Materials Informatics for Data-Driven Design

การค้นพบวัสดุแบบดั้งเดิมมักจะช้าและอาศัยการทดลองแบบลองผิดลองถูกเป็นส่วนใหญ่ Materials informatics เปลี่ยนแปลงสิ่งนี้โดยใช้ประโยชน์จากวิทยาศาสตร์ข้อมูล, machine learning, และเครื่องมือคำนวณเพื่อออกแบบ, วิเคราะห์, และค้นพบวัสดุด้วยความเร็วที่ไม่เคยมีมาก่อน หลักสูตรนี้จะแนะนำคุณเกี่ยวกับแนวคิดพื้นฐานของ materials informatics, แสดงให้คุณเห็นถึงวิธีการแปลงโครงสร้างวัสดุทางกายภาพให้เป็นข้อมูลดิจิทัลที่อัลกอริทึมสามารถวิเคราะห์ได้ คุณจะเข้าใจวิธีการสร้างแบบจำลองเชิงคาดการณ์, การใช้ฐานข้อมูลวัสดุสาธารณะ, และการประยุกต์ใช้เวิร์กโฟลว์ที่ขับเคลื่อนด้วยข้อมูลสมัยใหม่เพื่อเร่งการพัฒนาในสเกลโครงสร้างที่แตกต่างกัน สิ่งที่คุณจะได้เรียนรู้: - เข้าใจหลักการสำคัญของ materials informatics และวิทยาศาสตร์ข้อมูลมีปฏิสัมพันธ์กับเคมีวัสดุทางกายภาพอย่างไร - แสดงโครงสร้างวัสดุแบบดิจิทัลโดยใช้ตัวบ่งชี้คริสตัลและโมเลกุล, fingerprints, และ feature engineering - ประยุกต์ใช้อัลกอริทึม machine learning เพื่อคาดการณ์คุณสมบัติทางกล, ความร้อน, และอิเล็กทรอนิกส์จากข้อมูลวัสดุ - นำทางและดึงข้อมูลที่มีค่าจากฐานข้อมูลและคลังข้อมูลวัสดุที่เปิดให้เข้าถึงได้ - สำรวจกลยุทธ์ active learning และ Bayesian optimization เพื่อการค้นพบวัสดุที่มีประสิทธิภาพ - วิเคราะห์โครงสร้างวัสดุแบบลำดับชั้นที่ครอบคลุมหลายสเกลความยาวโดยใช้เทคนิค computational modeling คุณจะเริ่มต้นด้วยคำจำกัดความพื้นฐานของข้อมูลวัสดุและการแสดงข้อมูลก่อนที่จะเข้าสู่ computational workflows ที่ใช้งานได้จริง ผ่านคำอธิบายที่ชัดเจน, โค้ดตัวอย่างที่มีโครงสร้าง, และแบบฝึกหัดที่ใช้งานได้จริง คุณจะได้เรียนรู้วิธีสร้างแบบจำลองเชิงคาดการณ์และสอบถามฐานข้อมูลวัสดุ หลักสูตรนี้ออกแบบมาสำหรับนักศึกษา, นักวิจัย, และวิศวกรในสาขาวิทยาศาสตร์วัสดุ, เคมี, หรือวิทยาศาสตร์ข้อมูลที่ยังใหม่ต่อ informatics ไม่จำเป็นต้องมีประสบการณ์ machine learning มาก่อน แม้ว่าความเข้าใจพื้นฐานเกี่ยวกับแนวคิดวิทยาศาสตร์วัสดุจะเป็นประโยชน์ก็ตาม เริ่มต้นการเดินทางของคุณสู่โลกอนาคตของการค้นพบวัสดุได้แล้ววันนี้