关于举办“生成式AI驱动的高分子材料研发与应用”专题培训会议的通知

一、课程背景

近年来，生成式人工智能（如大语言模型）在材料科学领域掀起革命性浪潮，其核心能力—从海量数据中挖掘构效关系、实现分子逆向设计—正在颠覆传统材料研发模式。以聚合物为例，传统依赖实验试错或量子计算的设计方法面临周期长、成本高、多目标优化困难等瓶颈，而生成式AI通过“数据驱动+智能生成”范式，可快速预测材料性能、生成新型分子结构，加速从实验室到产业化的进程。据《Nature》子刊统计，2020年以来基于生成式AI的材料研究论文年增长率超300%，能源部、欧盟材料基因组计划等均将其列为战略技术方向。

应“AI+材料”双重能力的前沿科研人才的学习需求，特举办此次培训会议。本次培训会议主办方为北京软研国际信息技术研究院，承办方互动派（北京）教育科技有限公司，会议会务合作单位为北京中科万维智能科技有限公司。

二、培训对象

   材料科学、电力工业、航空航天科学与工程、有机化工、无机化工、建筑科学与工程、自动化技术、工业通用技术、汽车工业、金属学与金属工艺、机械工业、船舶工业等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。

三、培训特色

前沿技术与理论结合：课程涵盖了生成式AI的基本概念、深度学习技术、大语言模型等前沿内容，同时结合了高分子材料的特性，使学员能够系统地了解和掌握最新的技术动态及其在材料领域的应用。

丰富的案例实践：通过多个案例实践教学环节，如利用机器学习预测聚合物粘度、构建耐热高分子筛选工作流、大语言模型实现聚合物性质预测等，让学员在实际操作中加深对理论知识的理解，提升解决实际问题的能力。

多学科知识融合：课程内容涉及深度学习、高分子材料科学、材料基因组工程等多个学科领域，学员能够在学习过程中拓宽知识面，培养跨学科思维，更好地应对复杂的研发任务。

系统性与针对性：课程从生成式AI的基础知识讲起，逐步深入到大语言模型、材料基因组工程等核心内容，并针对高分子材料的特点进行重点分析和实践教学，使学员能够系统地构建知识体系，同时掌握与高分子材料研发相关的具体技术和方法。

工具与平台应用：介绍Tensorflow、Pytorch、HuggingFace、Langchain、Gradio等先进的深度学习模块和工具，使学员能够熟练使用这些工具进行高分子材料的研发工作，提升工作效率。

四、课程大纲

目录	主要内容
生成式人工智能导论	学习目标:明确生成式AI方法的适用性，优势，以及局限性等。 1.1 深度学习和生成式AI 1.2 生成式AI的应用实例（VAE、Diffusion、LLM等） 1.3 生成式AI在材料领域(无机、金属、高分子等领域)的应用
大语言模型：生成式AI的核心	学习目标:以生成式AI中最重要的一个模块—大语言模型为例，对生成式AI进行重点分析。 2.1 大模型的架构与特点（如 GPT、BERT 等） 2.2 （聚合物）材料大模型最新开发进展 2.3 大模型的训练与应用示例 案例实践教学一：以GPT训练为例
深入大语言模型的开发和在线部署	学习目标:以大语言模型为例，有针对性的对生成式AI进行系统的学习，以方便将来开展基于生成模型的性质预测和逆向设计的学习 3.1 Tensorflow与Pytorch—深度学习模块 3.2 HuggingFace—大语言模型的“Github“ 3.3 Langchain—训练、使用大模型的脚手架 3.4 Gradio—自己部署在线机器学习模型 3.5案例实践教学二: 利用机器学习和生成式AI方法预测聚合物粘度 ——体会各模型在精度、复杂度和计算时间的区别
材料基因工程：数据驱动的聚合物设计	学习目标:从数据库出发，对材料领域常见的数据库进行介绍，学习如何利用Pandas、ChemDraw、Dragon、Mordred等软件包批量构建及处理数据集，对材料进行特征选择。常见的聚合物材料结构表示方法及编码及机器学习模型的评估与利用 4.1 材料基因组：从高通量计算到智能设计 4.2 常见（聚合物）材料数据库 Material Project数据库、PolyInfo、AI Polymer Plus、Polymer Genome 4.3常见聚合物数据获取与使用 4.4 聚合物结构的特征工程 4.5 特征选择(过滤特征、包装到其他评估或集成到训练) 4.6案例实践教学三:(包含以下内容) 从零开始手搓耐热高分子/高力学性能高分子机器学习筛选工作流的代码， 实现对聚合物结构表示、特征筛选、模型建立、模型优化和高通量筛选的掌握 通过以上课程加深对于机器学习模型和深度神经网络（如图神经网络）的掌握。 4.8 案例实践教学四：主动学习、对比学习框架在聚合物科学问题中的实现
生成式AI在聚合物科学中的应用	学习目标:介绍深度学习领域前沿内容，了解材料科学与机器学习领域最新研究动态，同时介绍几种更为先进的机器学习算法。 5.1 生成模型在聚合物材料性质预测和逆向设计中的应用与挑战 5.2 大语言模型驱动性质预测 案例实践教学五：大语言模型实现聚合物性质预测—polyBERT和TransPolymer 5.3 逆向设计范式： 案例实践教学六：VAE和大语言模型实现聚合物按需逆向设计 5.4 生成式AI在材料科学中的规模化应用前景

 

五、主讲介绍：

来自国内985高校，主要从事人工智能辅助的科学研究，相关成果发表在《Macromolecules》《Chemical Science》《npj Computational Materials》等国际期刊上，多次担任《Journal of Membrane Science》《Artificial Intelligence Review》等国际期刊审稿人。擅长领域：深度学习、生成式AI和大语言模型等机器学习方法在材料科学、工业优化中的研究。

 

六、时间地点：  

2025年04月18日-04月20日     在线直播（授课三天）

七、报名费用：

每人￥3600元（含报名费、培训费、资料费）

2025年03月28日前报名缴费可享受200元早鸟价优惠；

参加过我单位举办的其它课程的老学员，可享受额外200优惠；

费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；

北京中科万维智能科技有限公司作为本次会议会务合作单位，负责注册费用收取和开具发票，可开具会议费发票和发送会议邀请函；

八、增值服务：

1、凡报名学员将获得本次培训电子课件及案例模型文件，以及全部无限次回放视频；

2、凡老学员推荐报名者，可享受额外两百元优惠；

3、参加培训并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的《生成式AI驱动的高分子材料研发与应用》专业技能结业证书；

九、联系方式：

官方联系人:科宇老师         企业微信:13520456594              

官方座机：010-56245524        官方网址：www.hdpaii.com

【注】1、开课前一周会务组统一通知；开课前一天将直播链接及上机账号发至您邮箱或微信。