又一绘图利器惊现！搞科研也能"一眼万年
专题一 (线上直播四天) | （详情内容点击上方专题名称查看） 2023年01月01日—2023年01月02日 2023年01月07日—2023年01月08日 | |
专题二 (线上直播四天) | （详情内容点击上方专题名称查看） 2023年02月11日—2023年02月12日 2023年02月18日—2023年02月19日 | |
专题三 (录播) | （详情内容点击上方专题名称查看） 不限时间，不限地点，即报即学 | |
培训特色
1、本次共有3个专题课程供大家选择，其中2个均采用在线直播的形式，1个采用录播回放的形式，均提供无限次回放视频，发送全部案例资料，建立永不解散的课程群，长期互动答疑。采用“理论+实操”的讲授模式，以案例和科研论文为实例，走通整个模拟流程。
2、专题一课程从理论计算化学基础入门开始，用多个经典案例（各类光谱计算及绘制、激发态专题、高精度和多尺度计算和流行密度泛函特点及选择、聚集诱导荧光、激发态分子内质子转移、热激活延迟荧光）带领大家一步步掌握Gaussian计算与实践应用（具体请查看课表内容）。
3、专题二课程让学员掌握ABAQUS软件建模及计算分析流程,通过纤维增强复合材料层合板和颗粒/短纤维改性复合材料为实例的进阶学习，并以MATLAB、PYTHON、FORTRAN多种开发方式为例快速掌握ABAQUS二次开发要点，灵活调用模块方法，完成自己的设计计算需求（具体请查看课表内容）。
4、专题三课程分别讲授了深度学习神经网络、经典机器学习模型、材料基因工程入门与实战、图神经网络与实践、机器学习+Science五个模块，结合多种案例实践教学（神经网络在催化领域的应用、预测杂化钙钛矿带隙、有机太阳能电池材料快速筛选、团簇结构数据库构建、同素异形体结构数据库构建、材料指纹和势函数生成、描述符的向量化生成与特征、图神经网络预测无机材料的性能、量子点发光材料色温的预测、二维材料的性质预测等)（具体请查看课表内容）。
学员反馈/答疑互动：
主讲老师
ABAQUS专题讲师来自于全国重点大学、国家“985工程”、“211工程”重点高校。在国内外重要杂志发表论文二十余篇，曾先后主持和参与完成国家专项、国家自然科学基金、省基金项目二十余项；拥有20余年复合材料结构有限元数值模拟经验，在复合材料有限元力学分析设计、复合材料断裂和损伤过程的数值模拟和实验研究等方面具有深厚的造诣。
机器学习材料专题讲师苏州大学博士，长期从事人工智能辅助新能源材料模拟与设计，对机器学习有四年的研究经验。熟悉XGBoots，LightGBM等多种机器学习算法和高通量计算框架，已在Angew. Chem. Int. Ed., WIREs Comput Mol Sci.等国际著名期刊发表人工智能与材料模拟论文12篇，获得国家软件著作权两项，在首届DeepModeling Hackathon中获AI赛道二等奖。
增值服务
1、凡报名学员将获得所学专题培训书本或电子版课件及所学专题所有案例文件；
2、凡直播课报名学员培训结束可获得本期全部无限次回放视频；
3、价格优惠：
优惠一：2022年12月9日前汇款可享受400元早鸟价优惠（仅限前八名）；
优惠二：凡老学员推荐报名者，可享受额外优惠（推荐者可获取现金红包）；
4、学员提出的各自遇到的问题在课程结束后可以长期得到老师的解答与指导；
5、参加培训并通过考试的学员，可以获得：
北京软研国际信息技术研究院培训中心颁发的《Gaussian量子化学应用工程师》、《ABAQUS复合材料建模应用工程师》、《机器学习材料设计应用工程师》专业技能结业证书；
课程大纲
【专题一】
Gaussian量子化学计算技术与应用
课程 | 内容 |
理论计算化学理论及程序入门操作 | 1、理论计算化学简介 1.1 理论计算化学概述 1.2 HF理论及后HF方法(高精度量化方法) 1.3 密度泛函理论和方法 1.4 多种理论计算方法的优缺点及初步选择 1.5 基组及基组的选择 2、Gaussian及GaussView操作基础及应用 2.1 Gaussian及GV安装及设置（Win和Linux） 2.2 Gaussian基础知识及入门操作 2.3 GaussView使用及结构构建 2.4 Linux基本命令及Vi编辑器 2.5 构建Gaussian输入文件并提交任务 2.6 详细认识输入文件和输出文件（Win和Linux） |
