本书属于战略性新兴领域十四五高等教育系列教材，针对新工科背景下产业对高端技术人才在信息化、智能化技术应用方面的培养需求，结合当前材料科学与人工智能技术交叉融合的最新发展趋势，并融入编者对材料智能设计与制造领域教学与科研的实践经验编写而成。本书共6章，系统阐述了材料智能设计与制造的基本原理、关键方法以及实际应用案例。本书内容包括第一性原理计算及材料数据库、材料的机器学习建模方法、材料智能设计与优化方法、基于高通量实验的材料筛选方法、材料智能设计与制造的前沿应用案例和材料智能设计与制造的发展趋势。
针对新工科背景下产业对高端技术人才在信息化、智能化技术应用方面的培养需求，结合当前材料科学与人工智能技术交叉融合的最新发展趋势，并融入编者对材料智能设计与制造领域教学与科研的实践经验编写而成。
在过去的几十年中，材料科学取得了令人瞩目的进展，推动了诸多高新技术领域的发展，如电子器件、航空航天、生物医学以及能源技术。然而，传统的材料设计方法往往依赖于经验和试错法，不仅效率低，而且成本高。随着计算机算力的提升和人工智能技术的兴起，材料科学迎来了巨大的变革。材料智能设计与制造技术将理论计算、实验数据和机器学习有机结合，为材料的创新和优化提供了全新的路径。本书正是在这样的背景下应运而生的，旨在为读者提供相关的知识框架，以探索这一领域的最新进展。
本书共6章，大致可分为基本原理与关键方法和应用案例两个部分：第1部分包括1～4章，介绍了第一性原理计算及材料数据库、材料的机器学习建模方法、材料智能设计与优化方法和基于高通量实验的材料筛选方法，主要聚焦于一些理论基础和常用方法；第2部分包括第5、6章，主要介绍了材料智能设计与制造的前沿应用案例，在设计高熵合金、功能陶瓷以及钙钛矿太阳电池等前沿材料中，应用了自然语言处理、生成式模型以及人工智能等前沿方法，阐述了材料智能设计与制造的发展趋势，并大胆展望了其未来可能的发展方向。
鉴于材料智能设计与制造领域的前沿性和快速发展的特性，本书旨在培养学生的创新思维和实践能力，而非追求内容和知识体系的完整。每一章均通过具体应用场景或实践进行引导，深入剖析了材料智能设计与制造方法的应用前景，帮助学生形成运用信息化、智能化方法解决材料科学问题的思维方式。为了方便读者学习与掌握，本书配套有丰富的线上教学资源，读者可通过扫描书中的二维码轻松获取视频教程和仿真软件等的使用方法，实现线上线下学习的无缝衔接。
本书在内容上尽可能覆盖材料智能设计与制造技术的相关内容，但因篇幅有限，很多重要、前沿的材料未能覆盖，即便覆盖到的部分也仅是管中窥豹。本书作为材料设计与制造的导论，仅为读者提供该领域的基本知识和框架，更多内容留待读者自行探索。
本书面向材料科学与工程及相关专业的本科生和研究生，由西北工业大学刘哲教授策划并统稿。第1章由袁睿豪编写，第2、3章由刘哲编写，第4、5章由陈睿豪、王洪强、袁睿豪编写，第6章由刘哲编写。
本书的完成离不开许多人的支持与帮助，在此，我们谨向所有为本书的撰写与出版付出努力的人致以诚挚的谢意。材料智能设计与制造领域发展极其迅速，鲜有人能对其众多分支领域均有精深理解。编者自认才疏学浅，仅略知皮毛，书中欠妥之处在所难免，欢迎广大读者批评指正。
编者
前言
绪论1
第1章第一性原理计算及材料
数据库3
11第一性原理计算3
111多体薛定谔方程3
112从头算方法4
113密度泛函理论基础6
114科恩沈方程求解8
12高通量计算11
121电子结构计算12
122原子尺度计算13
13材料数据库与大数据技术15
131材料数据库概述16
132材料大数据技术18
14复习思考题23
第2章材料的机器学习建模方法24
21机器学习在材料领域的应用需求24
22机器学习建模流程25
23常用机器学习算法29
231线性回归29
232决策树30
233支持向量机31
234高斯过程回归31
235神经网络32
236卷积神经网络32
237循环神经网络33
238长短期记忆网络34
239决策树梯度提升35
24机器学习指导材料设计与制造35
25复习思考题38
第3章材料智能设计与优化方法39
31贝叶斯条件概率及应用39
311贝叶斯理论基础39
312贝叶斯参数提取方法40
313物理模型参数提取42
32基于贝叶斯优化的自主实验方法44
321贝叶斯优化方法基础44
322贝叶斯自主实验应用案例47
323贝叶斯优化设计自主实验的
实践50
33材料成分及特征的生成模型设计52
331生成模型逆向设计方法52
332有机分子材料的生成模型55
333无机晶体材料的生成模型58
34复习思考题60
第4章基于高通量实验的材料筛选
方法61
41高通量实验的材料制备方法61
411高通量实验的发展概述62
412高通量实验的基本特征63
413主要的高通量实验方法63
42高通量表征方法及代理参数的优化70
421高通量微区表征70
422代理参数的优化74
43基于自动机器人的高通量实验75
431自动机器人概述75
432基于自动机器人的高通量实验
案例76
433高通量实验的发展趋势81
44复习思考题81
第5章材料智能设计与制造的前沿
应用案例82
51人工智能在高熵合金设计中的应用82
511高熵合金的相结构预测82
512高熵合金的力学性能优化87
52人工智能在功能陶瓷材料设计中的
应用94
521纯数据驱动的功能陶瓷设计94
522数理结合的功能陶瓷设计102
53人工智能在新能源材料与器件中的
应用112
531人工智能结合钙钛矿光伏器件
材料筛选112
532人工智能结合储能电池材料
筛选119
54复习思考题124
第6章材料智能设计与制造的发展
趋势125
61人工智能在材料数据库构建方面的
发展趋势125
611材料数据库构建的机遇与挑战125
612基于人工智能的材料数据库构建
前沿125
613大语言模型在材料数据获取
过程中的挑战128
62人工智能在获取组分工艺性能
关系中的进展129
621通用大语言模型的微调功能降低了
机器学习建模的使用门槛130
622通用大语言模型的多任务学习能力
减少了对大数据量的需求130
63大语言模型在材料领域的应用前景131
64复习思考题132
参考文献133
新书资讯
