01
材料基因组学概述
起源、核心目标（加速材料发现与设计）与传统材料科学的区别。
起源核心目标对比
02
高通量实验技术
组合合成、快速表征、自动化实验平台，并行实验加速数据生成。
组合合成自动化并行
03
材料数据库与数据标准
Materials Project、ICSD、COD；CIF/VASP/JSON格式与FAIR原则。
数据库FAIR格式
04
第一性原理计算基础
DFT简介、VASP/Quantum ESPRESSO、输入输出文件解析。
DFTVASPQE
05
分子动力学模拟
力场、系综；LAMMPS/GROMACS入门；RDF、MSD分析。
力场LAMMPSRDF
06
相图计算与CALPHAD
热力学模型、Thermo-Calc/OpenCalphad、数据库构建。
CALPHAD相图热力学
07
机器学习基础
监督/无监督学习、回归/分类、聚类/降维；scikit-learn、PyTorch。
监督学习无监督PyTorch
08
材料特征工程
元素属性、结构特征（RDF、键长）、描述符选择与生成。
描述符RDF特征
09
机器学习预测材料性能
带隙/形成能/力学性能预测；随机森林预测钙钛矿稳定性。
带隙随机森林钙钛矿
10
深度学习在材料科学中应用
图神经网络GNN、CGCNN、材料属性预测。
GNNCGCNN深度学习
11
生成模型与逆向设计
VAE、GAN用于新材料生成；案例：新型聚合物。
VAEGAN逆向设计
12
主动学习与贝叶斯优化
实验设计策略、采集函数EI/UCB、材料优化应用。
主动学习贝叶斯采集函数
13
自然语言处理在材料科学
文献挖掘、实体识别、知识图谱；ChemDataExtractor。
NLP知识图谱挖掘
14
材料信息学工具与平台
AFLOW、Citrine、Matminer、Pymatgen；FireWorks工作流。
AFLOWMatminerPymatgen
15
集成计算材料工程(ICME)
多尺度建模框架，跨尺度模拟；汽车轻量化案例。
ICME多尺度轻量化
16
电池材料基因组学
电极/电解质筛选、离子电导率预测；固态电解质高通量筛选。
电池固态电解质筛选
17
催化材料基因组学
电催化剂筛选、活性位点、火山图；ORR催化剂设计。
催化ORR火山图
18
热电材料基因组学
热电优值ZT预测、声子/电子输运、高熵热电材料。
ZT声子高熵
19
高熵合金设计
成分空间探索、相稳定性预测；CoCrFeMnNi体系。
高熵合金相稳定CoCrFeMnNi
20
有机光电材料基因组学
有机光伏筛选、分子设计、HOMO/LUMO能级预测。
有机光伏HOMO/LUMO分子设计
21
二维材料基因组学
MoS₂、石墨烯筛选、异质结设计、带隙调控。
二维材料异质结带隙
22
金属玻璃基因组学
玻璃形成能力预测、成分设计、力学性能优化。
金属玻璃形成能力力学
23
拓扑材料基因组学
拓扑绝缘体/半金属筛选、对称性指标、高通量计算。
拓扑绝缘体高通量
24
不确定性量化
误差传播、贝叶斯方法、模型校准。
不确定性贝叶斯校准
25
数据驱动本构模型
晶体塑性、相场模拟、数据驱动方法。
本构晶体塑性相场
26
自动化实验室
自驱动实验室、机器人实验、闭环优化；ARES系统。
自动化机器人ARES
27
可解释性与可信度
SHAP、LIME、特征重要性分析。
SHAPLIME可解释
28
迁移学习与少样本学习
跨体系知识迁移、小数据集模型训练。
迁移学习少样本小数据
29
多目标优化
Pareto前沿、NSGA-II、多目标贝叶斯优化。
ParetoNSGA-II多目标
30
未来展望
AI for Science、大语言模型、量子计算与材料设计。
AI4S大模型量子