新書推薦：
《
茶食品工艺学（高等学校专业教材）
》
售價：NT$
194
《
南洋有遗音：从新加坡到苏门答腊的寻踪之旅
》
售價：NT$
347
《
盗墓：历史发现与文化考察
》
售價：NT$
1520
《
具身智能：智能出行·智慧生活·人机共生
》
售價：NT$
454
《
捍卫道德实在论（元伦理学系列）
》
售價：NT$
561
《
中西之外：华夏世界观与人类学
》
售價：NT$
398
《
匹诺曹：非存在的存在（阿甘本另类解读《木偶奇遇记》 流浪木偶匹诺曹的哲学启示）
》
售價：NT$
337
《
跨越时空的蜂鸟家族（约翰·古尔德的鸟类手绘图鉴）
》
售價：NT$
857
|
| 內容簡介： |
|
《人工智能材料学：AI4Materials》系统阐述了人工智能（AI）驱动材料学研究范式的深刻变革。内容贯穿AI赋能材料研发的全链条，涵盖从微观结构特征提取、性质预测与反向设计，到动态演化模拟、智能表征解析及知识发现等核心环节，并前瞻性展望了“人工智能材料学家”这一终极图景。《人工智能材料学：AI4Materials》通过对比“人的研究方式”与“AI的研究方式”，为读者构建起一个从理论基础到前沿应用的完整知识体系。
|
| 目錄：
|
|
目录序前言第1章 材料学及其范式变革 11.1 一代材料，一代产业，一个时代 11.2 材料学的沿革：从工程到科学 41.2.1 材料开发与利用的历史 51.2.2 材料学的发展：科学与工程的融合 71.2.3 材料学底座：物质结构与性能的关联 81.2.4 材料学的工程技术：制备与表征 211.3 材料学新范式：材料基因与大数据 291.3.1 材料学数据库 301.3.2 材料学领域的数据挖掘 311.3.3 材料基因科学与工程 331.4 材料学新范式：人工智能材料学 361.4.1 人工智能概念 371.4.2 人工智能在科学领域中的应用 391.4.3 人工智能在材料学领域中的应用 47思维导图 52参考文献 52第2章 材料微观描述与特征提取 562.1 传统的材料微观结构描述方法 562.1.1 基于原子位置的描述 572.1.2 基于原子间连接关系的描述 602.2 用于人工智能的材料微观结构描述与特征提取 692.2.1 特征提取的物理依据与要求 702.2.2 基于原子局域环境的结构描述与特征提取 782.2.3 基于原子长程有序的结构描述与特征提取 832.2.4 基于拓扑数据分析的结构描述与特征提取 90思维导图 106参考文献 107第3章 材料性质预测与反向设计 1103.1 传统的材料性质预测方法 1113.1.1 材料性质预测方法的发展历史 1113.1.2 基于材料数据库的高通量筛选 1143.2 用于材料性质预测的人工智能算法 1183.2.1 传统机器学习方法 1193.2.2 生成算法 1203.3 人工智能在材料性质预测上取得的进展 1233.3.1 稳定性预测 1243.3.2 力学性质预测 1263.3.3 能带结构预测 1293.3.4 拓扑性质预测 1323.3.5 超导性能预测 1343.4 挑战与未来 1363.4.1 基于大语言模型和知识图谱的材料性质预测 1373.4.2 微观结构、物理规律与人工智能的融合 138思维导图 141参考文献 141第4章 材料结构演化与动态研究 1444.1 材料的微观结构演化与跨尺度模拟 1444.1.1 传统的跨尺度模拟研究方法 1454.1.2 人工智能辅助材料介观尺度计算模拟 1484.2 基于人工智能的材料原子间相互作用势 1494.2.1 力场模型构建流程 1534.2.2 基于对称函数的力场模型 1544.2.3 基于核函数的力场模型 1564.2.4 