中图网

>

计算机理论

高通量多尺度材料计算和机器学习

作者：杨小渝

出版社：科学出版社出版时间：2023-08-01

开本： B5 页数： 348

本类榜单：计算机/网络销量榜

中图价:¥148.5(7.5折) 定价 ~~¥198.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥38.8¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥49.3¥69
>
第一行代码Android

第一行代码Android

¥58.4¥99
>
深度学习

深度学习

¥92.4¥168
>
Unreal Engine 4蓝图完全学习教程

Unreal Engine 4蓝图完全学习教程

¥72.2¥168
>
深入理解计算机系统-原书第3版

深入理解计算机系统-原书第3版

¥104.3¥139
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)

¥21¥49.9

商品详情
商品评论(0条)

中图价:¥148.5 加入购物车

版权信息
内容简介
目录
作者简介

高通量多尺度材料计算和机器学习版权信息

ISBN：9787030762825
条形码：9787030762825 ; 978-7-03-076282-5
装帧：精装
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
计算机理论

高通量多尺度材料计算和机器学习内容简介

传统的材料研发模式主要是以实验为主的"试错法"，周期长，效率低，从新材料的*初发现到*终工业化应用一般需要10~20年。2011年美国提出了"材料基因组计划"，其目的就是借助计算手段和数据方法并结合实验，以三位一体的方式，帮助企业把发现、开发、生产和应用新材料的速度提高到目前的两倍，变革传统以实验为主的"试错法"材料研发模式。它强调通过计算与数据的集成，计算数据与实验数据的集成，高通量计算与多尺度模拟的集成从而加快材料研发方法和方式的一种材料研发文化的转变。基于计算和数据的新材料研发已经成为新材料研发的新业态和新模式。本书籍旨在探讨高通量材料集成计算和材料信息学方法和技术如何可以用来辅助材料的理论设计

