2023年创腾科技材料科学分子模拟与人工智能课程
分子模拟与人工智能在功能高分子材料设计领域的应用
暑期培训
2023年7月27-29日分子模拟与人工智能方法在功能高分子材料设计领域的应用培训通知.pdf
培训时间：2023年7月27-29日，共3天
培训形式：线下培训
培训地点：江苏省苏州市工业园区东长路88号2.5产业园A3栋2层 培训中心
学员福利： ① 所有参加培训的学员在培训结束后，可免费试用MaXFlow2周！！！ ② 分享创腾云课堂的推文至朋友圈并积赞20个，或转发到至少一个分子模拟与人工智能相关的微信群（50人以上），报名时上传截图可再享受300元的限定优惠。 |
► 培训主旨：
功能材料是指通过光、电、磁、热、化学、生化等作用后具有特定功能的材料。功能材料涉及面广，具体包括光、电功能，磁功能，分离功能，形状记忆功能等等，因此在制造业、建筑业、医疗设备、电子产品等领域中得到了广泛应用。其中功能高分子材料具备很多优势特征，使得其更加符合经济发展和社会发展需求，这也使得功能高分子材料的研究工作在各国的竞争中日益白热化。然而传统的材料研发需要大量的实验，这不仅会拖慢研发时间，还会造成极大的试错成本。随着数字化智能化的潮流不断高涨，分子模拟技术和人工智能技术已经成为了材料研发的新生力量。通过本次培训，参与者将能够了解、掌握人工智能和分子模拟在功能高分子材料科学中的应用，关注到功能高分子材料设计中的一些热点问题并快速上机操作。旨在让培训学员快速了解并掌握分子模拟及人工智能的操作原理及操作方法，将新兴科研手段快速运用到实际的研发生产当中。为提高教学质量，让学员对分子模拟和人工智能有更深刻的理解，2023年创腾科技暑期培训班计计划于2023年7月27-29日（3天）在苏州举办，特别邀请到来自苏州大学的李有勇教授和上海大学的陆文聪教授分别针对分子模拟以及机器学习来进行授课。
► 特邀嘉宾：
李有勇 教授 苏州大学
苏州大学功能纳米与软物质研究院特聘教授，博士生导师
1997年获得北京大学化学系学士学位，2004年12月获得美国加州理工学院(California Institute of Technology)化学博士学位。现任苏州大学功能纳米与软物质研究院特聘教授，博士生导师。长期从事材料模拟与设计研究， 工作主要集中在结合不同多尺度的模拟方法（密度泛函理论、分子力场方法、介观尺度模拟方法等）对功能纳米材料和复杂分子体系进行研究。发表学术论文 400余篇，他引20000余次，H-index70，入选2020-2022年度科睿唯安全球高被引科学家，担任中国化学会计算化学委员会委员，担任国际期刊 Scientific Reports 编委， Frontiers in Materials 编委，曾获宝钢奖、 IET 奖等奖项，入选江苏省第四期 333 高层次人才培养工程和苏州紧缺人才。
陆文聪 教授 上海大学
上海大学教授、博士生导师
1986年本科毕业于清华大学化学系物理化学专业，2000年博士毕业于中科院上海冶金所材料物理和化学专业。现任上海大学教授、博士生导师，兼任中国化学会计算机化学专业委员会委员、《Advances in Manufacturing》SCI期刊副主编。
长期从事基于数据挖掘/机器学习的材料设计和工业优化等研究工作，开发了材料数据挖掘在线计算平台，为材料大数据的机器学习提供了在线计算方法和模型共享功能；开发了基于大数据挖掘的工业优化系统，利用化工生产大数据建立机器学习模型，用于产品质量和产量的优化控制。先后主持国家自然科学基金项目4项，国家重点研发计划课题1项，上海科委项目5项，企业合作项目20余项。已发表学术论文230余篇、研究专著3本，获得省部级科技奖4项，获得国家发明专利授权12项。
► 培训对象：
面向从事功能材料设计与合成相关领域的科研工作者；希望了解分子模拟与人工智能、对分子模拟与人工智能感兴趣、想借助分子模拟与人工智能技术来开展材料研究工作并能快速上机操作的相关行业人员。
► 培训内容：
