材料信息学——数据驱动的发现加速实验与应用

第1章 材料信息学 1.信息学的定义及意义 2.从系统生物学中学习：材料设计的“组学(OMICS)”方法 3.我们可以从哪里获得这些信息 4.数据挖掘：数据驱动的材料研究 参考文献 第2章 数据挖掘在材料科学与工程中的应用 1.简介 2.科学应用的分析需要 3.科学的数据挖掘过程 4.图像分析 5.降维 6.建立预测和描述模型 7.延伸阅读 致谢 参考文献 第3章 材料科学中的统计学习新方法 1.简介 2.有监督的二分类学习问题 3.结合边缘信息 4.一致性预测 5. 学习 6. 不确定性量化 7.包含统计物理方法的聚类分析 8.材料科学中的案例：寻找新型压电材料 9.结论 10.深入阅读 致谢 参考文献 第4章 聚类分析：发现数据组别 1.简介 2.无监督学习 3.不同的聚类算法和在R软件中的实现 4.聚类结果的验证 5.聚类结果的排序融合 6.延伸阅读 致谢 参考文献 第5章 进化数据驱动建模 1.序言 2.帕累托权衡(Paretotradeoff)概念 3.进化神经网络和帕累托权衡 4.在EvoNN中选择合适的模型 5.传统遗传规划 6.双目标遗传规划 7.EvoNN和BioGP中的变量响应分析 8.在材料领域的应用 9.展望 参考文献 第6章 材料科学中的数据降维