掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
高通量多尺度材料計算和機器學習 版權信息
- ISBN：9787030762825
- 條形碼：9787030762825 ; 978-7-03-076282-5
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
高通量多尺度材料計算和機器學習 內容簡介
傳統的材料研發模式主要是以實驗為主的"試錯法"，周期長，效率低，從新材料的*初發現到*終工業化應用一般需要10~20年。2011年美國提出了"材料基因組計劃"，其目的就是借助計算手段和數據方法并結合實驗，以三位一體的方式，幫助企業把發現、開發、生產和應用新材料的速度提高到目前的兩倍，變革傳統以實驗為主的"試錯法"材料研發模式。它強調通過計算與數據的集成，計算數據與實驗數據的集成，高通量計算與多尺度模擬的集成從而加快材料研發方法和方式的一種材料研發文化的轉變。基于計算和數據的新材料研發已經成為新材料研發的新業態和新模式。本書籍旨在探討高通量材料集成計算和材料信息學方法和技術如何可以用來輔助材料的理論設計
高通量多尺度材料計算和機器學習 目錄
目錄叢書序序一序二前言第1章 高通量多尺度材料計算：背景、意義和現狀 11.1 材料研發之計算 11.2 材料研發之 AI 31.3 材料研發之數據 51.4 高通量多尺度材料計算：需要計算、數據、AI融合的基礎設施支撐 71.4.1 高通量多尺度材料計算：特點及挑戰 71.4.2 高通量多尺度材料計算平臺：新材料研發基礎設施 101.4.3 高通量多尺度材料計算平臺發展趨勢 .131.5 國外高通量多尺度材料計算平臺現狀 161.5.1 美國微軟的Azure量子元素 161.5.2 美國Mat3ra 171.5.3 韓國Materials Square 181.6 MatCloud+材料云：國產高通量多尺度材料計算平臺 181.6.1 MatCloud+高通量多尺度材料智能設計云平臺簡介 181.6.2 高通量、多尺度、SaaS化、流程化、智能化、自動化、圖形化 201.6.3 10年研發歷程和項目資助 231.6.4 在歐盟、美、英、日、中東等的影響力 241.6.5 在國內的應用及影響力 25參考文獻 26第2章 企業級新材料研發之材料計算、數據、AI 302.1 概述 302.2 企業級新材料數字化研發典型案例 302.3 新材料數字化研發的核心技術：以美國QuesTek公司為例 322.3.1 **性原理計算 332.3.2 計算熱力學 342.3.3 材料數據庫和機器學習 352.3.4 物性衍生模型 362.4 我國新材料數字研發化：困境、思考和破局 37參考文獻 38第3章 材料基因和性能關系模型的構建 393.1 材料基因組計劃 393.2 基因、材料圖譜、分子指紋 413.3 材料基因編碼 vs. 材料基因 423.4 材料基因編碼的數學表達 443.4.1 材料基因 443.4.2 材料基因編碼的數學表達：材料基因編碼理想模型 443.5 基于材料基因編碼的材料智能設計框架 453.6 基于材料基因編碼的材料智能設計范式 46參考文獻 46第4章 高通量材料計算與篩選 484.1 高通量計算 484.2 高通量材料計算 514.2.1 高通量材料計算的特點 514.2.2 高通量材料計算的分類 524.2.3 高通量材料計算的用途 534.3 高通量材料計算篩選 534.3.1 高通量篩選 534.3.2 高通量計算篩選 544.3.3 高通量計算篩選的結構候選空間 544.3.4 生成化學空間的案例 564.3.5 生成化學空間的其他注意點 584.3.6 高通量計算篩選的理論計算 594.4 高通量材料集成計算 604.4.1 如何有效地與高性能計算集成 604.4.2 如何有效地與材料數據分析集成 614.4.3 高通量計算各環節步驟的自動化集成 624.4.4 不同尺度計算軟件的集成 654.4.5 計算數據與實驗數據的集成 654.5 智算驅動的高通量材料集成計算平臺建設 664.5.1 智算驅動的高通量材料集成計算平臺總體架構 