上海交通大学研究生院研究生课程教学大纲（Syllabus）*学时课程代码*学分32MSE8621TeachingCourse CodeCreditsHours*课程名称人工智能和机器学习在材料科学中的应用CourseAland machinelearning formaterials scienceName*授课语言英语InstructionLanguage*开课院系材料科学与工程学院School先修课程材料科学与基础Prerequisite单位姓名Name职称Title联系方式E-mailDepartment上海交通15201461240大学材料饶梓元副教授科学与工ziyuanrao@sjtu.edu.cn程学院苏州国家陈研究员18949883531实验室苏州国家授课教师惠健副研究员19957430520实验室InstructorsAlfor苏异才Science工宝武钢铁13611708309程师Alfor张晶Science负上海电气15165311183责人上海硅酸冉念副研究员13162120320盐研究所本课程的建设旨在推动材料科学与先进机器学习、人工智能技术的深度融合，满足新材料设计和性能优化对数据驱动方法的迫切需求。传统的材料研究方法虽然在一定程度上推进了材料的开发与性能提升，但随着材料体系的复杂性增加，依赖经验试错法和传统计算方法的效率逐渐受限。本课程通过引入深度学习、自注意力机*课程简介（中制、生成对抗网络等前沿技术，帮助学生掌握处理复杂材料数据、文）Course预测材料性能及设计新材料的方法。预期目标包括培养学生在材料Description科学与人工智能交叉领域的知识和技能，在材料开发中应用机器学习模型，从而具备跨学科的创新能力；让学生掌握如何通过数据分析和机器学习模式，从材料数据中挖掘潜在的物理规律和构效关系，为材料设计提供科学依据：通过对先进AI方法的掌握，学生能够独立开发智能材料设计流程，进一步推动材料开发的自动化和高效化；
上海交通大学研究生院 研究生课程教学大纲（Syllabus） 课程代码 Course Code MSE8621 *学时 Teaching Hours 32 *学分 Credits 2 *课程名称 Course Name 人工智能和机器学习在材料科学中的应用 AI and machine learning for materials science *授课语言 Instruction Language 英语 *开课院系 School 材料科学与工程学院 先修课程 Prerequisite 材料科学与基础 授课教师 Instructors 姓名 Name 职称 Title 单位 Department 联系方式 E-mail 饶梓元 副教授 上海交通 大学材料 科学与工 程学院 15201461240 ziyuanrao@sjtu.edu.cn 陈忻 研究员 苏州国家 实验室 18949883531 惠健 副研究员 苏州国家 实验室 19957430520 苏异才 AI for Science 工 程师 宝武钢铁 13611708309 张晶 AI for Science 负 责人 上海电气 15165311183 冉念 副研究员 上海硅酸 盐研究所 13162120320 *课程简介（中 文）Course Description 本课程的建设旨在推动材料科学与先进机器学习、人工智能技 术的深度融合，满足新材料设计和性能优化对数据驱动方法的迫切 需求。传统的材料研究方法虽然在一定程度上推进了材料的开发与 性能提升，但随着材料体系的复杂性增加，依赖经验试错法和传统 计算方法的效率逐渐受限。本课程通过引入深度学习、自注意力机 制、生成对抗网络等前沿技术，帮助学生掌握处理复杂材料数据、 预测材料性能及设计新材料的方法。预期目标包括培养学生在材料 科学与人工智能交叉领域的知识和技能，在材料开发中应用机器学 习模型，从而具备跨学科的创新能力;让学生掌握如何通过数据分析 和机器学习模式，从材料数据中挖掘潜在的物理规律和构效关系， 为材料设计提供科学依据;通过对先进 AI 方法的掌握，学生能够独 立开发智能材料设计流程，进一步推动材料开发的自动化和高效化;
上海交通大学研究生院培养学生将课程中学习的知识应用于实际材料研究和开发中，为未来在材料行业及相关领域的创新和转型提供助力。This course aims to promote the deep integration of materialsscience with advanced machine learning and artificialintelligence technologies, addressing the urgent need fordata-driven approaches in material design.The traditionalmaterials research methods become increasingly limited asmaterialsystems grow in complexity,relyingsolely onclassical experimental and computational approaches.Byintroducing cutting-edge techniques such as deep learning,self-attention mechanisms, and generative adversarialnetworks,this course equips students with the latest toolsandmethodsfor processing complex material data,predictingmaterial properties, and designing novel materials. Theintended objectives include developing students knowledge*课程简介and skills inthe interdisciplinaryfield of materials science(English)Courseand AI, enabling them to apply machine learning models inDescriptionmaterial development and fostering cross-disciplinaryinnovation; training students to leverage data analysis andpatternrecognition touncoverunderlyingphysical principlesand structure-property relationships from materials data,providing a scientific basis for materials design; enablingstudents to independently develop intelligent materialsdesign workflows through mastery of advanced A methods,further promoting the automation and efficiency of materialsdevelopment; and cultivatingthe abilityto apply theknowledge gained from this courseto real-world materialsresearchanddevelopment,therebycontributingtoinnovationand transformation in the materials industry and relatedfields.