本次培训会详细地介绍分子模拟和人工智能技术的原理和使用方法，及其在功能高分子材料研究中的应用。
1、计算化学专家：苏州大学李有勇教授，为大家精讲前沿功能材料研究的机遇与挑战，分子模拟在功能材料领域的应用。
2、中国材料基因组计划专家：上海大学陆文聪教授，精讲材料大数据挖掘与分析技术、机器学习与深度学习方法论、及其不同的应用场景（如材料性能预测，配方方案、工艺过程和成本优化等）。
3、创腾科技技术专家：精讲如何利用MaXFlow平台提高分子模拟与人工智能在科研领域中的应用性。具体内容如下：
（1）分子力学和分子动力学方法对功能高分子材料体系的各类性质进行分析，探究功能高分子材料体系的微观结构与宏观性能之间的关系。
材料的基本物性计算：材料的密度、微观结构性质等；
材料配方共混相容性：溶解度参数；
材料的加工性能探究：交联结构、玻璃化转变温度等；
材料的机械性能评估：应力-应变曲线等；
材料的阻隔性能：计算材料的扩散系数；
材料的耐久性研究：探究材料的老化机理、防腐性能等。
材料的反应性探究：分析材料在不同环境条件下，发生反应过程中产物种类、数量等随时间的变化情况，探究反应机理。
（2）人工智能辅助预测功能材料性质：通过数据库或收集实验和模拟数据集，采用机器学习或深度学习方法对功能材料进行性能预测（如：预测高分子功能材料的玻璃化转变温度、预测聚合物材料的形成能等）；或自主建立模型，根据模型对结构的性质进行预测。
（3）结合机器学习和实验方案设计，优化实验方案（如配方方案）。
► 培训形式：
1、权威专家介绍分子模拟与人工智能的原理、方法、应用及发展方向，让学员对其有更系统全面的了解和学习。
2、培训将以实际的和已发表的研究案例为基础，由讲师带领学员上机操作，重现其中的重要步骤，并有多位工程师现场协助指导。
3、线下授课形式，现场设置了讨论与答疑环节。
► 培训费用：
*注：
1、 培训费包含听课费、资料费、上机费、午餐。住宿和交通费自理；需要学员自带电脑；
2、 由学员自行组织团购，不限同一个单位，报名时务必备注团长姓名；
3、 收到您的报名费后工作人员会将《参训指南》通过邮件发给您；
4、统一开据发票内容为 “培训费”，发票将在培训期间发给学员，若您对发票内容有特殊要求请发邮件至market@neotrident.com说明。
► 网站报名：请点击此处，欢迎感兴趣的老师和同学踊跃报名。名额有限，报名从速！
手机报名：识别以下二维码，手机提交报名
*注：提交报名信息后1个工作日内会收到成功报名的邮件，请收到确认邮件后再安排付款。
► 付费方式：
a、 银行汇款（请在汇款时务必备注参加人员姓名）
户 名：北京创腾科技有限公司上海分公司
开户行：招商银行上海荣科路支行
账 户：121919707510501
b、现金支付：培训现场可收取现金或支付宝和微信支付。
► 培训班联系人
创腾科技有限公司 市场部
电话：021-51821759 （崔小姐）；13916858963（陈小姐），
Email: market@neotrident.com
附培训班日程安排：
日期 | 时间 | 内容 | |
第一天《功能材料的理论设计》 李有勇教授 苏州大学 | |||
7/27 | 08:00-09:00 | 报到地点及时间 A3幢2层 培训中心（7月27日8:00-9:00） | |
09:00-12:15 | 由苏州大学李有勇教授主讲，让学员对功能材料的理论设计有更深刻的了解，为后续研究打下基础： · 分子模拟的发展历程 · 分子模拟与人工智能的发展趋势 · 功能材料概述 · 分子模拟与人工智能在功能材料中的应用现状 · 多尺度模拟方法在功能材料中的应用 | ||
12:15-13:30 | 午餐 | ||
13:30-15:00 | 建立功能高分子材料体系的微观模拟参量与宏观性能之间的关系 介绍功能高分子材料的基本知识；不同的计算性质如何与实验中功能高分子材料的研究与应用相关联，通过精选案例讲解，帮助学员理解在实践应用中如何选择和设计合适的功能高分子材料。 | ||
