本書屬于戰(zhàn)略性新興領域十四五高等教育系列教材，針對新工科背景下產(chǎn)業(yè)對高端技術人才在信息化、智能化技術應用方面的培養(yǎng)需求，結(jié)合當前材料科學與人工智能技術交叉融合的最新發(fā)展趨勢，并融入編者對材料智能設計與制造領域教學與科研的實踐經(jīng)驗編寫而成。本書共6章，系統(tǒng)闡述了材料智能設計與制造的基本原理、關鍵方法以及實際應用案例。本書內(nèi)容包括第一性原理計算及材料數(shù)據(jù)庫、材料的機器學習建模方法、材料智能設計與優(yōu)化方法、基于高通量實驗的材料篩選方法、材料智能設計與制造的前沿應用案例和材料智能設計與制造的發(fā)展趨勢。
針對新工科背景下產(chǎn)業(yè)對高端技術人才在信息化、智能化技術應用方面的培養(yǎng)需求，結(jié)合當前材料科學與人工智能技術交叉融合的最新發(fā)展趨勢，并融入編者對材料智能設計與制造領域教學與科研的實踐經(jīng)驗編寫而成。
在過去的幾十年中，材料科學取得了令人矚目的進展，推動了諸多高新技術領域的發(fā)展，如電子器件、航空航天、生物醫(yī)學以及能源技術。然而，傳統(tǒng)的材料設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的興起，材料科學迎來了巨大的變革。材料智能設計與制造技術將理論計算、實驗數(shù)據(jù)和機器學習有機結(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運而生的，旨在為讀者提供相關的知識框架，以探索這一領域的最新進展。
本書共6章，大致可分為基本原理與關鍵方法和應用案例兩個部分：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、材料的機器學習建模方法、材料智能設計與優(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計與制造的前沿應用案例，在設計高熵合金、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。
鑒于材料智能設計與制造領域的前沿性和快速發(fā)展的特性，本書旨在培養(yǎng)學生的創(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用場景或?qū)嵺`進行引導，深入剖析了材料智能設計與制造方法的應用前景，幫助學生形成運用信息化、智能化方法解決材料科學問題的思維方式。為了方便讀者學習與掌握，本書配套有豐富的線上教學資源，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)線上線下學習的無縫銜接。
本書在內(nèi)容上盡可能覆蓋材料智能設計與制造技術的相關內(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。本書作為材料設計與制造的導論，僅為讀者提供該領域的基本知識和框架，更多內(nèi)容留待讀者自行探索。
本書面向材料科學與工程及相關專業(yè)的本科生和研究生，由西北工業(yè)大學劉哲教授策劃并統(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。材料智能設計與制造領域發(fā)展極其迅速，鮮有人能對其眾多分支領域均有精深理解。編者自認才疏學淺，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15
131材料數(shù)據(jù)庫概述16
132材料大數(shù)據(jù)技術18
14復習思考題23
第2章材料的機器學習建模方法24
21機器學習在材料領域的應用需求24
22機器學習建模流程25
23常用機器學習算法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32
236卷積神經(jīng)網(wǎng)絡32
237循環(huán)神經(jīng)網(wǎng)絡33
238長短期記憶網(wǎng)絡34
239決策樹梯度提升35
24機器學習指導材料設計與制造35
25復習思考題38
第3章材料智能設計與優(yōu)化方法39
31貝葉斯條件概率及應用39
311貝葉斯理論基礎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44
322貝葉斯自主實驗應用案例47
323貝葉斯優(yōu)化設計自主實驗的
實踐50
33材料成分及特征的生成模型設計52
331生成模型逆向設計方法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復習思考題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復習思考題81
第5章材料智能設計與制造的前沿
應用案例82
51人工智能在高熵合金設計中的應用82
511高熵合金的相結(jié)構(gòu)預測82
512高熵合金的力學性能優(yōu)化87
52人工智能在功能陶瓷材料設計中的
應用94
521純數(shù)據(jù)驅(qū)動的功能陶瓷設計94
522數(shù)理結(jié)合的功能陶瓷設計102
53人工智能在新能源材料與器件中的
應用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復習思考題124
第6章材料智能設計與制造的發(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
機器學習建模的使用門檻130
622通用大語言模型的多任務學習能力
減少了對大數(shù)據(jù)量的需求130
63大語言模型在材料領域的應用前景131
64復習思考題132
參考文獻133
書單推薦