授课学教学方式授课教师时教学内容ContentFormatInstructorHours机器学习在材料设计中的4授课饶梓元应用（上）机器学习在材料设计中的4授课饶梓元应用（下）*教学安排卷积神经网络与材料表征4授课饶梓元Schedules分析大语言模型与智能体驱动2授课饶梓元材料研究校企联合授课-苏州国家实4授课陈忻、惠健验室授课+企业参4校企联合授课-上海电气张晶观
上海交通大学研究生院 培养学生将课程中学习的知识应用于实际材料研究和开发中，为未 来在材料行业及相关领域的创新和转型提供助力。 *课程简介 （English） Course Description This course aims to promote the deep integration of materials science with advanced machine learning and artificial intelligence technologies, addressing the urgent need for data-driven approaches in material design. The traditional materials research methods become increasingly limited as material systems grow in complexity, relying solely on classical experimental and computational approaches. By introducing cutting-edge techniques such as deep learning, self-attention mechanisms, and generative adversarial networks, this course equips students with the latest tools and methods for processing complex material data, predicting material properties, and designing novel materials. The intended objectives include developing students’knowledge and skills in the interdisciplinary field of materials science and AI, enabling them to apply machine learning models in material development and fostering cross-disciplinary innovation; training students to leverage data analysis and pattern recognition to uncover underlying physical principles and structure–property relationships from materials data, providing a scientific basis for materials design; enabling students to independently develop intelligent materials design workflows through mastery of advanced AI methods, further promoting the automation and efficiency of materials development; and cultivating the ability to apply the knowledge gained from this course to real-world materials research and development, thereby contributing to innovation and transformation in the materials industry and related fields. *教学安排 Schedules 教学内容 Content 授课学 时 Hours 教学方式 Format 授课教师 Instructor 机器学习在材料设计中的 应用（上） 4 授课 饶梓元 机器学习在材料设计中的 应用（下） 4 授课 饶梓元 卷积神经网络与材料表征 分析 4 授课 饶梓元 大语言模型与智能体驱动 材料研究 2 授课 饶梓元 校企联合授课-苏州国家实 验室 4 授课 陈忻、惠健 校企联合授课-上海电气 4 授课+企业参 观 张晶
上海交通大学研究生院2授课苏异才校企联合授课-宝武钢铁授课+企业参4冉念校企联合授课-上硅所观4课堂展示饶梓元期末PPT展示*考核方式平时作业，占总分60%：期末PPT展示40%GradingPolicy*教材或参考资料周志华著。机器学习Textbooks&References备注Notes备注说明：1.带*内容为必填项；2．课程简介字数为300-500字；教学内容、进度安排等以表述清楚教学安排为宜，字数不限
上海交通大学研究生院 校企联合授课-宝武钢铁 2 授课 苏异才 校企联合授课-上硅所 4 授课+企业参 观 冉念 期末 PPT 展示 4 课堂展示 饶梓元 *考核方式 Grading Policy 平时作业，占总分 60%；期末 PPT 展示 40% *教材或参 考资料 Textbooks & References 周志华 著. 机器学习 备注 Notes 备注说明： 1．带*内容为必填项； 2．课程简介字数为 300-500 字；教学内容、进度安排等以表述清楚教学安排为宜，字 数不限