Py学习  »  机器学习算法

【明天开讲】12小时直播,轻松入门DFT计算与机器学习,拿下最热顶刊技能!

催化开天地 • 1 年前 • 312 次点击  
理论计算在材料领域的作用已经被越来越多的研究人员所认可,近年来,随着“计算+实验”模式的确定,DFT计算发文量暴涨,逼近每年3万篇
计算模拟不仅成为Science、Nature等顶刊标配,更逐步变为顶刊必备!
发文章难啊,没点计算不行了!

但DFT计算具有一定的技术壁垒,大多数科研人员会面临同样的困惑:

DFT计算有什么用?该用什么软件?如何搭建模型,怎样分析结果?我算的到底对不对?审稿人质疑我怎么办?

为了解决大家的疑惑,华算科技推出DFT计算特训营,朱老师带大家一步步入门DFT计算,早发顶刊,顺利毕业!
课程形式:12小时直播,价值1280元,限时免费提供回放。
课程对象:无任何计算基础的实验科研人员
课程内容:特训营连讲八期,8月1日开讲。

扫描下方二维码,回复“123”免费听课、下载资料。
扫描下方二维码回复:123
1
讲师介绍


朱老师,同济大学本科直接攻读博士学位(4年),海外3年以上博后经历,发表高质量独立一作SCI论文30篇。

回国后被授予深圳市海外高层次人才,拥有14年VASP重度使用经验,成功讲授100+场VASP计算培训和超过6W人的学习理论计算公开课。
2
课程内容


01

第一期

DFT计算在材料领域应用
主要介绍DFT计算所能得到的结构(晶格常数、键长键角)、电子(电荷分布、态密度、能带结构)、弹性(弹性常数、弹性模量)、光学(介电函数、折射率、反射率、吸收系数、反射率、能量损失函数)、磁性(铁磁、反铁磁、亚铁磁)、吸附(吸附构型、吸附能、结合能、功函数)等性质与实验结果结合的文献案例,说明DFT计算在各种材料研究领域的应用。
二维材料与异质结构
异质结构差分电荷密度

晶体表面吸附分子与自旋密度

02

第二期

DFT计算在催化领域应用
主要介绍DFT计算所能得到的催化剂结构模型、电子结构(态密度、d带中心、功函数)、反应中间体构型、反应自由能、反应路径与势垒等计算结果与实验结果结合的文献案例,说明如何在电催化领域运用DFT计算。
OER、ORR C-V曲线与过电位
ORR自由能、吸附构型、差分电荷密度

CO2RR自由能与中间体构型

03
第三期
DFT计算在电池领域应用

主要介绍DFT计算所能得到的Li/Na/K离子电池离子容量、电位、离子迁移势垒,Li-S、Li-O2、Li-CO2电池涉及的Li与S、O2、CO2反应中间体构型、转化反应自由能、分解反应路径与势垒,说明如何在电池领域运用DFT计算。

Li离子电池C-V曲线、倍率性能、循环性能
Li迁移路径与势垒

多硫化锂吸附与转化自由能

04

第四期

DFT计算在半导体领域应用
主要介绍DFT计算所能得到的电荷密度、态密度、能带结构、投影电荷密度、原子轨道杂化、静电势、功函数、介电函数、缺陷形成能、缺陷转变能级、缺陷迁移路径与势垒等计算结果与实验结果结合的文献案例,说明如何在半导体领域运用DFT计算。
能带结构、电荷分布
异质结构电荷转移、能带匹配、光吸收

半导体缺陷形成能

05

第五期

DFT计算软件功能介绍
主要介绍VASP、ABINIT、QE、MS、CRYSTAL、SIESTA等常见DFT计算软件的优势与不足,并简要介绍VASP计算流程与输入输出文件,说明在不同研究领域如何选择正确DFT计算软件以达到实验与理论结合的目的。
Linux操作系统
各种计算软件

VASP wiki

06

第六期

DFT计算软件操作与运行平台
主要介绍超算平台的连接与使用、Linux操作系统命令、VASP计算简单案例步骤与结果分析,让实验人员了解DFT计算的具体的工作内容以及如何分析计算结果。
态密度、投影电荷密度
HER自由能、d带中心

Li在二维材料表面吸附

07

第七期

DFT计算数据处理工具
主要介绍VASP计算结果的处理工具,包括VESTA、P4VASP、数据处理脚本、Gnuplot、Origin、Inkscape、Gimp,让实验人员了解如何处理DFT计算数据以实现文献中的图片效果。
VESTA软件
Origin软件

P4VASP软件

08

第八期

机器学习在材料领域的应用

主要介绍机器学习在材料领域的使用方法,包括机器学习基本原理,基本框架,适用领域,与实验,计算的结合方法,让化学与材料学的研究人员能读懂机器学习相关文献,并了解如何在自己的领域中使用机器学习。

合金材料中使用机器学习

电极材料、孔状材料中使用机器学习
ML与高通量筛选进行结合
特训营
免费听课       
扫描下方二维码回复:123
扫描下方二维码回复: 123
扫描下方二维码回复:123

快上车,搞定DFT计算!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/159204
 
312 次点击