LAMMPS分子动力学+Gaussian量子化学计算+机器学习材料性能预测

专题一：LAMMPS分子动力学

基础入门：石墨烯、金属材料建模及力学分析；纳米流体模拟及流动性质分析； 热传导及导热系数模拟计算；多成分体系（金属、合金、高熵合金）的摩擦模拟以及材料切削模拟；离子辐照对石墨烯、金属、碳化硅的离位损伤模拟。

高级进阶：自建分子力场文 件及 MOFs 材料建模分析；分子筛纳米膜分离 H2/CO2 混合气体模拟分析；利用 ReaxFF 模拟碳氢化合物的燃烧及氧化过程；利用 ReaxFF 模拟化学机械抛光施压过程和拉伸过程。

专题二：Gaussian量子化学计算

内容：理论计算化学理论及程序入门操作、Gaussian基础操作及实际计算过程、Gaussian进阶操作及实际计算过程、Gaussian计算专题与实践应用（模拟文献）

详细内容可见：

专题三： 机器学习材料性能预测与材料基因工程应用实战

内容： 该专题机器学习以及机器学习在材料领域的应用基本概念开始，明确机器学习方法的适用性和优势，以及有针对性的对python语言基础进行系统学习，为之后构建相应算法模型框架打下基础。进阶：深度学习神经网络、经典机器学习模型、材料基因工程入门与实战、图神经网络与实践、机器学习+Science五个模块，结合案例实践教学（神经网络在催化领域的应用、预测杂化钙钛矿带隙、有机太阳能电池材料快速筛选、团簇结构数据库构建、同素异形体结构数据库构建、原子性质分析、材料指纹和势函数生成、描述符的向量化生成与特征、图神经网络预测无机材料的性能、分子理化性质的预测、量子点发光材料色温的预测、半导体材料物理性质预测、二维材料的性质预测等）

详细内容可见：