端对端的力场模型 1584.2.5 基于大模型预训练的力场模型 1614.3 针对离子输运行为的结构演化模拟 1634.3.1 离子在溶液中的迁移 1644.3.2 离子在固体中的迁移 1654.4 针对材料相变过程的结构演化模拟 1674.4.1 金属材料相变 1684.4.2 离子型晶体材料相变 1734.4.3 共价型晶体材料相变 1754.4.4 氢键型晶体材料相变 1764.5 挑战与未来 1774.5.1 模型的精度、可靠性和置信度分析 1774.5.2 特征空间采样方法 1784.5.3 数据量与数据质量 1784.5.4 适应学习和在线更新 1794.5.5 多模态学习和数据融合 1794.5.6 模型的鲁棒性和泛化能力 180思维导图 181参考文献 181第5章 材料结构表征与图谱解析 1835.1 材料微观结构表征技术 1835.1.1 材料结构的静态表征技术 1855.1.2 材料结构的动态表征技术 1925.1.3 材料结构的跨尺度表征技术 1975.1.4 材料表征技术中存在的挑战 2015.1.5 传统的材料表征数据解析方法 2025.1.6 材料解析新范式：人工智能与大数据 2035.2 基于人工智能的图谱信息解析 2075.2.1 X射线衍射图解析 2075.2.2 拉曼光谱与红外光谱解析 2155.3 基于人工智能的成像信息解析 2185.3.1 显微图像降噪 2185.3.2 扫描电子显微镜图像解析 2195.3.3 透射电子显微镜图像解析 2205.4 挑战与未来 2235.4.1 多模态表征及其信息的融合 2235.4.2 跨尺度表征及其信息的融合 2245.4.3 原位/工况条件下的结构演化表征 225思维导图 226参考文献 226第6章 材料知识发现与智能分析 2296.1 自然语言处理技术与材料学知识发现 2296.1.1 词嵌入模型 2306.1.2 预训练语言模型 2336.1.3 大语言模型 2356.1.4 深度知识蒸馏 2366.1.5 知识图谱 2376.2 基于词嵌入技术的材料知识编码 2406.2.1 知识嵌入流程 2406.2.2 语义间的相似性 2436.2.3 探索材料间的潜在关联 2446.3 基于预训练语言模型的材料知识挖掘 2466.3.1 材料学领域的预训练语言模型 2466.3.2 模型的实体预测能力 2496.3.3 **潜在的高性能材料 2516.4 基于大模型和知识图谱的材料知识生成 2536.4.1 材料学领域大模型 2536.4.2 隐性知识获取与多模态知识融合 2556.4.3 化学反应与材料合成路径的推理预测 2586.4.4 基于材料知识图谱的新材料开发 2606.5 挑战与未来 2636.5.1 语言模型的推理与预测能力 2636.5.2 结构数据与科学文献的多模态知识图谱 2646.5.3 即时调优与可控生成 264思维导图 265参考文献 265第7章 人工智能材料学家 2687.1 基于人工智能的材料智造 2687.1.1 机器人材料学家 2697.1.2 数字孪生 2767.2 各环节高度协同的人工智能材料学家 2787.2.1 基于数据的预测与决策 2787.2.2 人工智能辅助的高效高精度实验操作 2827.2.3 全流程参数优化 2867.3 挑战与未来 287思维导图 288参考文献 288
|
| 內容試閱：
|
|
