AI材料科学：零基础入门到实战

📚 共计 30 章节

材料科学导论

什么是材料科学？四大要素（成分、结构、性能、工艺）及其相互关系。

基础核心理念

材料分类与特性

金属、无机非金属、高分子、复合材料的基本特性与应用。

晶体学基础

晶体与非晶体、晶格与晶胞、七大晶系、14种布拉维格子。

点缺陷、线缺陷、面缺陷及其对性能的影响。

相律、二元相图阅读（匀晶、共晶、包晶）、杠杆定律。

热力学相变

扩散与相变

菲克定律、扩散机制、固态相变基本类型（扩散型、切变型）。

动力学相变

应力-应变曲线、弹性模量、屈服强度、塑性、韧性、硬度。

热学与电学性能

热容、热膨胀、热导率、电导率、半导体与绝缘体基础。

材料制备基础

铸造、粉末冶金、薄膜沉积（PVD/CVD）、3D打印简介。

材料表征技术（上）

X射线衍射（XRD）原理与物相分析。

材料表征技术（下）

SEM、TEM、能谱分析（EDS）原理与应用。

Python编程基础（上）

环境搭建、变量、数据类型、列表、字典、条件与循环。

Python编程基础（下）

函数、类、文件读写、NumPy与Matplotlib入门。

NumPyMatplotlib

AI与机器学习基础

监督/无监督学习、回归与分类、过拟合与欠拟合。

材料数据与特征工程

Materials Project、OQMD、特征提取与标准化。

数据库特征

线性回归与材料性能预测

一元/多元线性回归，Scikit-learn预测材料强度。

决策树与随机森林

决策树原理、随机森林在材料分类中的应用（相识别）。

树模型集成

支持向量机（SVM）

SVM原理、核函数、在材料缺陷识别中的应用。

神经网络入门

感知机、MLP、激活函数、反向传播。

深度学习与材料科学

CNN微观结构图像识别、RNN时序数据分析。

图神经网络（GNN）基础

图结构数据、消息传递、GNN晶体性质预测。

材料信息学与高通量计算

高通量筛选、DFT基础、数据驱动材料设计。

NLP在材料科学中的应用

文献挖掘、命名实体识别（NER）、知识图谱构建。

生成模型与新材料设计

VAE、GAN用于分子/晶体生成。

贝叶斯优化与实验设计

贝叶斯优化、主动学习、实验参数优化。

优化主动学习

迁移学习与小样本学习

迁移策略、在数据稀缺材料问题中的应用。

迁移小样本

可解释AI（XAI）在材料科学中

SHAP、LIME、注意力机制，理解物理意义。

实战项目一：合金硬度预测

回归任务，使用随机森林/神经网络预测硬度。

实战项目二：微观结构分类

基于SEM图像分类任务，使用CNN。

实战项目三：晶体带隙预测

图神经网络回归任务，PyTorch Geometric。