材料信息學方法、工具和應用

第1章  晶體學開放數據庫的發(fā)展歷程
 1.1  引言
 1.2  開源科學數據庫
 1.3  晶體學開放數據庫的建立
   1.3.1  范圍和內容
   1.3.2  數據來源
   1.3.3  數據維護
 1.4  晶體學開放數據庫的使用
   1.4.1  數據搜索與檢索
   1.4.2  數據交存
 1.5  晶體學開放數據庫的應用
   1.5.1  材料鑒定
   1.5.2  礦業(yè)
   1.5.3  化學信息的提取
   1.5.4  性能搜索
   1.5.5  晶體結構的幾何統(tǒng)計分析
   1.5.6  高通量計算
   1.5.7  在大學教育及其他拓展活動中的應用
 1.6  展望
   1.6.1  歷史結構
   1.6.2  晶體學開放數據庫中的理論數據
   1.6.3  結論
 致謝
 參考文獻
第2章  無機晶體結構數據庫
 2.1  引言
 2.2  無機晶體結構數據庫的內容
 2.3  接口
 2.4  無機晶體結構數據庫的應用
   2.4.1  鐵電性能的預測
   2.4.2  結構類型概念的使用
   2.4.3  基于無機晶體結構數據庫的機器學習訓練案例
   2.4.4  高通量計算方法
 2.5  展望
 參考文獻
第3章  Pauling File無機材料數據庫整體框架
 3.1  引言
 3.2  Pauling File無機材料數據庫中的晶體結構
   3.2.1  數據選擇
   3.2.2  晶體結構條目類別
   3.2.3  數據庫字段
   3.2.4  結構原型
   3.2.5  標準化的晶體學數據
   3.2.6  原子坐標的分配
   3.2.7  原子環(huán)境類型
   3.2.8  晶胞參數圖
 3.3  Pauling File無機材料數據庫中的相圖
 3.4  Pauling File無機材料數據庫中的物理性質
   3.4.1  數據選擇
   3.4.2  數據庫字段
   3.4.3  Pauling File無機材料數據庫中的物理性質
 3.5  數據質量
 3.6  相表
   3.6.1  化學式和相名
   3.6.2  相的分類
 3.7  巨型數據庫
 3.8  應用
   3.8.1  含有Pauling File數據庫數據的產品
   3.8.2  基于Pauling File數據庫的整體性概述
   3.8.3  化學元素排序規(guī)則
 3.9  經驗教訓
 3.10  結論
 參考文獻
第4章  從拓撲描述符到專家系統(tǒng)
 4.1  引言
 4.2  開發(fā)知識數據庫的拓撲工具
   4.2.1  為什么重視拓撲結構
   4.2.2  拓撲描述符與其他晶體結構描述符的比較
   4.2.3  拓撲數據庫與晶體學數據庫的比較
   4.2.4  晶體學數據中拓撲知識的提取
   4.2.5  通用數據的存儲
 4.3  拓撲方法在晶體化學和材料學中的應用
   4.3.1  網絡拓撲結構的預測
   4.3.2  性能的預測
 4.4  結論
 參考文獻
第5章  以AiiDA材料信息學平臺和Pauling File無機材料數據庫為參考的高通量計算研究
 5.1  引言
   5.1.1  三大重要進展
   5.1.2  較少的無機材料實驗研究
 5.2  自然定義的局限
 5.3  第一、第二和第三科學范式
 5.4  第四科學范式和第五科學范式實現的先決條件
   5.4.1  原型分類的引入
   5.4.2  相表概念的引入
   5.4.3  以單相無機材料實驗數據為參考的無機材料數據庫
 5.5  第五科學范式的核心思想
 5.6  “無機材料-控制因素相關性圖”揭示的約束條件
   5.6.1  化合物形成圖
   5.6.2  AB型無機材料的原子環(huán)境類型穩(wěn)定性圖
   5.6.3  材料科學的12條原則對自然定義基石的支持
 5.7  量子模擬策略
 5.8  基于AiiDA材料信息學平臺的高通量計算工作流
   5.8.1  AiiDA材料信息學平臺
   5.8.2  標準固體腰勢庫
   5.8.3  工作流
   5.8.4  工作函數
   5.8.5  工作鏈
   5.8.6  工作流的應用
 5.9  結論
 致謝
 參考文獻
第6章  利用機器學習對材料量子特性建模
 6.1  引言
 6.2  內核嶺回歸
 6.3  模型評估
   6.3.1  學習曲線
   6.3.2  效率提升
 6.4  表示方法
 6.5  近期發(fā)展
 參考文獻
第7章  材料特性的自動化計算
 7.1  引言
 7.2  自動化計算材料設計框架
   7.2.1  用于新材料發(fā)現的數據庫的生成和使用
   7.2.2  自動化數據生成的標準化協(xié)議
 7.3  材料性能的綜合計算
   7.3.1  自主對稱性
   7.3.2  彈性常數
   7.3.3  準諧波Debye-Grineisen模型
   7.3.4  諧波聲子
   7.3.5  準諧聲子
   7.3.6  非諧聲子
 7.4  在線數據庫
   7.4.1  計算材料數據門戶網站
   7.4.2  可編程訪問的計算材料性能數據庫
 7.5  應用
   7.5.1  無序材料
   7.5.2  超級合金
   7.5.3  熱電材料
   7.5.4  磁性材料
 7.6  結論
 致謝
 參考文獻
第8章  認知化學—機器學習與化學結合加速發(fā)現新材料
 8.1  引言
 8.2  機器學習算法的分子描述
 8.3  利用機器學習建立快速、準確的模型
   8.3.1  平方指數核
   8.3.2  二次有理核
 8.4  化學庫搜索
 8.5  結論
 參考文獻
第9章  用于全局優(yōu)化和分子動力學模擬的機器學習原子間勢
 9.1  引言
 9.2  用于全局優(yōu)化的機器學習勢
   9.2.1  晶格求和法
   9.2.2  特征向量
   9.2.3  特征向量分析
   9.2.4  原子間勢的機器學習實例