幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧與物理導論(材料計算與設計高等學校人工智慧系列教材)

  • 作者：編者:林海平//樊星//孫煜平|責編:于水
  • 出版社：化學工業
  • ISBN：9787122502209
  • 出版日期：2026/09/01
  • 裝幀：平裝
  • 頁數：244
人民幣：RMB 78 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《人工智慧與物理導論：材料計算與設計》系統闡述了人工智慧與凝聚態物理交叉融合的前沿進展，重點聚焦于材料計算與智能設計的新範式。從傳統計算物理方法到現代機器學習技術，構建了一個完整的人工智慧賦能材料研究的理論框架與實踐指南。全書共分為6章。第1章為智能時代下的材料設計導論，回顧材料研發範式的變遷，介紹晶體結構、倒易空間與能帶理論等基礎概念；第2章深入講解密度泛函理論的核心原理，包括薛定諤方程、Born-Oppenheimer近似、Hartree-Fock近似、Kohn-Sham方程等關鍵內容；第3章聚焦結構優化與能量計算，詳細解析自洽場計算流程、電子排布規則及晶格常數優化方法；第4章闡述電子結構分析與催化機理，涵蓋態密度、差分電荷密度、Bader電荷、微彈性帶方法等重要分析技術；第5章專門探討電催化材料的密度泛函理論計算，系統介紹析氫、氮還原、析氧、氧還原等關鍵電催化過程的機理分析與材料設計；第6章全面講解機器學習方法在材料科學中的應用，包括線性回歸、邏輯回歸、決策樹、支持向量機、神經網路等演算法及其在材料預測與設計中的實踐。
    本書的特色在於將物理原理的深刻理解與人工智慧演算法的實踐應用緊密結合，既注重理論基礎的系統性，又強調計算方法的可操作性。書中包含了大量來自材料計算研究一線的實際案例，為讀者提供了從理論到實踐的全方位指導。本書適合凝聚態物理、計算材料和量子信息等相關專業的高年級本科生和研究生閱讀，也可作為人工智慧與自然科學交叉領域的教學參考書。
作者介紹
編者:林海平//樊星//孫煜平|責編:于水
目錄
第1章  智能時代下的材料設計
  1.1  材料研發範式的變遷：從「試錯」到「計算」再到「智能」
  1.2  計算材料學的價值與邊界：基於物理模型的模擬
  1.3  基礎理論回顧：晶體結構、倒易空間與能帶
    1.3.1  晶體結構
    1.3.2  布拉菲格子
    1.3.3  倒易空間
    1.3.4  能帶理論
  1.4  計算材料軟體生態概覽
    1.4.1  VASP
    1.4.2  Materials Studio
  習題與思考
第2章  密度泛函理論：多體問題的工程化解決方案
  2.1  薛定諤方程
  2.2  Born-Oppenheimer近似
  2.3  Hartree近似
  2.4  Hartree-Fock近似
  2.5  Hohenberg-Kohn定理
  2.6  Kohn-Sham方程
  2.7  交換關聯泛函
  2.8  k空間採樣
    2.8.1  截斷能
    2.8.2  k空間中的積分
    2.8.3  贗勢
  2.9  截斷能與k點密度收斂性測試
  2.10  使用DFT進行科學研究的注意事項
    2.10.1  DFT的研究尺度
    2.10.2  DFT不適用的場景
    2.10.3  DFT計算所得的總能量和單電子波函數的意義
  習題與思考
第3章  結構優化與能量計算
  3.1  自洽場計算流程解析
  3.2  DFT計算中的電子排布規則
    3.2.1  能量最低原理
    3.2.2  泡利不相容原理
    3.2.3  洪德規則
    3.2.4  電子填充
  3.3  晶格常數優化
  3.4  結構優化計算流程解析
    3.4.1  一維物理體系下的優化
    3.4.2  高維物理體系下的優化
  3.5  表面吸附能計算
  習題與思考
第4章  電子結構分析與催化機理
  4.1  態密度計算
    4.1.1  態密度與費米分佈
    4.1.2  凝聚態體系中的態密度計算
  4.2  差分電荷密度計算
  4.3  Bader電荷計算
  4.4  分解電荷密度

  4.5  晶體軌道哈密頓布居
  4.6  微彈性帶方法
    4.6.1  過渡態理論
    4.6.2  微彈性帶計算
  習題與思考
第5章  電催化材料的密度泛函理論計算
  5.1  析氫材料的設計
    5.1.1  電解水反應的物理化學基礎
    5.1.2  標準氫電極模型
    5.1.3  過電位
    5.1.4  DFT計算中H+與OH-自由能計算
    5.1.5  析氫過程的機理
    5.1.6  析氫材料性能描述符
  5.2  氮還原材料計算與篩選
    5.2.1  范特霍夫方程與勒夏特列原理
    5.2.2  氮還原路徑與材料表面過程
    5.2.3  氮氣分子的軌道雜化理論
    5.2.4  氮還原過程的計算
    5.2.5  氮還原材料性能的理論分析方法
    5.2.6  氮還原材料性能描述符
  5.3  析氧材料機理與計算
    5.3.1  吸附物演化機制
    5.3.2  晶格氧機制
    5.3.3  氧化耦合機制
    5.3.4  析氧材料性能分析方法
  5.4  氧還原材料機理與描述符
    5.4.1  氧還原反應的機理
    5.4.2  氧還原材料性能描述符
  習題與思考
第6章  機器學習
  6.1  線性回歸
    6.1.1  線性回歸簡介
    6.1.2  線性回歸方程推導
    6.1.3  機器學習中線性回歸方程的求解
  6.2  邏輯回歸
  6.3  k-近鄰演算法
    6.3.1  k-近鄰演算法簡介
    6.3.2  k-近鄰演算法距離度量
    6.3.3  kd樹
    6.3.4  k值的選擇
  6.4  決策樹和隨機森林
    6.4.1  決策樹簡介
    6.4.2  決策樹劃分依據
    6.4.3  決策樹剪枝
    6.4.4  隨機森林
  6.5  支持向量機
    6.5.1  支持向量機簡介
    6.5.2  最大間隔計算
    6.5.3  支持向量機對偶問題
    6.5.4  支持向量機核技巧

    6.5.5  軟間隔優化
  6.6  樸素貝葉斯
    6.6.1  樸素貝葉斯簡介
    6.6.2  貝葉斯公式
    6.6.3  案例分析
    6.6.4  樸素貝葉斯的不同種類
  6.7  聚類
    6.7.1  聚類演算法簡介
    6.7.2  K-Means聚類演算法
    6.7.3  MeanShift聚類演算法
    6.7.4  DBSCAN聚類演算法
  6.8  神經網路
    6.8.1  神經網路簡介
    6.8.2  全連接層
    6.8.3  全連接層參數優化
    6.8.4  卷積神經網路
  6.9  可靠獨立篩選與稀疏化運算元
    6.9.1  可靠獨立篩選
    6.9.2  稀疏化運算元
  習題與思考
參考文獻
附錄A  銅、鐵、鈷晶體結構計算參數設置詳述
附錄B  機器學習代碼實現示例
  B.1  決策樹分類的代碼實現
  B.2  隨機森林的代碼實現
  B.3  支持向量機的代碼實現
  B.4  k-近鄰演算法的代碼實現
  B.5  決策樹回歸的代碼實現
  B.6  卷積神經網路的代碼實現
附錄C  習題參考答案
  C.1  第1章習題參考答案
  C.2  第2章習題參考答案
  C.3  第3章習題參考答案
  C.4  第4章習題參考答案
  C.5  第5章習題參考答案
  C.6  第6章習題參考答案

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032