【IJCAI 2019 | tutorial】材料学与AI AI for Materials Science , Lars Kotthof

题目主题： AI for Materials Science

简介：

先进的材料和制造方法是当今经济的重要推动力。通过使廉价的可靠产品批量生产和工业应用达到前所未有的规模，他们使电视和计算机等消费类设备无处不在。在高性能环境中，例如在用于计算机和蜂窝技术，光伏和消费电子的光电子学中，以及在太空和航空应用中的极端环境中，都需要新材料。但是，设计新材料是一个缓慢而费力的过程，需要大量的资本和劳动力投资。材料的合成，开发和表征是耗时且昂贵的过程。特别是必须评估和优化大量不同的替代方案。通常，理论模型的指导很少，并且仅能在小规模范围内合成要测试的新材料。 虽然几十年来一直使用基于少量经验观察的模型来加快这一过程，但AI和机器学习的最新进展已经进入了一个有效，高效的建模和探索具有复杂性能的可能设计大空间的新时代。机器学习诱导的过程模型允许近似复杂的关系预测假设材料的属性。本教程将提供该应用领域的介绍和概述，并重点介绍人工智能研究的挑战和机遇。

大纲：

• 先进的材料：样例与挑战
• 模型介绍
• 先进材料：AI方法
• 贝叶斯优化背景
• 材料学科中的贝叶斯优化
• AI与材料学的 共同点
• 机遇与挑战