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