玻璃科学与工程的机器学习

美国东部时间9月14-16日上午11点-下午2点

指导老师:马修·鲍奇，加州大学洛杉矶分校

这个3天(9小时)的课程将介绍应用于玻璃科学与工程的机器学习和动手教程。

课程描述

机器学习技术现在在高科技应用中无处不在(例如，搜索引擎、人脸检测、垃圾邮件识别等)，并允许计算机从现有数据中“学习”。最近，机器学习方法为理解、设计和设计一般的眼镜和材料提供了新的范式。机器学习提供了一种很有前途的方法来解码玻璃的成分-性质关系，预测具有定制性质的最佳玻璃成分，在原子模拟中精确指出相关的结构模式，更普遍地，指导和加速新玻璃的设计。

本课程将介绍机器学习及其在玻璃科学与工程中的应用。讲座将辅之以使用机器学习进行玻璃性能预测和玻璃优化的实际操作教程。主题包括:

• 有监督和无监督机器学习的一般介绍，
• 现有机器学习方法和应用综述，
• 完整的机器学习流水线概述:数据采集、数据清理、特征工程、学习算法选择与训练、超参数优化、测试与部署
• 玻璃成分-性能预测模型的开发，
• 优化具有最佳性能的玻璃配方;
• 机器学习、模拟和实验的集成。

谁应该参加

本导论课程针对对将机器学习纳入其研究或专业活动感兴趣的学生、科学家或工程师。不需要预先学习机器学习或计算机科学，尽管本课程的某些方面也与已经熟悉机器学习的个人相关。在本课程结束时，学员应:

• 了解机器学习的可能性和局限性，
• 熟悉机器学习在玻璃科学与工程领域的不同应用，
• 能够选择正确的机器学习方法来解决给定的问题，
• 具备必要的入门理论背景，以理解机器学习和材料信息学之前的研究，
• 实现一个机器学习模型来预测玻璃性能作为其组成的函数，并规定具有定制性能的最佳组成。