第1章 材料学及其范式变革 自然界为劳动提供材料，劳动把材料变为财富。 —马克思 材料学的革命性突破往往伴随研究范式的根本性重构。 —托马斯？库恩“范式革命”理论 材料基因工程新范式是将高通量计算、实验与数据库整合，实现新材料研发周期缩短50%、成本降低30%。 —美国“材料基因组计划” 大模型驱动的智能体将重塑材料研发流程，使科学家从重复性劳动中解放，聚焦创造性发现。 —中国科学院关于AI4S（人工智能驱动的科学） 1.1一代材料，一代产业，一个时代 材料是文明的基因，产业是时代的载体，而历史终将由掌握新材料的人书写。 从石器时代、青铜时代、铁器时代、钢铁时代到如今的硅基时代，随着一类材料的发现和运用，诞生了一个时代的产业，也标志着这个时代科技与产业的水平。材料决定产业高度，例如，青铜与铁器催生了农业文明与早期国家；钢铁与石油推动工业革命与现代制造业崛起；硅基半导体引领信息时代并重塑全球经济版图；新能源材料（如锂电池、太阳能电池）正在定义绿色经济与碳中和未来。人类文明的每一次跨越式发展，都始于材料的突破。 人类对物质世界的认识和改造是从观察、猜测、试验到理性分析、抽象化、具象化的过程。金属材料认识与发展是其中一个具有代表性的例子，同时也是人类文明进步的重要体现之一。在中国历史上，针对合金的制备过程存在着各种各样的秘方。《周礼？考工记》记载了“金有六齐”相关文字，被认为是古代青铜铸造的配方，描述了不同的铜锡比所制备的青铜在多种场景下的应用区别。《北史？艺术列传》介绍了通过灌钢法制备得到的一代名刃“宿铁刀”，其中提到了以动物的尿和油作淬火剂，可以使刀口更为锋利。这是观察、猜测、试验的阶段，人类已经认识到了温度、成分、热处理等材料制备的关键要素，以及其与材料性能之间的密切联系。但这些信息往往并不完整，且没有理论的指导，相关技术也多为师徒相传，在今日大多已经因失传而无法复现。 随后从18世纪开始，伴随着热力学定律、牛顿力学、胡克定律等理论的提出，人们逐渐开始理性分析，掌握了对物质世界研究中的一些重要物理概念，包括温度、作用力，以及材料的各种机械性能，如屈服强度、杨氏模量等物理量。这些概念不会随着材料种类的改变而发生变化，因此，一个物理学概念与物理量的诞生对应了一个抓住共性而忽略个性的过程，即为抽象化过程。因此，物理概念是对物理现象和过程的本质属性的概括和抽象，其通常包括力学、热学、电磁学、光学等概念。物理概念的特点是有明确的定义来界定概念的内涵、用物理量及其单位来定量描述并建立理想化的模型。国际单位制定义了7个基本物理量及其单位（表1.1），其他物理量（导出量）由这些基本物理量组合而成。 物理量的测量需要发明测量工具与仪器并选择合适方法，如刻度尺对长度、天平对质量的直接测量；伏安法对电阻通过关联物理量计算（欧姆定律）的间接测量；用已知量替代待测量的等效电阻的替换法；通过热学平衡测温度的平衡法。定性的物理概念与定量的物理测量和运算相融合的物理科学研究，促进了以牛顿力学为代表的物理科学体系的诞生。 进入19世纪下半叶后，这种针对物质研究的抽象化过程开始从物理学转向基于原子与元素组成和相互作用的化学，以及从宏观转向微观的过程。元素概念的确立诞生了化学，并且使人们能够清楚理解材料是基于各种原子组成和相互作用的，发展了材料化学，指导材料的开发与技术的传承。 量子力学的出现为化学提供了**性原理，随着各种物理、化学和材料表征技术的飞跃式发展，人们开始从微观的角度深入理解材料的结构及其演化机理与性能的关系。以金属材料为例，20世纪初建立的位错理论将复杂的晶格畸变演化过程抽象为位错的运动，这可以用于解释此前在某些材料中观察到的高屈服强度。基于介观缺陷抽象化得到的位错理论在之后被广泛用于分析各种金属强化方法的内在机理，在近一百年来为推动金属工业的发展作出了巨大贡献。 随着近年来材料测量技术的飞速发展，不同材料的各种物理与化学性质逐渐被精确测量，包括杨氏模量、断裂强度、屈服强度、电导率、磁导率、折射率等。材料制备过程的各种实验参数，如温度和时间等，也可以被精确记录甚至可以原位地实时记录。