Gaussian 基础操作及实际计算过程 | 3、Gaussian基础操作Ⅰ： 3.1 几何优化及稳定性初判 3.2 单点能的计算及取值 3.3 频率计算及分析 3.4 溶剂模型 4、Gaussian基础操作Ⅱ： 4.1 分子轨道、轨道能级 4.2 HOMO-LUMO 图输出 4.3 布居数分析、偶极矩等 4.4 电子密度、静电势计算及绘制（ESP） |
Gaussian 进阶操作及实际计算过程 | 5、Gaussian进阶操作I：——势能面相关 5.1 势能面扫描 5.2 过渡态搜索（TS和QTS） 5.3 反应路径IRC等 5.4 反应能垒 5.5 反应热力学数据获得：熵，焓，内能，零点能，吉布斯自由能的计算 6、Gaussian进阶操作II：——各类光谱计算及绘制 6.1 紫外光谱（吸收和荧光发射） 6.2 红外光谱 6.3 拉曼光谱 6.4 NMR计算 6.5 垂直电离能及垂直电子亲和能 7、Gaussian进阶操作III：——激发态专题 7.1 垂直激发能与绝热激发能 7.2 振子强度、 7.3 激发态势能面 7.4 激发态计算方法讨论 8、Gaussian进阶操作IV：——高精度和多尺度计算方法 8.1 CASSCF方法及使用 8.2 ONIOM方法及使用 8.3 溶剂模型、背景电荷与ONIOM方法的比较 |
Gaussian 计算专题与实践应用（模拟文献） | 9、Gaussian计算专题I——Gaussian常见报错及处理方法 9.1 如何查看报错及常见报错 9.2 SCF不收敛 9.3 几何优化不收敛（势能面扫描不收敛） 9.4 消除虚频等 10、Gaussian计算专题II——流行密度泛函特点及选择 10.1 B3LYP的优缺点 10.2 PBE，CAM-B3LYP、wB97XD、M06-2X等特点及选择 11、Gaussian计算专题III——聚集诱导荧光（AIE）和激发态分子内质子转移（ESIPT） 11.1 晶体结构及分子建模 11.2 QM/MM与ONIOM计算 11.3 重整化能，圆锥交叉及质子转移 (文献：Dyes and Pigments Volume 204, August 2022, 110396 ) 12、Gaussian计算专题IV——热激活延迟荧光(TADF) 12.1 看懂分子内能量转移Jablonski图 12.2 TADF与各类激发能 12.3 辐射速率、非辐射速率、（反）系间穿越等 12.4 评估荧光效率 （文献：ACS Materials Lett. 2022, 4, 3, 487–496 ） 其他相关软件介绍,如VMD、MS、VASP、Gromacs等 |
【专题二】
ABAQUS复合材料建模技术与应用
课程 | |
一、Abaqus建模基础（理论+实例） | 1、ABAQUS 建模基础——以基础操作为例，让学员迅速掌握ABAQUS软件建模通用操作方法 1.1 ABAQUS 软件体系及应用背景 1.2 ABAQUS 典型本构关系与导入方式 1.3 ABAQUS 前后处理模块 1.4 常用单元建模 1.5 荷载施加与边界条件 1.6 网格划分(重点讲授) |
二、ABAQUS复合材料建模入门 （理论+实例） | 2、ABAQUS复合材料建模入门——以复合材料层合结构建模、静力失效分析为例，让学员掌握基于ABAQUS软件的复合材料建模及力学分析流程 2.1复合材料力学基础理论 2.1.1 层合结构的本构特点、变形假定与刚度计算 2.1.2 层合结构的强度准则和损伤判据 2.1.3 层合结构的热传导与多场耦合分析 2.2层合结构的单元与特点介绍 2.2.1 Abaqus中复合材料层合板结构建模分析流程 2.2.2建立普通壳单元、连续壳单元及多层实体单元 2.3 ABAQUS静力失效分析 实例操作: 1.复合材料层结构的三种常用建模方法、静力分析中强度准则和损伤判据的引入、数据输入与输出 2.层合结构的热-力耦合分析 |
三、ABAQUS断裂力学与裂纹扩展（理论+实例） | 3、ABAQUS纤维增强复合材料层合板分层和界面损伤与扩展 3.1 结构建模过程与计算分析 3.1.1 角铺设复合材料层板结构与建模 3.1.2 拉伸强度、压缩强度、剪切强度与失效过程模拟 3.1.3 弯曲失效过程模拟 3.1.4 Abaqus中复合材料层合板分层损伤的引入方法 3.1.5 界面损伤cohesive单元的应用技术 3.2复合材料层合板分层和界面损伤、断裂与裂纹扩展 3.2.1 虚裂纹闭合技术(VCCT)理论与实现方法 3.2.2 界面损伤内聚力分析（cohesive单元） 3.2.3 扩展有限元理论与实现方法 3.3 ABAQUS分层和界面扩展行为的模拟计算 实例操作: 1.基于虚裂纹闭合技术(VCCT)的分层扩展模拟 2.基于cohesive单元的分层/界面损伤扩展模拟 3.基于XFEM方法的裂纹扩展模拟 |
