实战讲解有机光电材料机器学习

这是材料人推出机器学习系列第7门课程。此前已陆续推出金属材料、三元材料、新能源材料、机器学习势、GPUMD等课程。

2024年8月24日

上午 机器学习技术基础

09:00-10:00：机器学习与深度学习简介，三大要素（高质量原始数据，特征工程，算法）
10:00-11:00：数据收集：实验，文献提取，DFT；特征工程：描述因子的选取与优化
11:00-12:00：算法选取，预测结果的评估与分析

下午 数据采集源于实验

13:30-14:00：python环境构建，安装常用python库
14:00-15:00：实操1，有机半导体的筛选（实验mu预测）
15:00-16:00：实操2，有机太阳能给受体的筛选（实验PCE预测）
16:00-17:00：实操3，钙钛矿表面钝化分子的筛选（实验PCE预测）

2024年8月25日

上午 DFT高通量数据采集与机器学习预测

09:00-10:00：DFT高通量计算的实现
10:00-11:00：实操4，钙钛矿材料的bandgap预测 （DFT）
11:00-12:00：实操5，有机半导体中分子间轨道耦合的预测（DFT结果预测），还有重组能预测等

下午 机器学习进阶

13:30-14:30：实验数据优化，归一化，分组的影响
14:30-15:30：描述因子开发与优化
15:30-16:30：超参数优化
16:30-17:00：实操6， 电子皮肤或光电探测的物体识别（深度学习）

周老师，前100高校海外博士、某985大学副教授、博导。主要从事于计算材料学科学研究。已发表SCI论文含JACS， AM, AEM, AFM，ACS CATAL., PRB, JCIM,JCP等70余篇，他引超4200次，H因子32。

请点击文末原文链接进入直播间观看。

或在材料人APP内搜索“机器学习”

APP下载地址

回看同样在该地址观看。

1699元

开具正规发票，并提供报销凭证。

特惠：与2023年开设的新能源材料机器学习课程（原价1500）一起购买，优惠价2000元！

以下是该课程视频片段

请添加客服微信：cailiaoren010