15:00-15:15 | 茶歇 | ||
15:15-15:45 | MaXFlow平台介绍 MaXFlow背景介绍，界面介绍，入门操作。 | ||
15:45-16:45 | MaXFlow结构建模（实操） 介绍MaxFlow建模功能，并准备案例上手实操。 | ||
16:45-17:30 | 分子模拟技术研究功能高分子材料性质(一) 介绍MaXFlow平台探究功能高分子材料重点关注性质的方法和流程，以及相关组件的原理和参数。 · 分子力学、动力学方法 · 高通量计算工作流 · APP应用方式 | ||
17:30-18:00 | 课程讨论及答疑 | ||
第二天 《机器学习与深度学习》 | |||
09:00-09:30 | 人工智能技术背景与现状 介绍目前人工智能算法的发展及现状、以及机器学习与深度学习常用算法的应用场景及特征工程的原理及使用，同时引入案例，让学员对人工智能算法的原理有更深刻的了解。 | ||
09:30-10:45 | 常见机器学习算法原理 介绍目前常见的机器学习算法的原理及应用场景，包括分类模型（随机森林、逻辑回归、k近邻算法、决策树、支持向量机、梯度提升树、XGBoost、MLP、极限随机森林、AdaBoost、CatBoost、LGBM、Bagging聚集模型、Stacking、Voting），回归模型（随机森林、线性回归、k近邻、支持向量机、决策树、梯度提升、XGBoost、MLP、极限随机森林、AdaBoost、CatBoost、高斯回归、LGBM、Bagging聚集模型、Stacking回归器、Voting回归器），自动机器学习算法。分类模型与回归模型常用的评价指标。 | ||
10:45-11:00 | 茶歇 | ||
11:00-12:00 | 常见特征工程的原理及应用场景 介绍机器学习中所涉及到的特征工程（F因子检验过滤、PCA降维、互信息过滤、包装法、卡方过滤、多重共线性过滤、多项式特征、嵌套法、方差过滤、相关性过滤）的原理及意义，以及在机器学习中的应用案例介绍。 | ||
7/28
| 12:00-13:30 | 午餐 | |
13:30-15:30 | 常见深度学习算法的原理及应用 介绍目前常见的深度学习算法（GNN、CNN、DNN、RNN等）的发展、原理及应用场景 | ||
15:30-15:45 | 茶歇 | ||
15:45-17:15 | 常见深度学习算法的原理及应用 介绍目前常见的深度学习算法使用过程中涉及的网络设计、训练过程、数据处理等步骤的应用及应用过程中出现的一些问题的解决方案（如过拟合与欠拟合、数据、优化器选择、Dropout等等） | ||
17:15-18:00 | 课程讨论及答疑 | ||
第三天 《功能高分子材料的设计与模拟精讲》 | |||
7/29 | 09:00-10:30 | 分子模拟技术研究功能高分子材料性质(二) （实操） 基于实际案例，介绍功能高分子材料不同性质的计算原理、计算流程、参数设置和结果分析。 · 材料的基本物性计算：材料的密度、微观结构性质等； · 材料配方共混相容性：溶解度参数； · 材料的加工性能探究：交联结构、玻璃化转变温度等； · 材料的机械性能评估：应力-应变曲线等。 | |
10:30-10:45 | 茶歇 | ||
10:45-11:45 | 分子模拟技术研究功能高分子材料性质（三）（实操） 基于实际案例，介绍功能高分子材料不同性质的计算原理、计算流程、参数设置和结果分析。 · 材料的阻隔性能：计算材料的扩散系数； · 材料的耐久性研究：探究材料的老化机理、防腐性能等。 | ||
11:45-12:15 | 分子模拟技术研究功能高分子材料性质（四）（实操） 基于实际案例，介绍功能高分子材料不同性质的计算原理、计算流程、参数设置和结果分析。 · 材料的反应性探究：分析材料在不同环境条件下，发生反应过程中产物种类、数量等随时间的变化情况，探究反应机理。 | ||
