机器学习与AI机器学习与AI围绕机器学习势、性质预测与筛选、生成设计与优化，以及多尺度代理与有限度数字孪生，把第一性原理、分子动力学和连续介质计算与数据驱动方法衔接起来。全部分类机器学习势与大规模模拟性质预测与高通量筛选生成设计与智能优化多尺度代理与数字孪生机器学习势与大规模模拟机器学习势构建与主动学习查看详情机器学习势、主动学习、不确定性采样、DFT 标注、DeePMD、MACE、NequIP、Allegro、能量与力误差查看详情通用势评估与微调查看详情通用机器学习势、MACE-MP、CHGNet、DPA、零样本评估、微调、力误差、物性复核查看详情机器学习势分子动力学查看详情MLMD、长时模拟、大体系、扩散系数、界面重构、反应采样、与 AIMD 对照查看详情性质预测与高通量筛选结构–性质模型与高通量筛选查看详情图神经网络、描述符模型、形成能、吸附能、带隙、高通量筛选、交叉验证、DFT 复核查看详情可解释模型与符号回归描述符查看详情符号回归、SISSO、稀疏描述符、特征重要性、结构–活性关系、可解释机器学习查看详情数据挖掘与机器学习建模查看详情多源数据整合、数据清洗、去噪、缺失值处理、异常值检测、特征工程、降维、回归 / 分类模型、交叉验证、SHAP 可解释、文献数据提取、光谱 / 循环序列数据查看详情生成设计与智能优化生成模型与逆向设计查看详情生成模型、逆向设计、晶体结构生成、分子骨架设计、目标性质约束、DFT 稳定性复核查看详情贝叶斯优化与计算实验设计查看详情贝叶斯优化、高斯过程、实验设计、组分空间搜索、计算目标函数、迭代推荐查看详情多尺度代理与数字孪生有限元与相场代理模型查看详情代理模型、相场加速、有限元代理、降阶模型、参数扫描、误差评估查看详情数据同化与模型参数辨识查看详情数据同化、贝叶斯标定、参数反演、相场、有限元、实验观测融合、不确定性查看详情电池电化学–热模型与状态估计查看详情电化学–热耦合、参数辨识、状态估计、工况预测、循环数据、有限度数字孪生查看详情物理信息神经网络查看详情PINN、物理约束、稀疏数据、连续介质模型、守恒约束、外推风险查看详情电子结构加速与哈密顿量学习查看详情机器学习哈密顿量、DeepH、杂化泛函加速、能带、态密度、与 DFT 对照查看详情