同时，材料的结构表征技术，如X射线衍射技术、电子显微术、吸收谱技术等，使人们获取并积累了大量的材料结构信息。通过结合实验测量结果（或量子化学计算数据）与上述由抽象化获得的材料基础理论，并进一步从组成信息、结构信息、制备工艺信息、性能信息等数据中找到材料的构效关系规律，可以加速材料的研发和创制。这一过程可以认为是从共性理论出发，针对特定材料进行结构分析和性能预测的过程，即材料理论的具象化。 尽管这种从抽象化到具象化（即分为实验数据获取、理论模型建立、材料设计优化三个阶段）的研究范式为材料学带来了长足的进步，但伴随着人们对材料性能需求的不断提升，建立一套超越传统的材料学研究范式已经成为必要。尤其当我们考虑大多数材料本身是复杂体系而不是物理概念下的理想模型，材料的性能指标并不单一，并且往往还是互相制约的。例如，锂电池电极材料需同时兼顾能量密度、倍率性能、循环稳定性等，这为材料设计提出了一个多目标优化的要求，且伴随着能量密度和倍率性能的提升，其循环稳定性往往会下降，它们之间有制约的关系。而各个性能指标又并非仅由单一因素所决定，如能量密度与材料的体相结构、界面结构、化学组分等都密切相关，还有各个因素之间并不*立而是相互耦合，这造成了统一的理论模型难以建立（难以抽象化）且单一模型预测能力差（难以具像化）的问题。 材料本质上是复杂体系，而复杂体系往往是多因多果，对环境的扰动有敏感的效应。材料的性质与原子的种类与比例、杂质与缺陷、尺度与界面等直接相关。材料存在尺寸效应和尺度效应，前者是指由材料整体或局部尺寸的微小化引起的机理及性能等特异性变化的现象，而后者是指由于尺度不同而使研究对象特征所产生的相应变化。以材料的尺度效应为例，材料到纳米尺度会出现纳米效应，纳米颗粒因比表面积（表面积/体积）急剧增大，表面原子比例显著提高。例如，直径从100nm降至2nm时，表面原子比例从20%跃升至99%，高表面能导致原子配位不足以及表面不再具有体相的对称性（对称性破缺），活性增强，会有更低的熔点、更高的催化反应和化学反应活性等。此外，当颗粒尺寸接近或小于光波波长、电子德布罗意波长等物理特征时，材料宏观性能发生突变，以及能级由连续变为离散导致吸收光谱蓝移、电子穿越势垒概率增加会导致量子隧穿效应和库仑阻塞效应等量子尺寸效应。纳米效应目前已经应用于纳米晶体管、柔性显示屏、高效太阳能电池、固态电池等电子与能源领域。 除上述因素外，材料的性能与外界的环境刺激和做功，以及外场激发等都有关。材料的性能不是一因一果，而是多因多果。因此，材料的设计和预测是非常具有挑战性的。 一种可能的解决方案是摆脱对先验的简单的理论模型的依赖，实现从原始数据中自动挖掘潜在的科学规律并进行预测，称为“基于数据驱动的科学发现”。但这种方法在过去因受限于数学工具和计算机的计算能力（称为“算力”），没有取得显著的进展。在*近十年，得益于人工智能技术（主要是算法、算力、大数据）的飞跃式发展，科研工作者们开始重新考虑上述方案。基于过去的大量实验和量子化学计算数据，我们可以建立起一个庞大的材料学数据库（材料大数据），利用最新的人工智能算法，可以实现从数据中挖掘潜在构效关系并进行材料性质预测。在这个过程中，所挖掘的材料构效关系不同于传统的显式理论模型，而是一种潜藏于人工智能算法中的隐式模型，其特点是在特定的边界条件下多参量相互作用从“黑箱”里产生结果。伴随着人工智能算法的创新与进步，自动化实验设备与计算机集群设备的快速发展，也促使材料学实验测量数据与量子化学计算数据的积累速度得到显著提升。 由数据驱动寻求“材料基因”，向生命科学学习，发现生命基因如何从功能基元的组成与排序来决定蛋白质与器官的功能，再到构建生命系统，再到生命的循环与演化，以此为学习对象构建“材料基因组学”，开展材料基因科学与工程研究，与人工智能技术结合，成为了材料学研究的一个新范式。 