12:15-13:30 | 午餐 | ||
13:30-14:15 | 人工智能案例讲解 剖析机器学习和深度学习的经典案例，展示深度学习和机器学习在功能高分子材料领域中的应用。 | ||
14:15-15:15 | 搭建AI预测模型进行材料设计/性能预测（实操） 演示AI预测模型的建立，对模型进行评估，并探讨模型用途。让学员更加详细地了解人工智能在解决功能高分子材料相关问题时的具体流程，参数设置及注意事项。 · 机器学习、深度学习组件讲解 · CNN/DNN深度学习案例演示 · AI预测+分子模拟方法高通量设计、预测、筛选新材料 | ||
15:15-15:30 | 茶歇 | ||
15:30-15:45 | DOE实验方案设计（实操） 介绍DOE实验方案设计原理、具体操作流程、参数设置及注意事项。该方法的使用可以提高实验结果的可靠性。 | ||
15:45-16:15 | DOE-ML实验方案设计（实操） 介绍DOE-ML实验方案设计原理、具体操作流程、参数设置及注意事项，并剖析具体案例。DOE-ML实验方案由于运用了机器学习算法，其优化效率比传统的DOE方法有进一步的提升。 | ||
16:15-16:45 | EDBO优化实验方案设计（实操） 介绍EDBO优化实验方案设计原理、具体操作流程、参数设置及注意事项，并通过具体案例进行深入探讨。这种方案设计可以帮助优化者更有效地利用有限的计算资源寻找到目标实验方案的最优解。 | ||
16:45-17:30 | 现场答疑 | ||
日期 | 时间 | 内容 | |
第一天《功能材料的理论设计》 李有勇教授 苏州大学 | |||
7/27 | 08:00-09:00 | 报到地点及时间 A3幢2层 培训中心（7月27日8:00-9:00） | |
09:00-12:15 | 由苏州大学李有勇教授主讲，让学员对功能材料的理论设计有更深刻的了解，为后续研究打下基础： · 分子模拟的发展历程 · 分子模拟与人工智能的发展趋势 · 功能材料概述 · 分子模拟与人工智能在功能材料中的应用现状 · 多尺度模拟方法在功能材料中的应用 | ||
12:15-13:30 | 午餐 | ||
13:30-15:00 | 建立功能高分子材料体系的微观模拟参量与宏观性能之间的关系 介绍功能高分子材料的基本知识；不同的计算性质如何与实验中功能高分子材料的研究与应用相关联，通过精选案例讲解，帮助学员理解在实践应用中如何选择和设计合适的功能高分子材料。 | ||
15:00-15:15 | 茶歇 | ||
15:15-15:45 | MaXFlow平台介绍 MaXFlow背景介绍，界面介绍，入门操作。 | ||
15:45-16:45 | MaXFlow结构建模（实操） 介绍MaxFlow建模功能，并准备案例上手实操。 | ||
16:45-17:30 | 分子模拟技术研究功能高分子材料性质(一) 介绍MaXFlow平台探究功能高分子材料重点关注性质的方法和流程，以及相关组件的原理和参数。 · 分子力学、动力学方法 · 高通量计算工作流 · APP应用方式 | ||
17:30-18:00 | 课程讨论及答疑 | ||
第二天 《机器学习与深度学习》 | |||
09:00-09:30 | 人工智能技术背景与现状 介绍目前人工智能算法的发展及现状、以及机器学习与深度学习常用算法的应用场景及特征工程的原理及使用，同时引入案例，让学员对人工智能算法的原理有更深刻的了解。 | ||
09:30-10:45 | 常见机器学习算法原理 介绍目前常见的机器学习算法的原理及应用场景，包括分类模型（随机森林、逻辑回归、k近邻算法、决策树、支持向量机、梯度提升树、XGBoost、MLP、极限随机森林、AdaBoost、CatBoost、LGBM、Bagging聚集模型、Stacking、Voting），回归模型（随机森林、线性回归、k近邻、支持向量机、决策树、梯度提升、XGBoost、MLP、极限随机森林、AdaBoost、CatBoost、高斯回归、LGBM、Bagging聚集模型、Stacking回归器、Voting回归器），自动机器学习算法。分类模型与回归模型常用的评价指标。 | ||