664.5.2 基于開放架構的智算平臺核心技術實現 674.5.3 驅動引擎和自動流程 684.5.4 材料計算、制備、表征及服役的融合 684.5.5 融合人工智能與多尺度計算 684.6 高通量材料集成計算的未來發展趨勢 68參考文獻 69第5章 高通量計算環境 715.1 高通量計算環境之提供：高性能計算 715.1.1 術語和概念 715.1.2 多核架構 725.1.3 GPU架構 735.1.4 X-PU架構專用芯片 745.2 高通量計算環境之硬件：計算集群 755.2.1 計算集群基本概念 755.2.2 Beowulf計算集群 755.2.3 計算集群的優缺點分析 765.3 高通量計算環境之軟件：集群作業管理系統 775.3.1 集群作業調度 785.3.2 集群作業管理 795.4 高通量材料集成計算對高性能計算提出的挑戰 805.4.1 “多節點，小核數”vs.“少節點，大核數” 805.4.2 “不滿核，非*占”vs.“不滿核，*占” 815.4.3 自動調整和糾錯 815.4.4 作業的停止、刪除、續算 825.4.5 海量數據處理 82參考文獻 82第6章 高通量材料計算驅動引擎 836.1 高通量材料計算驅動引擎概念 836.2 高通量材料計算驅動引擎核心功能剖析.846.3 高通量材料計算驅動引擎非功能需求分析 866.4 實現高通量材料計算驅動引擎的關鍵要素 866.4.1 作業與任務的區分 866.4.2 滿足材料計算的高通量特性 876.4.3 高通量材料計算的容錯、糾錯機制. .876.4.4 工作流系統 876.4.5 高通量材料計算驅動引擎的要素整合 91參考文獻 92第7章 高通量結構建模 937.1 結構建模概述. .937.2 超胞構建 947.3 摻雜 947.4 表面切割 957.5 表面吸附 967.6 界面建模 977.7 粗粒化建模 98參考文獻 98第8章 多尺度計算模擬和跨尺度橋接. .998.1 概述 998.1.1 不同時空尺度的定義 1008.1.2 跨尺度橋接 1028.2 多尺度材料計算模擬1048.2.1 量子和原子空間尺度的計算模擬 1048.2.2 微觀尺度的材料結構演化和材料響應.1088.2.3 宏觀尺度的計算模擬 1138.3 軟件的輸入-輸出關系和跨尺度橋接耦合 1168.3.1 常用材料計算軟件的輸入-輸出關系 1178.3.2 常用材料計算軟件的跨尺度橋接方法.1208.4 跨時空尺度計算模擬的局限和挑戰 1228.5 跨時空尺度計算模擬的發展路線圖 1268.5.1 從科學/技術角度給出的建議路線圖 1268.5.2 從程序開發角度給出的建議路線圖 1278.6 自動化跨尺度橋接的國產軟件 1288.6.1 支持多尺度計算模擬的工作流引擎 1288.6.2 跨尺度橋接的自動化流程實現 1298.7 科技資源標識管理系統SciDataHandle 131參考文獻 132第9章 面向科研的材料計算. .1339.1 面向科研的材料計算特點 1339.1.1 面向科研的材料計算與企業級新材料研發的區別 1339.1.2 面向科研的材料計算主要特點 1349.1.3 面向科研的材料計算用戶行為分析 1349.2 無須下載、編譯、鏈接、安裝的材料計算 1359.2.1 計算模擬代碼的編譯和鏈接 1359.2.2 購買和安裝 1369.2.3 云端材料計算：免下載、安裝、編譯、鏈接的材料計算 1369.3 無須擔心硬件資源、計算資源的材料計算 1379.4 **性原理計算的“多結構、多任務、多目標”問題 1389.5 分子動力學的力場、前處理、后處理問題 1399.5.1 分子動力學的力場設置 1399.5.2 經驗力場的分類 1399.5.3 經驗力場的局限性 1419.5.4 力場的開發和擴展 1419.5.5 力場參數的自動匹配 1449.5.6 分子動力學計算的前處理挑戰 1459.5.7 分子動力學計算的后處理挑戰 1469.6 材料計算的作業管理、任務管理、資源管理 1489.7 “建模、計算、數據、AI”的自動流水線模式 1499.8 面向科研的材料計算面臨的挑戰和發展趨勢 