麻省理工学院短期课程:材料信息学机器学习(实时虚拟，2022年9月26日至29日)

材料信息学的机器学习

教练: Markus J Buehler教授，mbuehler@MIT.EDU

2022年9月26日至29日(3.5天)，Live Virtual

点击这里了解更多信息:https://professional.mit.edu/course-catalog/machine-learning-materials-informatics

博士后和研究生可获得特殊奖学金，涵盖部分课程费用;请考生联系mbuehler@MIT.EDU并附上个人简历/个人简介。

随着有效和可推广的深度学习工具的成功，材料界将利用前所未有的突破，利用材料建模、分析和设计，以更高效、更低成本和更全面的方式响应市场需求和机遇。本课程将教你如何利用现有数据，并制定一个可操作的愿景，将材料信息学纳入当前的研究战略，以开发技术、服务和新的调查方向。此外，有了来自自主实验或大型数据库(如材料基因组计划)的数据，就有很多机会来加速和扩展材料设计平台。

在本课程中，您将充分学习如何将这些新技术和方法融入到您自己的材料建模、分析和设计过程中，以利用最近的人工智能突破，如语言模型(如GPT-3、BERT、LaMDA等)，DNA和蛋白质模型(如AlphaFold)，从分子到宏观结构应用的图神经网络，以及适用于计算机视觉的一系列方法，包括扩散模型(如在DALL-E 2或Imagen中使用)。专门用于材料的分析、设计和建模。该课程包括讲座、动手实验室和诊所，为学生提供沉浸式体验。参与者将学习在材料开发中部署机器学习的基础知识和技术，并获得从数据挖掘到逆向设计等各种应用的最先进工具的第一手了解。我们将涵盖从分子到连续体的尺度。

具体主题包括:

• 现代和尖端的机器学习工具，特别关注深度学习(包括:卷积神经网络，对抗方法，图神经网络，变压器模型，扩散模型;神经分子动力学)
• 图像、体素数据、动态数据和图形的分析，以及语言和符号的方法和混合方法
• 可视化和数据分析方法，包括统计方法、图形渲染、虚拟现实

教师将熟练地将这个复杂的领域分解为易于理解的概念，为您提供直接的访问，以利用新的工具解决您的问题空间，并发展技能，以判断和评估工作的最佳工具。与来自世界各地的同行一起，您将以实时虚拟格式参与互动讲座和实践编码诊所和实验室。这些活动旨在帮助您学习、设计和应用现代材料信息学工具，特别是人工智能和机器学习，包括神经原子间势、大规模多尺度建模，以提高您的发现、原型和开发过程的速度、效率和成本效益。您将了解现代计算工具如何使我们能够在多尺度材料发现中实现几乎任何理想的精度，将量子与宏观世界连接起来。

https://professional.mit.edu/course-catalog/machine-learning-materials-informatics