10:45-11:00 | 茶歇 | ||
11:00-12:00 | 常见特征工程的原理及应用场景 介绍机器学习中所涉及到的特征工程（F因子检验过滤、PCA降维、互信息过滤、包装法、卡方过滤、多重共线性过滤、多项式特征、嵌套法、方差过滤、相关性过滤）的原理及意义，以及在机器学习中的应用案例介绍。 | ||
7/28
| 12:00-13:30 | 午餐 | |
13:30-15:30 | 常见深度学习算法的原理及应用 介绍目前常见的深度学习算法（GNN、CNN、DNN、RNN等）的发展、原理及应用场景 | ||
15:30-15:45 | 茶歇 | ||
15:45-17:15 | 常见深度学习算法的原理及应用 介绍目前常见的深度学习算法使用过程中涉及的网络设计、训练过程、数据处理等步骤的应用及应用过程中出现的一些问题的解决方案（如过拟合与欠拟合、数据、优化器选择、Dropout等等） | ||
17:15-18:00 | 课程讨论及答疑 | ||
第三天 《功能高分子材料的设计与模拟精讲》 | |||
7/29 | 09:00-10:30 | 分子模拟技术研究功能高分子材料性质(二) （实操） 基于实际案例，介绍功能高分子材料不同性质的计算原理、计算流程、参数设置和结果分析。 · 材料的基本物性计算：材料的密度、微观结构性质等； · 材料配方共混相容性：溶解度参数； · 材料的加工性能探究：交联结构、玻璃化转变温度等； · 材料的机械性能评估：应力-应变曲线等。 | |
10:30-10:45 | 茶歇 | ||
10:45-11:45 | 分子模拟技术研究功能高分子材料性质（三）（实操） 基于实际案例，介绍功能高分子材料不同性质的计算原理、计算流程、参数设置和结果分析。 · 材料的阻隔性能：计算材料的扩散系数； · 材料的耐久性研究：探究材料的老化机理、防腐性能等。 | ||
11:45-12:15 | 分子模拟技术研究功能高分子材料性质（四）（实操） 基于实际案例，介绍功能高分子材料不同性质的计算原理、计算流程、参数设置和结果分析。 · 材料的反应性探究：分析材料在不同环境条件下，发生反应过程中产物种类、数量等随时间的变化情况，探究反应机理。 | ||
12:15-13:30 | 午餐 | ||
13:30-14:15 | 人工智能案例讲解 剖析机器学习和深度学习的经典案例，展示深度学习和机器学习在功能高分子材料领域中的应用。 | ||
14:15-15:15 | 搭建AI预测模型进行材料设计/性能预测（实操） 演示AI预测模型的建立，对模型进行评估，并探讨模型用途。让学员更加详细地了解人工智能在解决功能高分子材料相关问题时的具体流程，参数设置及注意事项。 · 机器学习、深度学习组件讲解 · CNN/DNN深度学习案例演示 · AI预测+分子模拟方法高通量设计、预测、筛选新材料 | ||
15:15-15:30 | 茶歇 | ||
15:30-15:45 | DOE实验方案设计（实操） 介绍DOE实验方案设计原理、具体操作流程、参数设置及注意事项。该方法的使用可以提高实验结果的可靠性。 | ||
15:45-16:15 | DOE-ML实验方案设计（实操） 介绍DOE-ML实验方案设计原理、具体操作流程、参数设置及注意事项，并剖析具体案例。DOE-ML实验方案由于运用了机器学习算法，其优化效率比传统的DOE方法有进一步的提升。 | ||
16:15-16:45 | EDBO优化实验方案设计（实操） 介绍EDBO优化实验方案设计原理、具体操作流程、参数设置及注意事项，并通过具体案例进行深入探讨。这种方案设计可以帮助优化者更有效地利用有限的计算资源寻找到目标实验方案的最优解。 | ||
16:45-17:30 | 现场答疑 | ||