四、ABAQUS复合材料加筋板结构承载能力预测 （理论+实例） | 4、ABAQUS加筋板结构在静载荷作用下的承载能力预测 4.1层合加筋结构的屈曲与后屈曲分析 4.1.1 特征值屈曲分析、后屈曲分析及后屈曲路径 4.1.2 含制造缺陷或低速冲击损伤层合板分层后屈曲 4.1.3 后屈曲分析涉及的非线性方程组收敛问题与解决 4.2薄壁加筋结构的面内剪切载荷作用下的失效分析 4.2.1面内剪切载荷作用下的建模技巧 4.2.2面内剪切载荷作用下的屈曲和失效分析 实例操作: 1. 复合材料加筋板的压溃分析 2. 面内剪切载荷作用下的加筋板的承载能力预测 3. 复合材料加筋板剪切失效模拟 |
五、颗粒/短纤维改性复合材料建模及计算 （理论+实例） | 5、ABAQUS颗粒/短纤维改性复合材料力学建模及计算结果分析 5.1 复合材料损伤失效行为的多尺度分析概述 5.2 基于ABAQUS 的细观力学计算 5.3 增韧复合材料结构仿真与力学性能分析 5.3.1 材料力学性能多尺度分析理论与分析方法 5.3.2 胞元理论与边界条件施加 5.3.3 基于胞元模型的强度预测方法 5.3.4 颗粒/断裂维分布型材料的模型生成技术 5.3.5 增韧复合材料结构的宏观失效过程模拟 实例操作: 1. 颗粒增强金属基复合材料结构建模、拉伸过程及失效分 2. 短纤维增强复合材料结构建模、胞元分析技术 |
六、ABAQUS复合材料动力分析 （理论+实例） | 6、ABAQUS复合材料动力分析及应用 6.1结构动力学算法基础理论概述 6.2复合材料层合结构低速冲击及冲击后剩余压缩强度实验与仿真技术 实例操作: 1. 复合材料加筋板自由振动分析 2. 复合材料加筋板低速冲击过程模拟 3. 低速冲击损伤的复合材料加筋板剩余压缩强度计算 4. 高速冲击模拟 |
七、ABAQUS二次开发 （理论+实例） | 7、ABAQUS二次开发——以MATLAB、PATHON及子程序和FORTRAN的二次开发方式为例让学员快速掌握二次开发要点，灵活调用这些模块方法，完成自己的设计计算需求 7.1基于MATLAB和Python的ABAQUS开次开发 7.2 基于接口子程序和FORTRAN的ABAQUS二次开发技术 实例操作: 1. 基于MATLAB的变角度铺丝复合材料层合结构建模 2. 基于Python的参数化建模及插件实例 3. 基于UMAT接口子程序的材料弹塑性分析 4. 基于UMAT接口子程序的材料粘弹性分析 5. 基于USDFLD复合材料层合板的损伤分析 |
八、论文写作及学术交流 | 8.1 基于 ABAQUS 复合材料仿真计算文章（SCI）案例 8.2 SCI 论文创新思路与写作技巧以及未来航空航天复合材料发展趋势与创新研究展望 |
案例图示
【专题三】
机器学习材料性能预测与材料基因工程应用实战
机器学习导论 | 学习目标:对机器学习基本概念进行介绍，让大家对机器学习基本概念有大致了解。明确机器学习方法的适用性，优势，以及局限性等 |
1.1什么是机器学习 1.2机器学习的应用实例 1.3机器学习在材料领域的应用 | |
python语言基础 | 学习目标:机器学习主流实现是python语言。在学习机器学习之前，有针对性的对python进行系统的学习，以方便将来开展机器学习的学习 |
2.1 python安装与开发环境的搭建 2.2 基本数据类型、组合数据类型 2.3 函数、列表、元组、字典、集合 2.4 控制结构、循环结构 2.5 Numpy模块——矩阵的科学计算 2.6 Matplotlib模块——数据处理与绘图 | |
深度学习神经网络 | 学习目标:从零开始手动实现一个神经网络，在这一过程中对所涉及的原理进行系统讲解及实践，让大家能够更深刻的理解算法背后的原理以及实现方法，之后有利于对其他机器学习更全面快速掌握 |
3.1 logistic回归与损失函数 3.2 梯度下降法与导数 3.3 计算图的导数计算 3.4 logistic回归中的梯度下降法 3.5 向量化 logistic回归的梯度输出 3.6 神经网络的梯度下降法 3.7 深层网络中的前向传播 3.8深度学习框架——Pytorch的使用 案例实践教学一:神经网络在催化中的应用——CO2还原 | |
