从0到1：用机器学习预测材料性质，复现AM/AFM等顶刊案例！

培训主题：

机器学习预测材料性质：0基础入门 与实战

主办单位：

科学指南针

授课专家：

陈斌 知识分享头部讲师

培训地点：

浙江杭州

培训时间：

2026年6月12日-6月14日

第一天 2026年6月12日 

机器学习概念及简单应用案例

8:30-11:30  

机器学习概念及在材料领域初步应用概述

机器学习在论文中的应用讲解

从线性回归开始

线性回归的概念及作用

在代码中的体现

引出机器学习三要素，以及评估模型的准则

从理论到代码实现

Numpy（处理数据）、Pandas（读取数据）、Matplotlib（数据画图）、实操演练

13:30-18:00

对线性回归的补充

过拟合与正则化、案例讨论、线性回归的局限性及其它回归模型

树模型

决策树、随机森林、梯度提升XGBoost

支持向量机、K近邻、人工神经网络

对应论文解读

机器学习部分的融合思路

论文中机器学习模块必要的图表展示

答疑（解答疑惑，互动讨论）

第二天 2026年6月13日 

材料化学研究中机器学习的应用与论文复现

8:30-11:30  

如何基于现有研究使用机器学习（即机器学习作为辅助方法）

方法与思路讲解

Advanced Materials：基于实验数据使用正交展开法预测电极材料在不同条件下的性能

Advanced Functional Materials：基于实验数据预测钙钛矿太阳能电池的功率转换效率

13:30-18:00

如何基于数据集做专门化的机器学习研究（即机器学习作为主要方法）

方法与思路讲解

案例讲解

调用Materials Project数据库去预测材料形成能（包括数据清洗）

论文讲解与复现

Journal of Physical Chemistry Letters：基于DFT计算预测电催化金属合金材料对CO的表面吸附能

Advanced Science：基于高通量计算预测聚合物-MOF膜材料的气体分离性能

答疑（解答疑惑，互动讨论）

第三天 2026年6月14日 

结合理论计算的机器学习 势方法概念与论文复现

8:30-12:00 

机器学习势函数概念与原理

概念与原理讲解（包含DFT、MD和DL/ML）

DP系列软件讲解

dpdata与DeePMD讲解与实操，重点为神经网络训练与配置过程

13:30-16:00

论文讲解与复现

Journal of Analytical and Applied Pyrolysis：结合深度学习势、DFT和MD训练油页岩热解势函数

陈斌（id：正儿八经的陈老师）

适合人群：

· 高校材料、能源、化工、计算化学等方向青年教师、科研院所研究人员；

· 希望将机器学习方法引入论文选题、基金方向和课题组建设的教师；

· 具备实验或计算数据积累，希望开展数据驱动材料研究的科研人员；

学习目标：

0基础学员：学完能建立材料机器学习完整认知

· 理解机器学习在材料科研中的典型应用场景

· 掌握数据处理、模型训练与预测基本流程

· 能将课程案例迁移到自身课题研究中

有基础学员：学完能独立开展材料机器学习建模

· 掌握数据清洗、特征构建与模型选择方法

· 理解机器学习在材料性质预测中的落地逻辑

· 能结合自身研究方向开展数据驱动分析

青年教师/博后：学完能支撑高水平论文与项目研究

· 建立“机制研究+数据驱动”研究框架

· 拓展AI+材料方向论文设计与方法创新思路

· 提升高水平论文产出与项目申报竞争力

1. 高校科研场景导向教学：围绕材料性质预测、材料数据库、顶刊论文复现等真实科研问题展开系统训练

2. 小班线下实战教学：讲师1v1现场演示+学员同步操作，覆盖数据处理、模型训练、结果分析完整流程

3.  覆盖0基础到进阶科研人群：从Python科研编程到机器学习建模，帮助建立完整“AI+材料科研”应用框架

早鸟价 3499元

（通过该账号扫码报名，特享权益立减500）

原价 3999元

永久无限次复听权益

课后180天免费答疑

扫码咨询

七、往期培训