高通量多尺度材料计算和机器学习目录

目录丛书序序一序二前言第1章高通量多尺度材料计算：背景、意义和现状 11.1 材料研发之计算 11.2 材料研发之 AI 31.3 材料研发之数据 51.4 高通量多尺度材料计算：需要计算、数据、AI融合的基础设施支撑 71.4.1 高通量多尺度材料计算：特点及挑战 71.4.2 高通量多尺度材料计算平台：新材料研发基础设施 101.4.3 高通量多尺度材料计算平台发展趋势 .131.5 国外高通量多尺度材料计算平台现状 161.5.1 美国微软的Azure量子元素 161.5.2 美国Mat3ra 171.5.3 韩国Materials Square 181.6 MatCloud+材料云：国产高通量多尺度材料计算平台 181.6.1 MatCloud+高通量多尺度材料智能设计云平台简介 181.6.2 高通量、多尺度、SaaS化、流程化、智能化、自动化、图形化 201.6.3 10年研发历程和项目资助 231.6.4 在欧盟、美、英、日、中东等的影响力 241.6.5 在国内的应用及影响力 25参考文献 26第2章企业级新材料研发之材料计算、数据、AI 302.1 概述 302.2 企业级新材料数字化研发典型案例 302.3 新材料数字化研发的核心技术：以美国QuesTek公司为例 322.3.1 **性原理计算 332.3.2 计算热力学 342.3.3 材料数据库和机器学习 352.3.4 物性衍生模型 362.4 我国新材料数字研发化：困境、思考和破局 37参考文献 38第3章材料基因和性能关系模型的构建 393.1 材料基因组计划 393.2 基因、材料图谱、分子指纹 413.3 材料基因编码 vs. 材料基因 423.4 材料基因编码的数学表达 443.4.1 材料基因 443.4.2 材料基因编码的数学表达：材料基因编码理想模型 443.5 基于材料基因编码的材料智能设计框架 453.6 基于材料基因编码的材料智能设计范式 46参考文献 46第4章高通量材料计算与筛选 484.1 高通量计算 484.2 高通量材料计算 514.2.1 高通量材料计算的特点 514.2.2 高通量材料计算的分类 524.2.3 高通量材料计算的用途 534.3 高通量材料计算筛选 534.3.1 高通量筛选 534.3.2 高通量计算筛选 544.3.3 高通量计算筛选的结构候选空间 544.3.4 生成化学空间的案例 564.3.5 生成化学空间的其他注意点 584.3.6 高通量计算筛选的理论计算 594.4 高通量材料集成计算 604.4.1 如何有效地与高性能计算集成 604.4.2 如何有效地与材料数据分析集成 614.4.3 高通量计算各环节步骤的自动化集成 624.4.4 不同尺度计算软件的集成 654.4.5 计算数据与实验数据的集成 654.5 智算驱动的高通量材料集成计算平台建设 664.5.1 智算驱动的高通量材料集成计算平台总体架构 664.5.2 基于开放架构的智算平台核心技术实现 674.5.3 驱动引擎和自动流程 684.5.4 材料计算、制备、表征及服役的融合 684.5.5 融合人工智能与多尺度计算 684.6 高通量材料集成计算的未来发展趋势 68参考文献 69第5章高通量计算环境 715.1 高通量计算环境之提供：高性能计算 715.1.1 术语和概念 715.1.2 多核架构 725.1.3 GPU架构 735.1.4 X-PU架构专用芯片 745.2 高通量计算环境之硬件：计算集群 755.2.1 计算集群基本概念 755.2.2 Beowulf计算集群 755.2.3 计算集群的优缺点分析 765.3 高通量计算环境之软件：集群作业管理系统 775.3.1 集群作业调度 785.3.2 集群作业管理 795.4 高通量材料集成计算对高性能计算提出的挑战 805.4.1 “多节点，小核数”vs.“少节点，大核数” 805.4.2 “不满核，非*占”vs.“不满核，*占” 815.4.3 自动调整和纠错 815.4.4 作业的停止、删除、续算 825.4.5 海量数据处理 82参考文献 82第6章高通量材料计算驱动引擎 836.1 高通量材料计算驱动引擎概念 836.2 高通量材料计算驱动引擎核心功能剖析.846.3 高通量材料计算驱动引擎非功能需求分析 866.4 实现高通量材料计算驱动引擎的关键要素 866.4.1 作业与任务的区分 866.4.2 满足材料计算的高通量特性 876.4.3 高通量材料计算的容错、纠错机制. .876.4.4 工作流系统 876.4.5 高通量材料计算驱动引擎的要素整合 91参考文献 92第7章高通量结构建模 937.1 结构建模概述. .937.2 超胞构建 947.3 掺杂 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 98参考文献 98第8章多尺度计算模拟和跨尺度桥接. .998.1 概述 998.1.1 不同时空尺度的定义 1008.1.2 跨尺度桥接 1028.2 多尺度材料计算模拟1048.2.1 量子和原子空间尺度的计算模拟 1048.2.2 微观尺度的材料结构演化和材料响应.1088.2.3 宏观尺度的计算模拟 1138.3 软件的输入-输出关系和跨尺度桥接耦合 1168.3.1 常用材料计算软件的输入-输出关系 1178.3.2 常用材料计算软件的跨尺度桥接方法.1208.4 跨时空尺度计算模拟的局限和挑战 1228.5 跨时空尺度计算模拟的发展路线图 1268.5.1 从科学/技术角度给出的建议路线图 1268.5.2 从程序开发角度给出的建议路线图 1278.6 自动化跨尺度桥接的国产软件 1288.6.1 支持多尺度计算模拟的工作流引擎 1288.6.2 跨尺度桥接的自动化流程实现 1298.7 科技资源标识管理系统SciDataHandle 131参考文献 132第9章面向科研的材料计算. .1339.1 面向科研的材料计算特点 1339.1.1 面向科研的材料计算与企业级新材料研发的区别 1339.1.2 面向科研的材料计算主要特点 1349.1.3 面向科研的材料计算用户行为分析 1349.2 无须下载、编译、链接、安装的材料计算 1359.2.1 计算模拟代码的编译和链接 1359.2.2 购买和安装 1369.2.3 云端材料计算：免下载、安装、编译、链接的材料计算 1369.3 无须担心硬件资源、计算资源的材料计算 1379.4 **性原理计算的“多结构、多任务、多目标”问题 1389.5 分子动力学的力场、前处理、后处理问题 1399.5.1 分子动力学的力场设置 1399.5.2 经验力场的分类 1399.5.3 经验力场的局限性 1419.5.4 力场的开发和扩展 1419.5.5 力场参数的自动匹配 1449.5.6 分子动力学计算的前处理挑战 1459.5.7 分子动力学计算的后处理挑战 1469.6 材料计算的作业管理、任务管理、资源管理 1489.7 “建模、计算、数据、AI”的自动流水线模式 1499.8 面向科研的材料计算面临的挑战和发展趋势 1509.8.1 面向科研的材料计算面临的挑战 1509.8.2 材料计算和机器学习的深度融合 151参考文献 152第10章企业级材料基因数据库 15310.1 构建企业级材料基因数据库的意义和挑战 15310.1.1 构建企业级材料基因数据库的意义 15310.1.2 构建企业级材料基因数据库的挑战 15310.2 材料基因数据库需求分析与架构 15410.3 材料基因数据库的实现技术 15610.3.1 内部数据之制备和测试表征 15610.3.2 外部数据之行业信息数据 15710.3.3 数据安全 15710.3.4 材料数据类型 15910.4 材料测试表征和制备工艺数据录入的解决方案 15910.5 材料数据的查询和检索 16010.5.1 查询方式 16010.5.2 检索方式 16010.5.3 检索模式 161参考文献 162第11章机器学习：材料基因编码的挖掘 16311.1 材料数据的机器学习.16311.2 定量构效关系模型 16411.2.1 定量构效关系模型的构建流程 16411.2.2 特征和描述符的区别 16511.3 数据收集 16611.4 特征提取 16711.4.1 描述符获取 16711.4.2 结构特征 16911.4.3 结构特征获取 16911.4.4 元素特征及获取 17311.5 特征筛选 17311.6 模型构建 17411.7 模型评估 17511.7.1 分类问题的评估指标 17511.7.2 回归问题的评估指标 17511.8 模型存储 17611.9 主动学习 17611.9.1 主动学习在材料数据机器学习中的应用 17611.9.2 主动学习的选取未标记样本策略 17711.10 一个机器学习挖掘材料基因编码的实例 177参考文献 180第12章材料设计制造工业软件 18312.1 新材料设计制造软件的“卡脖子”局面 18312.2 新材料设计制造软件的研发进展与前沿动态 18412.2.1 新材料数字化研发及新材料设计制造软件的内涵和外延 18412.2.2 新材料设计制造软件的分类 .18412.2.3 宏观尺度的新材料制造设计软件 18612.2.4 微观尺度的材料结构演化和材料响应. .18812.2.5 量子和原子空间尺度的材料计算软件. .18812.2.6 材料集成设计软件 18812.3 我国在材料设计制造工业软件的学术地位及发展动态 19112.3.1 材料设计制造软件引起国家和地方政府重视 19212.3.2 我国的材料设计制造软件、数据库及标准现状 19312.4 新材料研发工业软件发展重点及未来展望 19412.4.1 材料设计软件与制造工业软件发展重点. .194