1509.8.1 面向科研的材料計算面臨的挑戰 1509.8.2 材料計算和機器學習的深度融合 151參考文獻 152第10章 企業級材料基因數據庫 15310.1 構建企業級材料基因數據庫的意義和挑戰 15310.1.1 構建企業級材料基因數據庫的意義 15310.1.2 構建企業級材料基因數據庫的挑戰 15310.2 材料基因數據庫需求分析與架構 15410.3 材料基因數據庫的實現技術 15610.3.1 內部數據之制備和測試表征 15610.3.2 外部數據之行業信息數據 15710.3.3 數據安全 15710.3.4 材料數據類型 15910.4 材料測試表征和制備工藝數據錄入的解決方案 15910.5 材料數據的查詢和檢索 16010.5.1 查詢方式 16010.5.2 檢索方式 16010.5.3 檢索模式 161參考文獻 162第11章 機器學習：材料基因編碼的挖掘 16311.1 材料數據的機器學習.16311.2 定量構效關系模型 16411.2.1 定量構效關系模型的構建流程 16411.2.2 特征和描述符的區別 16511.3 數據收集 16611.4 特征提取 16711.4.1 描述符獲取 16711.4.2 結構特征 16911.4.3 結構特征獲取 16911.4.4 元素特征及獲取 17311.5 特征篩選 17311.6 模型構建 17411.7 模型評估 17511.7.1 分類問題的評估指標 17511.7.2 回歸問題的評估指標 17511.8 模型存儲 17611.9 主動學習 17611.9.1 主動學習在材料數據機器學習中的應用 17611.9.2 主動學習的選取未標記樣本策略 17711.10 一個機器學習挖掘材料基因編碼的實例 177參考文獻 180第12章 材料設計制造工業軟件 18312.1 新材料設計制造軟件的“卡脖子”局面 18312.2 新材料設計制造軟件的研發進展與前沿動態 18412.2.1 新材料數字化研發及新材料設計制造軟件的內涵和外延 18412.2.2 新材料設計制造軟件的分類 .18412.2.3 宏觀尺度的新材料制造設計軟件 18612.2.4 微觀尺度的材料結構演化和材料響應. .18812.2.5 量子和原子空間尺度的材料計算軟件. .18812.2.6 材料集成設計軟件 18812.3 我國在材料設計制造工業軟件的學術地位及發展動態 19112.3.1 材料設計制造軟件引起國家和地方政府重視 19212.3.2 我國的材料設計制造軟件、數據庫及標準現狀 19312.4 新材料研發工業軟件發展重點及未來展望 19412.4.1 材料設計軟件與制造工業軟件發展重點. .194
展開全部
高通量多尺度材料計算和機器學習 作者簡介
楊小渝，博士，英國劍橋大學博士后，現為中國科學院計算機網絡信息中心研究員，入選中國科學院“百人計劃”A類，博士研究生導師，中國科學院大學崗位教授，英國雷丁大學訪問教授。 在英國學習工作12年，獲英國德蒙福特大學計算機碩士（2001）、系統工程博士學位（2006），后分別在英國劍橋大學、南安普敦大學以及英國雷丁大學開展研究工作，其間作為核心人員參與了10多個歐盟框架項目和英國國家政府項目的研發。 2012年回國后主要從事高通量材料集成計算、人工智能、多尺度模擬計算、材料數據庫、材料信息學等研究。研發了我國首個高通量多尺度材料集成設計工業軟件及平臺MatCloud+，并實現了成果轉化。回國后主持或參與了國家發展改革委、國家自然科學基金、“十三五”國家重點研發計劃“材料基因工程重點專項”、北京市自然科學基金、云南省“稀貴金屬材料基因工程”等項目和課題。發表學術論文50余篇，并著有3部英文學術著作。2011年獲由教育部、科技部舉辦的第五屆“春暉杯”中國留學人員創新創業大賽二等獎。2010年獲香港特別行政區“香港優秀人才入境”身份。2012年放棄赴港，直接回到內地。
書友推薦
- >
李白與唐代文化
- >
山海經
- >
小考拉的故事-套裝共3冊
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
巴金－再思錄
- >
月亮虎
本類暢銷
