讲座简介:
人工智能的快速发展显著影响了各个科学领域,包括材料科学。深度学习算法能够处理海量数据并发现复杂模式,展示出在材料设计、性能预测和新材料发现方面的巨大潜力。本次讲座将深入探讨深度学习在材料科学中的基本原理和算法。讲座内容包括:
1.深度学习简介:深度学习概述及其在现代科学中的重要性(关键概念,如神经网络、反向传播和梯度下降)
2.深度学习架构:详细解释常见的深度学习架构,包括卷积神经网络(CNN)、循环神经网络(RNN)和生成对抗网络(GAN)(讨论如何将这些架构应用于材料科学)
3.材料科学中的数据处理:收集、预处理和增强材料数据的技术(高质量数据集的重要性及应对数据有限的策略)
4.材料发现与设计:通过逆设计和生成模型加速材料发现的方法(人工智能驱动的超导体、电池材料和纳米材料发现的实例)
5.挑战与未来方向:讨论深度学习在材料科学应用中面临的挑战,如模型可解释性和可扩展性(深度学习与材料研究结合的未来趋势和潜在突破)
主讲人:刘力格
主讲人简介:
刘力格,本科毕业于中科大少年班,获得凝聚态物理方向学士学位;硕士毕业于麻省理工学院并取得物理和计算机双学位;目前在美的集团微清事业部担任AI感知负责人。在机器人国际顶会ACCV、IROS发表多篇论文,撰写国内外发明专利23件。
讲座时间:9月21日 13:30
讲座地点:复旦大学江湾校区教学楼JA105