展开全部

高通量多尺度材料计算和机器学习作者简介

杨小渝，博士，英国剑桥大学博士后，现为中国科学院计算机网络信息中心研究员，入选中国科学院“百人计划”A类，博士研究生导师，中国科学院大学岗位教授，英国雷丁大学访问教授。在英国学习工作12年，获英国德蒙福特大学计算机硕士（2001）、系统工程博士学位（2006），后分别在英国剑桥大学、南安普敦大学以及英国雷丁大学开展研究工作，其间作为核心人员参与了10多个欧盟框架项目和英国国家政府项目的研发。 2012年回国后主要从事高通量材料集成计算、人工智能、多尺度模拟计算、材料数据库、材料信息学等研究。研发了我国首个高通量多尺度材料集成设计工业软件及平台MatCloud+，并实现了成果转化。回国后主持或参与了国家发展改革委、国家自然科学基金、“十三五”国家重点研发计划“材料基因工程重点专项”、北京市自然科学基金、云南省“稀贵金属材料基因工程”等项目和课题。发表学术论文50余篇，并著有3部英文学术著作。2011年获由教育部、科技部举办的第五届“春晖杯”中国留学人员创新创业大赛二等奖。2010年获香港特别行政区“香港优秀人才入境”身份。2012年放弃赴港，直接回到内地。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