諤方程3
112從頭算方法4
113密度泛函理論基礎(chǔ)6
114科恩沈方程求解8
12高通量計算11
121電子結(jié)構(gòu)計算12
122原子尺度計算13
13材料數(shù)據(jù)庫與大數(shù)據(jù)技術(shù)15
131材料數(shù)據(jù)庫概述16
132材料大數(shù)據(jù)技術(shù)18
14復(fù)習(xí)思考題23
第2章材料的機器學(xué)習(xí)建模方法24
21機器學(xué)習(xí)在材料領(lǐng)域的應(yīng)用需求24
22機器學(xué)習(xí)建模流程25
23常用機器學(xué)習(xí)算法29
231線性回歸29
232決策樹30
233支持向量機31
234高斯過程回歸31
235神經(jīng)網(wǎng)絡(luò)32
236卷積神經(jīng)網(wǎng)絡(luò)32
237循環(huán)神經(jīng)網(wǎng)絡(luò)33
238長短期記憶網(wǎng)絡(luò)34
239決策樹梯度提升35
24機器學(xué)習(xí)指導(dǎo)材料設(shè)計與制造35
25復(fù)習(xí)思考題38
第3章材料智能設(shè)計與優(yōu)化方法39
31貝葉斯條件概率及應(yīng)用39
311貝葉斯理論基礎(chǔ)39
312貝葉斯參數(shù)提取方法40
313物理模型參數(shù)提取42
32基于貝葉斯優(yōu)化的自主實驗方法44
321貝葉斯優(yōu)化方法基礎(chǔ)44
322貝葉斯自主實驗應(yīng)用案例47
323貝葉斯優(yōu)化設(shè)計自主實驗的
實踐50
33材料成分及特征的生成模型設(shè)計52
331生成模型逆向設(shè)計方法52
332有機分子材料的生成模型55
333無機晶體材料的生成模型58
34復(fù)習(xí)思考題60
第4章基于高通量實驗的材料篩選
方法61
41高通量實驗的材料制備方法61
411高通量實驗的發(fā)展概述62
412高通量實驗的基本特征63
413主要的高通量實驗方法63
42高通量表征方法及代理參數(shù)的優(yōu)化70
421高通量微區(qū)表征70
422代理參數(shù)的優(yōu)化74
43基于自動機器人的高通量實驗75
431自動機器人概述75
432基于自動機器人的高通量實驗
案例76
433高通量實驗的發(fā)展趨勢81
44復(fù)習(xí)思考題81
第5章材料智能設(shè)計與制造的前沿
應(yīng)用案例82
51人工智能在高熵合金設(shè)計中的應(yīng)用82
511高熵合金的相結(jié)構(gòu)預(yù)測82
512高熵合金的力學(xué)性能優(yōu)化87
52人工智能在功能陶瓷材料設(shè)計中的
應(yīng)用94
521純數(shù)據(jù)驅(qū)動的功能陶瓷設(shè)計94
522數(shù)理結(jié)合的功能陶瓷設(shè)計102
53人工智能在新能源材料與器件中的
應(yīng)用112
531人工智能結(jié)合鈣鈦礦光伏器件
材料篩選112
532人工智能結(jié)合儲能電池材料
篩選119
54復(fù)習(xí)思考題124
第6章材料智能設(shè)計與制造的發(fā)展
趨勢125
61人工智能在材料數(shù)據(jù)庫構(gòu)建方面的
發(fā)展趨勢125
611材料數(shù)據(jù)庫構(gòu)建的機遇與挑戰(zhàn)125
612基于人工智能的材料數(shù)據(jù)庫構(gòu)建
前沿125
613大語言模型在材料數(shù)據(jù)獲取
過程中的挑戰(zhàn)128
62人工智能在獲取組分工藝性能
關(guān)系中的進展129
621通用大語言模型的微調(diào)功能降低了
機器學(xué)習(xí)建模的使用門檻130
622通用大語言模型的多任務(wù)學(xué)習(xí)能力
減少了對大數(shù)據(jù)量的需求130
63大語言模型在材料領(lǐng)域的應(yīng)用前景131
64復(fù)習(xí)思考題132
參考文獻133
書單推薦
