材料基因工程概论

来源: 发布日期:2019-09-02 浏览次数:

课程编码:GNED100102

学时:24

学分:2

课程类别:基础通识类选修课

所属板块:

选课要求:材料科学与工程、材料物理、应用数学、计算机、化学、化工、电气工程、能源动力与工程等专业本科生三、四年级

任课教师:丁向东教授、薛德祯副教授、邓俊楷副教授、周玉美副教授、李苏植教授,宗洪祥副教授等。

丁向东,教授,1999年获吉林工业大学工学博士学位,2008年西安交通大学材料学院教授、腾飞特聘教授、博士生导师。2016年被评为教育部“长江学者”特聘教授。现任西安交通大学材料学院副院长。主要从事材料的相变与形变行为规律及其尺度效应, 以及利用机器学习的方法快速优化材料的性能。在国外期刊发表研究论文100余篇,其中包括Nature 1篇,Science 1篇,Nat. Mater. 1 篇, Adv. Mater. 3 篇, Adv. Func. Mater 2篇,Nano Lett. 2篇,JACS 1篇,Acta Mater. 20篇,PRL 3 篇,PRB rapid communication/PRB 18 篇。

薛德祯,副教授,2008-2011年在日本物质材料研究所客座研究员,2012年获西安交通大学工学博士学位,2013-2016年在美国洛斯阿拉莫斯国家实验室进行博士后研究。主要利用材料基因组技术,特别是机器学习技术,研究缺陷对结构相变(铁电相变、马氏体相变等)的影响规律,以实现铁性智能材料的高性能化。熟悉材料学与信息学两个学科的相关知识与技术,致力于两个学科交叉领域的研究,迄今在Nat. Comm.,PNAS,Adv. Mater., Phys. Rev. Lett. 等期刊上发表论文70篇。相关的研究工作受到了国内外同行的关注,被Nature China,MRS Bulletin 等杂志专题评论。

邓俊楷,副教授,2008-2010年在日本物质材料研究所客座研究员,2011年获西安交通大学工学博士学位,2011-2013年在澳大利亚Monash大学进行博士后研究。主要研究领域为低维纳米材料、铁性智能材料和新能源材料。研究方向为计算材料学,熟悉第一性原理、分子动力学、蒙特卡洛方法、有限元模拟等多尺度计算材料学方法,在高通量材料设计方向有所研究。迄今在包括Nature Communications, JACS, Advanced Materials等学术期刊发表论文二十余篇,他引500余次。

周玉美,副教授,2008-2011年在日本物质材料研究所做联合培养博士课题研究,2011年获西安交通大学工学博士学位,2014-2015年在美国洛斯阿拉莫斯国家实验室进行访学研究。主要研究缺陷对形状记忆合金的马氏体相变行为的机制研究。在这一领域及相关研究方向发表SCI 论文34 篇,其中以第一作者/通讯作者在Physical Review Letters, Acta Materialia, Applied Physics Letters 等国际学术期刊上共发表论文十余篇。

课程内容简介:

材料基因组方法通过融合高通量计算、高通量实验和数据库技术,对材料的研发过程进行“加速”。在材料基因组技术中,机器学习技术被认为可以从大量材料科学的数据中通过算法搜索隐藏于其中的重要信息,进而实现材料性能的快速优化。本课程主要讲述材料基因工程概念与内涵、材料高通量计算、材料高通量制备与表征技术、特别是材料数据库与数据技术。通过本课程的学习让学生掌握材料基因工程的背景、概念和内涵,了解机器学习技术在材料学科中的应用,形成材料基因工程的新理念和新思想,并在今后的科研工作中进行应用。

课程特色:

材料基因工程是近年来兴起的材料研发新范式,本课程通过概念介绍、案例教学让学生全面了解材料基因工程的背景、概念和内涵,以及材料高通量计算设计、高通量制备与高通量表征技术、材料基因工程数据库,特别是机器学习与人工智能技术在材料开发中的应用,初步形成材料基因工程的新理念和新思想。

先修课程:高等数学、大学物理、计算机基础

授课模式:面授讲课+小组讨论

使用教材及参考书:

[1]Turab Lookman,Francis Alexander, Krishna Rajan, New York. Springer,2016.

[2] 周志华. 机器学习. 北京:清华大学出版社,2016.

考核方式:课后大作业(60%)+考勤(20%)+讨论(20%)

主办单位:西安交通大学教务处
地址及电话:西安交通大学兴庆校区教学主楼1304#  029-82665422