本书所讨论的人工智能材料学（AI4Materials），就是应用近年来人工智能的最新成果来发展“材料基因组学”，提高新材料研发速度，特别是加速新能源、储能、电子与量子科技、生物医药等新材料发展，从而加速新兴战略产业的发展，推动社会的进步。 1.2 材料学的沿革：从工程到科学 铁器时代始于偶然的陨铁，成于系统的冶炼。 —李约瑟 玻璃的折射现象，是材料学的**道曙光。 —伽利略 材料性能是表象，原子排列才是本质。 —门捷列夫 1.2.1 材料开发与利用的历史 人类对材料开发与利用的历史大致分为三个时代和六个阶段。 1.前科学时代：经验主导的工程实践（19世纪前） 阶段一：天然材料利用阶段。在人类文明的早期，在旧石器时代，人类只能利用自然界中存在的天然材料如石材、木材、骨头、纤维等，制备简单的石制、木制器具及简单的服装满足基本生存需求（图1.1）。尽管时至今日人们仍在大量使用天然材料，但总的来说天然材料的种类有限，性能不能满足人们的各类需求，特别是有些天然材料还数量有限。 阶段二：热能用于材料制备。热能是能量的一种重要形式，可以增加物质的无序运动程度，使得物质能够打破原来的组分之间的紧密结合，促进物质转化成为新结构，产生新材料。现代科技的发展极大地扩展了人类的活动范围，从太空探索到微观世界的研究，都离不开高温技术的支持。可以说一个时代使用热源所达到的*高温度决定了这个时代新材料的发现和使用。例如，对基于煤热能（其温度在1700～1900℃）的利用，推动了钢铁材料技术的发展，诞生了蒸汽机与机械工业，引发了**次工业革命。对基于电或电磁感应的热能（温度可达3800～4000℃）的利用，诞生了硅和石墨单晶材料，运用硅半导体材料诞生了集成电路器件推动了信息科技产业发展[1]；激光可以使得局部温度达几万摄氏度；大型强子对撞机（largehardoncollider，LHC）中的粒子碰撞产生的温度可达5.5万亿℃，这是目前人类在可控实验中达到的*高温度。基于石墨作为负极材料诞生了锂电池，目前广泛应用于手机、电动车和储能等新兴产业，推动了全球化进程，促进了信息时代的到来和发展。 2.科学启蒙时代：理论与技术的初步融合（19世纪末～20世纪中叶）及材料科学的正式确立（20世纪50～80年代） 阶段三：基于实验结果的材料开发，从试错的工程实践到科学规律的探索。制备合金的过程中，人们逐渐认识到材料的组成，制备工艺（淬火、退火）对材料性能的影响，并总结成各种理论。但是，此阶段有关材料性能的描述大多是定性的，对于材料的组成与加工工艺如温度、时间等是定性或半定量的描述，是以实验观察和经验知识的积累，去推测其背后的科学规律。这一阶段也可称为材料研发的**范式。 阶段四：基于所发现的物理和化学规律指导的材料研发。作为科学的物理和化学出现后，极大加速了材料的发展。19世纪中期后，各种新材料快速涌现。人工合成了塑料、橡胶和纤维等各类聚合物，以及各类新型具有不同特殊功能的材料，如电学上的超导材料、半导体材料、电池材料，以及非线性光学材料、磁性材料和复合功能材料。很多原本需要从自然界获取的材料如金刚石、石英晶体、红宝石、橡胶、服装用纤维等都可以人工合成。在从20世纪到21世纪初相当长的时间内，材料的研发模式主要依赖上述科学理论指导与大量实验试错结合的传统模式。这种传统模式在近现代化学和材料科学发展的早期，曾经有效地实现了大量新材料的发现和改良，并推动了化学与材料科学**规律的发现和理论体系的建立与完善。这也可称为材料研发的第二范式。 3.现代科学范
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
