第1章
课程导论
多目标优化在材料设计中的意义 · AI赋能材料研发 · 课程框架与学习目标
概览AI基础
第2章
材料设计基础回顾
晶体结构 · 相图 · 成分-工艺-性能 · 材料基因组计划
晶体相图
第3章
多目标优化基础
Pareto最优解 · 支配关系 · 目标/约束 · 决策与目标空间
Pareto支配
第4章
经典多目标优化算法 (上)
加权求和 · ε-约束法 · 目标规划法 · 优缺点分析
加权ε-约束
第5章
经典多目标优化算法 (下)
NSGA-II详解 · 快速非支配排序 · 拥挤度距离 · 选择算子
NSGA-II进化
第6章
进化算法进阶
MOEA/D · 基于分解 · 参考点算法 NSGA-III
MOEA/DNSGA-III
第7章
贝叶斯优化基础
高斯过程回归 · 采集函数 EI/PI/UCB · 单目标流程
贝叶斯GP
第8章
多目标贝叶斯优化
ParEGO · EHVI · qEHVI · 多目标采集函数
EHVIParEGO
第9章
深度学习方法 (上)
代理模型 · 前馈神经网络 · 图神经网络 · 性质预测
GNN代理模型
第10章
深度学习方法 (下)
多任务学习 · 不确定性量化 · MC Dropout · 主动学习
多任务主动学习
第11章
材料表征与特征工程
成分/结构特征 · RDF/ADF · 电子结构 · AutoEncoder
特征自编码器
第12章
数据获取与处理
Materials Project · OQMD · AFLOW · 清洗/增强/不平衡
数据库清洗
第13章
目标函数构建
力学/电化学/热学性能 · 多目标权衡
性能权衡
第14章
约束处理技术
罚函数 · 可行性法则 · ε-约束处理 · 约束支配
约束罚函数
第15章
高维目标优化
目标降维 PCA/t-SNE · 偏好方法 · 交互式优化
降维偏好
第16章
迁移学习与少样本优化
域适应 · 预训练微调 · 元学习 · 材料优化
迁移少样本
第17章
多保真度优化
DFT与实验融合 · Co-Kriging · 多保真贝叶斯优化
多保真Co-Kriging
第18章
实验设计与主动学习
拉丁超立方 · 自适应采样 · 探索与利用
DoE主动学习
第19章
案例研究 (一)
高熵合金成分优化 · 强度与延展性最大化
高熵合金案例
第20章
案例研究 (二)
锂电池正极材料 · 能量密度/循环/成本优化
锂电池正极
第21章
案例研究 (三)
热电材料 · Seebeck/电导率/热导率协同优化
热电协同
第22章
案例研究 (四)
催化剂设计 · 活性/选择性/稳定性多目标搜索
催化剂多目标
第23章
优化算法调参与比较
超参数影响 · HV/IGD/GD · 统计检验
调参性能指标
第24章
并行与分布式优化
异步并行 · 种群并行 · 大规模集群部署
并行分布式
第25章
可解释性与可视化
Pareto前沿可视化 · 平行坐标 · SHAP值
可视化SHAP
第26章
不确定性管理
噪声优化 · 鲁棒优化 · 概率约束
鲁棒不确定性
第27章
多目标优化软件与工具
pymoo · Platypus · BoTorch · SMAC3 · OpenMDAO
pymooBoTorch
第28章
工业界应用与挑战
实验室到生产线 · 成本/时间约束 · 多阶段优化
工业转化
第29章
前沿进展
多目标强化学习 · GAN/VAE · 人机协同优化
前沿生成式
第30章
课程总结与未来展望
关键知识点 · 常见误区 · 研究方向 · 推荐资源
总结展望