玻璃科学与工程的机器学习

2021年9月14日至16日美国东部时间上午11点至下午2点

指导老师:Mathieu Bauchy，加州大学洛杉矶分校(UCLA)

课程为期3天(9小时)将提供机器学习应用于玻璃科学与工程的介绍和实践教程。

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、设计和设计眼镜和材料提供了新的范式。机器学习提供了一个很有前途的途径来解码玻璃中的成分-性质关系，预测具有定制属性的最佳玻璃成分，在原子模拟中精确定位相关的结构模式，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。课程将补充实际操作教程，使用机器学习玻璃性能预测和玻璃优化。涵盖的主题包括:

• 有监督和无监督机器学习概论，
• 现有机器学习方法及应用综述，
• 完整的机器学习流程概述: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-性质预测模型的发展，
• 具有最佳性能的玻璃配方的优化，
• 机器学习、模拟和实验的集成。

谁应该参加

这门入门课程是针对那些对将机器学习融入到他们的研究或专业活动中感兴趣的学生、科学家或工程师。本课程不要求学生具备机器学习或计算机科学方面的知识，尽管本课程的某些方面也适用于已经熟悉机器学习的学生。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和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，以理解之前专注于机器学习和材料信息学的研究，
• 实现机器学习模型，预测玻璃的性质作为其组成的函数，并指定具有定制性质的最佳组成。