与机器学习相结合的计算材料学实验设计

doi:10.12461/PKU.DXHX202406004

大学化学 >> 2025, Vol. 40 >> Issue (3): 171-177.doi: 10.12461/PKU.DXHX202406004

所属专题：理论与计算化学在化学及其交叉学科教学中的应用

与机器学习相结合的计算材料学实验设计

周佳, 钟华英

哈尔滨工业大学(深圳)理学院, 城市水资源与水环境国家重点实验室, 广东深圳 518055

收稿日期:2024-06-03 录用日期:2024-10-10 发布日期:2025-03-19
通讯作者: 周佳 E-mail:jiazhou@hit.edu.cn
基金资助:
深圳市教育学会“十四五”规划2021年度教育科研一般课题(YB2021004)；哈尔滨工业大学深圳校区质量工程项目(高等教育教学改革项目)(HITSZERP22009)；哈尔滨工业大学深圳校区思政课程和课程思政专项课题(HITSZIP22017)

Experimental Design of Computational Materials Science Combined with Machine Learning

Jia Zhou, Huaying Zhong

State Key Laboratory of Urban Water Resource and Environment, School of Science, Harbin Institute of Technology (Shenzhen), Shenzhen 518055, Guangdong Province, China

Received:2024-06-03 Accepted:2024-10-10 Published:2025-03-19
Contact: Jia Zhou E-mail:jiazhou@hit.edu.cn

摘要/Abstract

摘要： 设计了一个面向高年级本科生或者研究生的综合材料计算模拟实验。通过材料计算模拟和机器学习手段研究二维材料的禁带宽度。通过本实验，学生可以初步掌握机器学习的基本原理和操作流程，同时培养学生应用第一性原理和机器学习解决材料问题的能力。

关键词: 二维材料, 材料模拟, 第一性原理, 机器学习, 禁带宽度

Abstract: This paper presents a comprehensive computational materials science experiment designed for senior undergraduate and graduate students. The band gaps of two-dimensional materials are investigated using materials simulation and machine learning techniques. Through this experiment, students will gain a foundational understanding of machine learning principles and workflows, while also developing their ability to apply first-principles calculations and machine learning to solve materials-related problems.

Key words: Two-dimensional materials, Materials simulation, First-principles, Machine learning, Band gaps

周佳, 钟华英. 与机器学习相结合的计算材料学实验设计[J]. 大学化学, 2025, 40(3): 171-177.

Jia Zhou, Huaying Zhong. Experimental Design of Computational Materials Science Combined with Machine Learning[J]. University Chemistry, 2025, 40(3): 171-177.

