材料信息学实践培训
A hands-on training on materials informatics
时间:8月21-22日上午9:00开始
地点:嘉定园区G楼212教室
主讲人:西安交通大学薛德祯教授
摘要:
机器学习是一种数据分析方法,通过已有数据产生“学习算法”模型后,再应用到新的数据集上,从而对新的情况做出 “预测”,而且可以迭代学习数据,自动优化模型。传统的材料开发方式往往依赖于试错法或者经验。但是随着材料成分、微观结构等复杂性的增加,传统的方法不再适用。机器学习被认为可以从大量材料科学的数据中通过算法搜索隐藏于其中的重要信息,建立材料性能的预测模型,进而实现材料性能的快速优化。
对于一般的机器学习算法,训练样本规模越大,模型的效果就越好。但是在材料科学的研究中,样本的获取比较困难,这需要进行费时费力的材料合成、制备与测试。通过贝叶斯优化算法,可以选择最有用的未标记样本,尽量减少实验次数,可以达到快速优化材料性能的目的。
本培训以利用机器学习开发高温形状记忆合金为例,介绍机器学习方法的一些基本概念,包括机器学习的定义、研究对象与方法;模型评估与模型选择;正则化与交叉验证;并介绍一些机器学习的基本算法。进而以开发无铅大电致应变的铁电陶瓷材料为例,介绍贝叶斯算法的基础定理;介绍贝叶斯优化的基本概念与基本策略。
注:本培训实践部分将以R语言代码为例。
主讲人简介:
薛德祯,西安交通大学材料科学与工程学院、金属材料强度国家重点实验室教授。2012年博士毕业于西安交通大学,获陕西省优秀博士论文;2013-2016获得美国洛斯阿拉莫斯国家实验室院长博士后(director funded fellow)资助,进行博士后研究。主要研究方向是材料信息学,主要利用机器学习技术,研究缺陷对结构相变(铁电相变、马氏体相变等)的影响规律,实现铁性智能材料的高性能化,致力于材料学与信息学两个学科交叉领域的研究。迄今在Nat. Comm.,PNAS,Phys. Rev. Lett.,Adv. Mater., Phys. Rev. B.,Acta Mater.等期刊上发表论文70余篇(以第一或通讯作者发表论文34篇)。相关的研究工作受到了国内外同行的关注,被Nature China,MRS Bulletin 等杂志专题评论。