首页
›
先进材料、材料计算与可靠性工程
›
022-材料数据科学与机器学习
›
《材料主动学习与实验设计工程》
VIP10
本课程属于:022-材料数据科学与机器学习
先进材料、材料计算与可靠性工程 · 共 10 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
材料主动学习与实验设计工程
共计 30 章节
可可资料掘金营 · 点击在线试看
01
材料研发中的主动学习范式
目标=从试错到智能迭代的转变 · 主动学习核心循环(代理模型-采集函数… · 与传统实验设计方法的对比
材料研发
主动学习范式
02
材料实验数据的结构化表示
目标=成分 · 工艺 · 结构
材料实验数据的结…
目标=成分
03
代理模型选型与构建
目标=高斯过程回归 · 随机森林 · 神经网络等模型在材料性能预测中的适用…
代理模型选型
构建
04
采集函数与实验决策
目标=探索与利用的权衡 · 期望改进 · 置信上界
采集函数
实验决策
05
主动学习闭环的工程实现
目标=实验设计-执行-反馈的自动化流… · 实验数据实时回传 · 模型在线更新
主动学习闭环的工…
目标=实验设计
06
材料成分空间的主动探索
目标=合金 · 陶瓷 · 高分子等成分空间的表示
材料成分空间的主…
目标=合金
07
工艺参数的主动优化
目标=温度 · 时间 · 压力等工艺窗口的主动搜索
工艺参数的主动优…
目标=温度
08
多目标主动学习与帕累托前沿
目标=强度-韧性 · 导电-导热等多目标冲突 · 帕累托最优概念
多目标主动学习
帕累托前沿
09
主动学习中的实验噪声与不确定性
目标=材料实验的随机误差与系统误差 · 噪声建模 · 鲁棒采集函数
主动学习
实验噪声
10
批量实验设计与并行主动学习
目标=并行实验的资源分配 · 批量采集函数 · 多样性增强策略
批量实验设计
并行主动学习
11
主动学习与高通量实验结合
目标=高通量合成与表征技术 · 数据流整合 · 主动学习驱动的实验筛选
主动学习
高通量实验结合
12
主动学习与第一性原理计算融合
目标=DFT计算数据作为先验知识 · 多保真度建模 · 计算-实验协同主动学习
主动学习
第一性原理计算融…
13
主动学习在材料失效与寿命预测中的应用
目标=疲劳 · 腐蚀 · 蠕变等失效模式
主动学习
材料失效
14
主动学习在能源材料中的应用
目标=电池 · 燃料电池 · 太阳能电池材料
主动学习
能源材料
15
主动学习在软材料与高分子中的应用
目标=聚合物配方优化 · 力学性能预测 · 主动学习加速配方筛选
主动学习
软材料
16
主动学习在复合材料中的应用
目标=纤维增强复合材料 · 界面设计 · 多尺度建模
主动学习
复合材料
17
主动学习在纳米材料中的应用
目标=纳米颗粒合成 · 尺寸与形貌控制 · 主动学习优化合成参数
主动学习
纳米材料
18
主动学习在催化材料中的应用
目标=催化剂配方与反应条件优化 · 活性与选择性预测 · 主动学习加速催化剂发现
主动学习
催化材料
19
主动学习在金属材料中的应用
目标=合金设计 · 热处理工艺优化 · 微观组织-性能关系
主动学习
金属材料
20
主动学习在陶瓷材料中的应用
目标=烧结工艺优化 · 力学与热学性能 · 主动学习探索成分-工艺空间
主动学习
陶瓷材料
21
主动学习在电子材料中的应用
目标=半导体 · 介电 · 磁性材料
主动学习
电子材料
22
主动学习在生物材料中的应用
目标=生物相容性 · 降解速率 · 力学匹配
主动学习
生物材料
23
主动学习实验平台搭建
目标=自动化实验设备 · 机器人平台 · 数据采集与控制系统
主动学习实验平台…
目标=自动化实验…
24
主动学习中的特征选择与降维
目标=高维材料描述符 · 主成分分析 · 自编码器
主动学习
特征选择
25
主动学习中的迁移学习与元学习
目标=跨材料体系知识迁移 · 少样本学习 · 元学习策略
主动学习
迁移学习
26
主动学习中的强化学习结合
目标=序贯决策问题 · 强化学习与主动学习的异同 · 策略梯度方法
主动学习
强化学习结合
27
主动学习实验设计的评估与基准
目标=评估指标(发现效率 · 成本节约) · 基准数据集与模拟环境
主动学习实验设计…
基准
28
主动学习在工业材料研发中的落地
目标=工业场景约束 · 数据安全与隐私 · 与现有研发流程整合
主动学习
工业材料研发
29
主动学习实验设计的伦理与安全
目标=实验安全风险 · 数据偏见与公平性 · 环境影响
主动学习实验设计…
安全
30
主动学习与实验设计工程前沿与展望
目标=自驱动实验室 · 多智能体协作 · 生成模型与主动学习结合
主动学习
实验设计工程前沿
所属VIP或分类
同VIP:材料信息学实战100例
同VIP:材料分类与相结构识别工程
同VIP:材料图神经网络应用工程