链接本文: https://www.dxhx.pku.edu.cn/CN/10.12461/PKU.DXHX202406004

https://www.dxhx.pku.edu.cn/CN/Y2025/V40/I3/171

参考文献

[1] Novoselov, K. S.; Geim, A. K.; Morozov, S. V.; Jiang, D.; Zhang, Y.; Dubonos, S. V.; Grigorieva, I. V.; Firsov, A. A. Science 2004, 306 (5696), 666.
[2] Pakdel, A.; Bando, Y.; Golberg, D. Chem. Soc. Rev. 2014, 43 (3), 934.
[3] Chi, Z.; Zhao, J.; Zhang, Y.; Yu, H.; Yu, H. Green Energy Environ. 2022, 7 (3), 372.
[4] Han, G. H.; Duong, D. L.; Keum, D. H.; Yun, S. J.; Lee, Y. H. Chem. Rev. 2018, 118 (13), 6297.
[5] Miró, P.; Audiffred, M.; Heine, T. Chem. Soc. Rev. 2014, 43 (18), 6537.
[6] Wang, Y.; Wang, L.; Zhang, X.; Liang, X.; Feng, Y.; Feng, W. Nano Today 2021, 37, 101059.
[7] 周公度, 段连运. 结构化学基础. 第5版北京: 北京大学出版社, 2017: 128-129.
[8] Bickelhaupt, F. M.; Baerends, E. J. Kohn-Sham Density Functional Theory: Predicting and Understanding Chemistry. In Reviews in Computational Chemistry; Lipkowitz, K. B., Boyd, D. B. Eds.; John Wiley & Sons, Ltd.: New York, NY, USA, 2000; pp. 1-86.
[9] Wang, V.; Tang, G.; Liu, Y.-C.; Wang, R.-T.; Mizuseki, H.; Kawazoe, Y.; Nara, J.; Geng, W. T. J. Phys. Chem. Lett. 2022, 13 (50), 11581.
[10] Hu, W.; Zhang, L. Mater. Today Commun. 2023, 35, 105841.
[11] Liu, H.; Xu, L.; Ma, Z.; Li, Z.; Li, H.; Zhang, Y.; Zhang, B.; Wang, L.-L. Mater. Today Commun. 2023, 36, 106578.
[12] 游洋, 杜婉, 李惟驹, 陈竞哲. 上海大学学报(自然科学版), 2020, 26 (5), 824.
[13] 任更波, 李依然, 梅竣乔, 王美艳. 教育教学论坛, 2024, No. 6, 132.
[14] 张乐飞, 罗勇, 杜博. 中国大学教学, 2023, No. 5, 18.
[15] 朱红艳, 梁诗凯, 何富运, 黎海生, 夏海英. 广西物理, 2022, 43 (2), 146.
[16] 周佳. 大学化学, 2024, 39 (3), 351.
[17] Materials Studio 2017; Accelrys Software Inc.: San Diego, CA, USA, 2017.
[18] Clark, S. J.; Segall, M. D.; Pickard, C. J.; Hasnip, P. J.; Probert, M. I. J.; Refson, K.; Payne, M. C. Z. Kristallogr. Cryst. Mater. 2005, 220 (5-6), 567.

与机器学习相结合的计算材料学实验设计

Experimental Design of Computational Materials Science Combined with Machine Learning

PDF

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

Metrics

推荐阅读 0

[1]	朱伟钢, 王建凤, 齐强, 李婧, 张志成, 于曦. 面向智能时代的化学信息学与人工智能化学理论课程建设[J]. 大学化学, 2025, 40(9): 34 -42 .
[2]	周佳. 高通量计算与机器学习相结合的综合计算化学实验设计与实践[J]. 大学化学, 2025, 40(9): 69 -75 .
[3]	郑健强, 黄泳斌, 明文灿, 刘英菊. 智能反应优化：深度学习与优化算法驱动的乙酰水杨酸合成[J]. 大学化学, 2025, 40(9): 87 -98 .
[4]	胡玉莲, 周欣, 韩晓军. CO₂还原光催化剂设计及性质分析虚拟仿真实验[J]. 大学化学, 2025, 40(3): 30 -35 .
[5]	李亚平, 安赛, 曹爱青, 李世龙, 雷鸣. 分子模拟软件在结构化学课程教学中的应用——NiFe水滑石电催化OER第一性原理计算[J]. 大学化学, 2025, 40(3): 160 -170 .
[6]	陈显飞, 张文涛, 杜海英. 基于科研案例的计算材料学实验设计[J]. 大学化学, 2025, 40(3): 52 -61 .
[7]	张思源, 张志成, 李荣金. 机器学习在化学领域中的应用[J]. 大学化学, 2025, 40(1): 206 -218 .
[8]	许真铭, 郑明波, 刘振辉, 陈铎, 刘庆生. 基于项目式教学的计算材料学实验设计——锂离子电池正极材料LiFePO₄第一性原理计算[J]. 大学化学, 2024, 39(4): 140 -148 .
[9]	周佳. 应用量子化学和机器学习构建水分子势能面——介绍一个综合计算化学实验[J]. 大学化学, 2024, 39(3): 351 -358 .
[10]	许真铭, 刘庆生, 陈江安. Materials Studio软件在计算化学和计算材料学课程教学中的应用[J]. 大学化学, 2024, 39(1): 332 -339 .
[11]	晁晨航, 吕萍, 洪鑫. AI化学狂想曲[J]. 大学化学, 2022, 37(9): 2207027 - .