超材料（Metamaterials）是一类人工设计的结构材料，其电磁、声学或力学特性超越了自然界已知材料的性能。超材料的特殊性质来源于其人工结构，而非其组成材料的本质。因此，超材料的关键是如何设计和调控其微观结构。
近年来深度学习为超材料等设计带来了前所未有的设计体验和热点，从超材料的性能预测，到微观结构生成和逆向设计。为此，我们材料人特邀郑老师于2025年3月22-23日在材料人网线上授课【超材料+深度学习】。本课程将从超材料的设计理念出发，结合深度学习的特点，带大家了解如何进入这个热点领域。课程将涵盖超材料的数据库准备，深度学习的模型介绍，深度学习环境的配置，深度学习模型的构建、训练和运用。并且以实例演示如何从0开始做超材料的深度学习。课程结束后，郑老师还将在上课群内提供为期一周的答疑。特别地，材料人旗下服务器品牌鸿研新推出了深度学习服务器机型，购买任一款均可以免费参与本课程。
3月22日
9:00 – 10:20 超材料与深度学习的碰撞
1） 超材料背景
a. 超材料的概念、进展、展望
b. 超材料的设计与模拟方法
2） 深度学习在超材料中的应用(涵盖力学、光学、声学等各种)
a. 深度学习的概念和本质
b. 深度学习与超材料结合的趋势
c. 深度学习在超材料中的典型应用：性质预测、结构生成和逆向设计
d. 使用深度学习进行超材料设计的基本思路和步骤
10:30 – 12:00数据库的准备
1） 超材料几何的建模方法
a. 介绍CAD软件结合布尔运算，构建3D的超材料结构
b. 隐式方程 （基于隐式方程implicit functions，使用MATLAB构建三维周期性极小面结构）
c. 扩散方程 （基于扩散方程diffusion equations，使用MATLAB构建Spinodoid metamaterials）
d. Voronoi tessellation (基于泰森多边形Voronoi tessellation，使用python和blender构建2D和3D的点阵结构lattices)
e. 拓扑优化 （使用拓扑优化生成具有优异性质的超材料）
2） Label（力学等材料性质）的准备
a. 均质化法 （使用均质化法homogenization method，计算超材料的代表性体积元素的等效性质，例如杨氏模量，泊松比，传导率，扩散率等）
b. 有限元法 （介绍有限元模拟，计算超材料的非线性性质，例如应力应变曲线，并且得到可视化的物理场图片或视频 ）
c. 3D打印+实验测量 （如何使用3D打印，制备超材料，并且进行实验验证。这里会以力学超材料为例）
14:00 – 15:20用于性能预测的深度学习模型
这节课会详细介绍这些深度学习模型的原理，结构，框架，以及应用等。特别是如何构建合适的材料数据库和神经网格，来做材料的性能性质预测。期间会举例一些超材料的案例。
1） Multilayer Perceptron
2） Convolutional neural network
3） Transformer-based models
4） Graph neural network
15:30 – 17:00用于结构生成和逆向设计的深度学习模型
这节课会详细介绍这些深度学习模型的原理，结构，框架，以及应用等。特别是如何构建合适的材料数据库和神经网格，来做材料的结构生成和逆向设计。期间会举例一些超材料的结构生成和逆向设计。
1） Generative adversarial network
2） Variational Autoencoder
3） Diffusion model
4）Flow-based model
3月23日
9:00 – 10:20 构建你的深度学习环境
这节课程会详细介绍如何搭建一个ubuntu的GPU环境，并且搭建自己python包，最后再结合TensorFlow或者PyTorch构建自己的深度学习环境。此外，还会介绍如何调用网络上的一些预训练深度学习模型，以及如何获取GitHub上的一些代码和模型。
1） 实体GPU服务器环境的搭建
2） 虚拟机环境的搭建
3） 机器学习框架（TensorFlow or PyTorch）
4） 预训练深度学习模型的调用
10:30 – 12:00 构建你的第一个深度学习模型
这节课会介绍如何一个基本的深度学习+超材料的流程。先从准备一个材料数据库开始，并且构建一个自己的卷积神经网格。然后讲解如何训练神经网格，并且可视化训练结果。之后讲解如果使用已经训练好的神经网格进行超材料的性能预测，并且如何与实验验证结合。
1） 超材料数据库的准备与调用
2） 卷积神经网格的搭建
3） 训练与结果可视化
4） 超材料的性能预测与实验验证
14:00 – 15:20 案例解析1：以力学超材料为例的逆向设计
这节课会以两个案例作为讲解，如何进行两种超材料的逆向设计。
1） 2D负泊松比超材料的逆向设计
a. "Controllable inverse design of auxetic metamaterials using deep learning." Materials & Design 211 (2021): 110178.
2） 3D点阵超材料的逆向设计
a. "Deep-learning-based inverse design of three-dimensional architected cellular materials with the target porosity and stiffness using voxelized Voronoi lattices." Science and Technology of Advanced Materials 24.1 (2023): 2157682.
15:30 – 17:00案例解析2：大语言模型与大数据
这节课会以两个案例作为讲解，介绍深度学习+超材料的发展趋势。
1） 文字生成材料结构
a. "Text‐to‐Microstructure Generation Using Generative Deep Learning." Small 20.37 (2024): 2402685.
2） 基于大数据的材料发现
a. Zeni, Claudio, et al. "A generative model for inorganic materials design." Nature (2025): 1-3.
郑老师，亚洲某顶尖高校助理教授，在海外学习和工作多年。主要从事于基于深度学习和有限元模拟的材料设计。在Advanced materials等期刊上发表文章30余篇，谷歌学术被引1000余次，H-index 15。并担任Nature machine intelligence等数十个期刊审稿人。
点击阅读原文进入上课链接，购买后即可获得直播和回看观看权限，或联系客服开通权限。请在直播期间进入网页观看直播或通过APP观看，微信群内答疑交流，直播结束后同地址观看回看。回看不限时不限次。
