近年来，数据驱动方法和基于人工智能的模型在解决玻璃科学领域的复杂问题方面引起了广泛的关注。具体来说，机器学习已经成功地应用于解决长期存在的问题，如预测成分-性质关系，开发优化的玻璃成分，加速玻璃建模，甚至理解玻璃转变的基本方面。
本次会议将重点介绍机器学习在玻璃科学、技术和建模领域取得的最新进展。感兴趣的主题包括但不限于机器学习和人工智能在以下方面的应用:开发成分-性质关系，设计优化的玻璃成分，3D打印和玻璃的增材制造，通过开发机器学习的原子间势和加速玻璃模拟，图像处理，预测玻璃的结构，识别控制玻璃性能的关键结构模式/描述符，并理解玻璃态的基本原理，来推进计算建模。
组织者:
- 阿达玛Tandia康宁公司美国、TandiaA@Corning.com
- Aditya库马尔，美国密苏里科技大学，kumarad@mst.edu
- 丹尼尔Cassar，巴西能源与材料研究中心，巴西cassar@cnpem.br
