机器学习二维材料实战时间2026.05.18---2026.05.19晚上19:00-22:002026.05.25---2026.05.26晚上19:00-22:002026.06.06---2026.06.07上午09:00-11:30下午13:30-17:00腾讯会议 线上授课共四天课程 提供全程视频回放和课程群答疑专题二机器学习二维材料实战学习目标本课程旨在为学员搭建一座从“第一性原理计算”的复杂理论到“Python可执行、物理可解释的轻量化模型”的实践桥梁。通过聚焦二维材料这一前沿领域我们将不深入量子力学方程的求解细节而是着重于理解物理模型的核心思想并将其转化为可实现的数据处理和计算脚本。完成本课程后学员应达成以下目标1.建立“模型降阶”与“数据驱动”的交叉研究思维理解在二维材料研究中完整的第一性原理计算、紧束缚近似、连续模型和数据驱动模型各自适用的场景与边界。掌握如何将复杂的物理问题如转角结构、无序效应、激子物理抽象和简化为可通过Python数值计算和基础机器学习方法解决的代码。2.掌握二维材料电子结构计算的基础实现流程能够从晶格几何出发编程实现石墨烯与TMD等典型二维材料的最紧邻紧束缚模型计算其能带结构并从中提取有效质量等关键物理参数。进一步能够将此框架扩展到MoS₂等TMD材料理解多轨道模型的基本构建思想。3.实践转角结构与低维体系物性的简化建模方法掌握基于整数运算的公度转角搜索算法思想并能够生成转角双层结构的坐标直观理解莫尔超晶格的构建。同时能够利用量子限域效应等简化物理模型对实验观测的激子发光峰进行拟合反演出介电常数、激子半径等物理参数完成“实验数据-模型拟合-参数提取”的完整科研微循环。获得利用机器学习辅助材料筛选的实战能力系统掌握针对材料数据库如热导率数据集的数据清洗、规则筛选、探索性分析和可视化技能。能够运用回归模型如随机森林构建材料性质如热导率的预测模型并进行特征重要性分析。最终能够将训练好的模型用于高通量筛选快速锁定具有目标性能如超高或超低热导的候选材料形成一套从数据到设计的端到端工作流程。讲师介绍机器学习二维材料实战专题主讲老师来自国内顶尖学府长期致力于低维材料与凝聚态物理的理论与计算研究尤其在二维材料的量子物性、转角电子学及高通量计算筛选方向有着深厚的学术积累。导师的研究特色在于巧妙融合第一性原理计算、模型哈密顿量与数据科学方法致力于发展高效、物理图像清晰的跨尺度计算框架以揭示和预测二维材料体系最新物理现象。在学术前沿导师在二维材料能带工程、莫尔超晶格物理、以及低维体系热输运与激子物理等方向做出了一系列具有国际影响力的工作。其研究成果系统性地发表于《Physical Review Letter》、《Physical Review B》、《npj 2D Materials and Applications》、《Nano Letters》 等凝聚态物理与纳米科学领域的权威期刊。同时导师在利用紧束缚模型、连续模型等简化方法高效研究复杂转角体系方面颇有建树相关方法学论文发表于《Computer Physics Communications》 等计算物理专业期刊。此外导师在推动数据驱动方法应用于二维材料发现方面也进行了深入探索相关研究工作发表在《Journal of Physics: Materials》、《APL Materials》 等材料科学期刊上。导师也担任多个相关领域期刊的审稿人对学科发展动态有精准把握。在教学与指导上导师的授课风格务实清晰、深入浅出尤为擅长将前沿研究中复杂的物理问题拆解为核心的物理图像和关键的数学模型并引导学生用编程实现来验证和理解。导师坚信“动手实现是理解的最佳途径”其课程设计始终围绕“物理可解释、代码可运行”的核心原则避免陷入深奥的数学推导或庞杂的软件操作。通过本课程导师将引领学员掌握从构建最小紧束缚模型、实现转角结构搜索到进行数据驱动的性质预测与筛选这一整套研究工具链使学员不仅能理解二维材料研究的前沿问题更能获得独立开展创新性计算与数据研究所需的扎实技能和清晰思路。专题二机器学习二维材料实战第一天上午理论部分讲解和综述二维材料研究背景与问题分层二维材料、转角体系、异质结、热输运、激子效应的研究背景为什么完整第一性原理不适合短课入门哪些问题适合降阶成 Python 案例从第一性原理到轻量模型DFT、紧束缚、连续模型、数据驱动模型之间的关系什么叫“课程代码可运行模型”什么叫“物理可解释的简化”本课程案例总览与数学准备晶格、倒空间、哈密顿量、本征值问题拟合、回归、可视化、筛选的基本思想四天课程路线图与成果说明第一天下午案例 1–3二维材料数据与规则筛选案例1课程代码二维材料数据表读取、清洗与字段标准化案例简介用pandas 读取课程代码材料数据表完成字段重命名、缺失值处理、类型转换和单位统一为后续结构筛选、性质预测和可视化建立统一数据入口。重点CSV/Excel 读取、数据清洗、数据字典设计案例2基于规则筛选“适合进一步研究的二维材料”案例简介模拟课程代码里的数据预处理思路按原胞原子数、结构复杂度、层间距等规则做筛选得到“更适合做转角或建模”的候选材料集合。重点布尔筛选、条件组合、规则工程现有基础课程中明确讨论了对二维材料数据库做数据准备、排除原胞原子过多和结构起伏过大的材料。