材料基因工程工具链整合应用

📚 共计 30 章节

材料基因工程概述

概念、发展历程、核心思想（高通量计算/实验/数据库）与传统对比

概念高通量

工具链全景图

计算·实验·数据工具组成、各环节介绍、整合意义与挑战

工具链全景

Python环境搭建

Anaconda、虚拟环境、Jupyter Notebook、科学计算库

材料数据库入门

Materials Project, OQMD, AFLOW · API申请与数据预处理

Structure对象、晶格对称性、文件格式转换(POSCAR/CIF/xyz)

高通量计算框架

FireWorks工作流、任务调度、VASP/Quantum ESPRESSO批量计算

FireWorks高通量

ASE (原子模拟环境)

构建分子/晶体、DFT计算器、结构优化与分子动力学入门

材料性质计算与提取

能带、DOS、弹性常数、声子谱 · 计算流程与数据提取

数据清洗与特征工程

缺失值、异常值、组分/结构/电子特征、标准化

特征工程清洗

机器学习入门

scikit-learn、训练/测试集、线性回归、决策树、随机森林

深度学习基础

PyTorch/TensorFlow、张量、神经网络、激活/损失函数

深度学习PyTorch

图神经网络与材料

GNN原理、PyTorch Geometric、晶体图、CGCNN模型

材料性能预测实战

带隙/形成能/力学性能预测 · 数据准备到模型评估

生成模型与材料设计

VAE、GAN在新型材料结构生成中的应用

生成模型VAE

主动学习策略

主动学习循环、不确定性/多样性采样、材料筛选

主动学习采样

贝叶斯优化

高斯过程回归、采集函数(EI/PI/UCB)、实验参数优化

贝叶斯优化

自然语言处理与文献挖掘

NLP基础、实体识别、关系抽取、知识图谱构建

高通量实验自动化

实验机器人、微流控、自动化合成与表征、数据采集

自动化实验

实验数据管理

ELN、ISA-Tab/JSON标准化、数据溯源

数据管理ELN

数据可视化

Matplotlib/Seaborn/Plotly、相图、热力图

可视化Plotly

工作流整合

Python串联计算-实验-数据、Docker、CI/CD

工作流Docker

材料数据库搭建

SQLite/PostgreSQL、数据模型、RESTful API (Flask/FastAPI)

云计算与高性能计算

云平台、Slurm、Dask/Ray分布式计算

材料信息学平台

Citrine Informatics, AiiDA, MatCloud 介绍与使用

平台信息学

案例一：新型热电材料筛选

数据库获取、特征工程、机器学习建模、候选推荐

案例二：催化剂高通量筛选

表面吸附能、描述符、火山曲线、活性预测

催化剂高通量

案例三：电池材料设计

离子电导率预测、电极筛选、循环稳定性分析

案例四：合金设计

CALPHAD相图、机器学习加速成分优化、力学性能

工具链整合最佳实践

Git、Conda、Sphinx文档、项目模板

最佳实践Git

未来展望与挑战

AI for Science、大语言模型、可解释性、开源生态