经典机器学习模型及应用 | 学习目标:对在材料领域中最常使用的几种机器学习模型进行介绍，总结它们的优缺点及适用范围，通过动手实践快速掌握几种方法 |
4.1 线性模型（线性回归、梯度下降、正则化、回归的评价指标) 4.2 决策树（决策树原理、ID3算法、CART算法) 4.3 支持向量机(线性支持向量机、可分支持向量机、不可分支持向量机) 4.4 集成学习(AdaBoost和GBDT算法、XGBoost算法、LightGBM算法) 4.5 模型选择与性能优化（数据清洗、特征工程、数据建模) 4.6 Scikit-learn机器学习库的使用 案例实践教学二:利用集成学习方法预测杂化钙钛矿的带隙 案例实践教学三:利用集成学习实现有机太阳能电池材料快速筛选 | |
材料基因工程入门与实战 | 学习背景:材料基因工程是当下流行的材料研究新范式，相较于传统试错方法，材料基因以大数据为基础，利用人工智能方法从中提取出关键的构效关系，摆脱了对理化直觉的强依赖及高昂的筛选成本，可以实现高效的高通量材料筛选。 学习目标:从数据库出发，对材料领域常见的数据库进行介绍，之后学习如何利用ASE，pymatgen等软件包批量构建及处理数据集，以及对材料进行特征选择。讲解常见的材料结构表示方法及编码，以及机器学习模型的评估与利用 |
5.1 材料基因组概述、材料基因组的基本方法 5.2 常见材料数据库简介 5.3 Material Project数据库、Pymatgen 5.4 OQMD数据库、AFLOW数据库数据获取与使用 5.5 COMPUTATIONAL MATERIALS REPOSITORY数据库与ASE 5.6 自定义材料数据集的构建 5.7 材料化学的特征工程 5.8 特征选择(过滤特征、包装到其他评估或集成到训练) 5.9 基于sklearn的python实现 案例实践教学四:(包含以下内容) 团簇数据库中平均形成能最低的结构数据库的构建 利用MP数据库构建同素异形体结构的mongodb数据库 利用Pymatgen对原子性质进行分析 利用ASE+Dscribe生成材料指纹和势函数 描述符的向量化生成与特征的保存/读取，特征预处理 模型性能评估〈分类性能、回归性能评估、统计交叉验证)和优化 (拓展）学习计算材料学领域与特征选择高级相关算法:SISSO | |
图神经网络 门及实践 | 学习目标:图神经网络是最近在科学领域最为火热的研究领域。由于化学结构与图论有着天然的适配性，相较于其他模型，图神经网络在材料化学领域更为擅长。在这一部分我们会对图神经网络进行系统的讲解，学习常见的图神经网络架构，实践图神经网络在部分材料中的应用 |
6.1 图论简单入门、图神经网络概念介绍 6.2 化学与材料领域经典的图神经网络架构——CGCNN 6.3 与Schnet图神经网络概念介绍 6.4 图神经网络在材料中应用的实践 6.5 自定义图的实现:第三方依赖-PyG图卷积层:GCNConv 案例实践教学五:利用图神经网络CGCNN预测无机材料的性能 案例实践教学六:利用Schnet实现对分子理化性质的预测 | |
机器学习+science | 学习目标:介绍机器学习领域前沿内容，让大家了解最新的材料科学与机器学习领域的研究动态，同时介绍几种更为先进的机器学习算法 |
7.1 强化学习在材料优化问题中的应用 7.2 主动学习框架的在科学问题中的实现 7.3 生成模型在材料设计中的应用与挑战 7.4 Transformer应用——以AlphaFold2为例 | |
应用实例 | 包含以下内容: 案例实践教学七:多种机器学习模型对量子点发光材料色温的预测 案例实践教学八:利用机器学习预测半导体材料物理性质案例实践教学九:利用多种机器学习方法对二维材料的性质预测 |
案例图示
报名费用
（含报名费、培训费、资料费）
专题一Gaussian量子化学计算技术与应用：
￥3700元/人
专题二ABAQUS复合材料建模技术与应用：
￥4300元/人
专题三机器学习材料性能预测与基因工程应用：
自费￥999元/人 公费￥1299元/人
费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；如需开具会议费的单位请联系招生老师发送会议邀请函；
联系方式
【注】1、开课前一周会务组统一通知；2、开课前一天会将直播链接及上机账号发至您邮箱或微信。如未收到请及时电话咨询！