案例3二维材料数据库的统计图与研究视角可视化案例简介对候选材料做直方图、散点图、箱线图、相关性热图观察原胞大小、带隙、类别、层间距等变量的分布训练“先看数据再建模”的习惯。重点matplotlib 可视化、分布分析、特征观察第二天上午代码和机器学习库简介Python 科学计算环境numpy数组、矩阵、线性代数pandas表格数据处理matplotlib科研图Python 数值计算与拟合scipy.linalg、scipy.optimize本征值求解、非线性拟合、插值、积分代码结构、函数封装、参数管理Python 机器学习基础scikit-learn 的基本流程训练集/测试集、特征工程、模型评估回归任务、交叉验证、特征重要性第二天下午案例 4–6石墨烯与简化紧束缚建模案例4石墨烯晶格、倒格矢与第一布里渊区绘图案例简介从石墨烯的实空间晶格出发用 Python 生成晶格点、倒格矢和高对称点画出第一布里渊区建立后续能带计算的几何基础。重点向量运算、几何绘图、倒空间概念现有基础相关论文图目录明确包含石墨烯晶格结构、布里渊区和紧束缚能带。案例5单层石墨烯最近邻紧束缚能带计算案例简介构建石墨烯 2×2 紧束缚哈密顿量沿 Γ-K-M-Γ 路径计算能带并绘图观察狄拉克点的形成理解“模型—矩阵—能带图”的最小流程。重点哈密顿量矩阵、本征值、k 路径采样现有基础论文中明确给出了“使用紧束缚模型计算得到的石墨烯能带色散结果”。案例6双层石墨烯简化层间耦合参数扫描案例简介在课程代码双层石墨烯模型中加入层间耦合参数扫描耦合强度观察低能带形状变化理解“压力/层间耦合增强”如何映射到简化模型中。重点参数扫描、二维矩阵扩展、结果对比现有基础课程中讨论了双层与转角石墨烯的电子结构及层间耦合相关问题。第三天上午案例 7–9MoS2、无序效应与简化电子结构案例7MoS2 单层紧束缚模型的课程代码实现案例简介根据课程代码思路搭建 MoS2 课程代码紧束缚模型比较不同轨道或参数下的带边位置变化让学生理解“从石墨烯到 TMD”的模型升级。重点多轨道模型、参数化思想、半导体带隙现有基础MoS2 紧束缚文章专门提出了可用于单层二硫族化合物的紧束缚参数化模型。案例8由能带数据反推出有效质量与带边参数案例简介从一段课程代码能带数据出发用二次拟合提取带边曲率与有效质量理解为什么材料论文中常常把“带边附近”单独做分析。重点局部拟合、曲率、有效质量提取现有基础相关课程代码在单层和双层 MoTe2 的带边附近提取有效质量等参数。案例9随机势/随机跃迁下的无序电子结构 toy 模拟案例简介在简化晶格模型中加入随机在位能或随机跃迁比较无序前后态密度或能带展宽理解“无序会模糊清晰副本信号”的物理图像。重点随机数、重复平均、DOS/展宽现有基础转角石墨烯/hBN现有理论及代码明确讨论了无序氮化硼与随机跃迁对电子结构副本的破坏。第三天下午案例 10–12转角结构与 2DTwist 思想入门案例10六角晶格公度转角搜索的整数化实现案例简介从六角格点的整数坐标出发枚举满足几何条件的点对搜索可形成公度结构的候选转角理解“整数搜索比直接浮点比较更稳定”。重点整数格点、几何约束、角度计算现有基础论文明确指出 2DTwist 采用整数运算避免大超胞构建时的浮点误差。案例11生成转角双层石墨烯课程代码超胞坐标案例简介在案例10基础上把求得的转角参数变成真正的双层石墨烯坐标文件画出摩尔条纹示意图让学生看到“角度—超胞—结构图”的完整链条。重点坐标变换、旋转矩阵、超胞构造现有基础课程代码图目录中给出了 2DTwist 生成的多种转角双层石墨烯和石墨烯/hBN 结构示例。案例12穷举搜索与优化搜索的复杂度对比实验案例简介写一个简单的穷举版和一个优化版角度搜索程序比较不同搜索上限下运行时间直观理解算法复杂度为什么是材料自动化的关键。重点算法复杂度、计时、基准测试现有基础从较高复杂度搜索到 O(N²) 算法优化及其基准测试。第四天上午案例 13–15量子阱与激子拟合案例13发光峰位置与厚度平方倒数的线性拟合案例简介根据课程代码钙钛矿纳米片数据画出发光能量对 (1/d2) 的关系并做线性拟合演示量子限域效应如何从实验数据中读出来。重点线性拟合、物理量换算、实验数据建模现有基础课程代码明确指出发光峰位置与厚度平方倒数满足线性关系。案例14级数截断项 Nmax 的收敛性分析案例简介复现课程代码激子结合能随截断项增加而逐步收敛的过程并比较不同介电常数比下的收敛速度训练学生对数值误差的敏感度。重点级数求和、收敛曲线、数值稳定性现有基础课程代码专门讨论了各向异性参数变大时收敛变慢以及结合能与半径对 Nmax 的不同收敛特征。案例15量子阱模型参数拟合与激子半径估计案例简介利用scipy.optimize 对课程代码实验数据做参数拟合反推出有效介电常数再估计激子半径体验“模型参数由实验反推”的科研基本流程。重点非线性拟合、参数反演、误差分析现有基础课程中明确使用量子阱模型拟合激子结合能并进一步估计激子半径。第四天下午案例 16–18热导率机器学习预测案例16二维材料热导率数据集的探索式分析案例简介基于课程代码热导率表完成特征分布、异常值检查、目标变量分布和初步相关性分析建立“先认识数据再建模”的材料信息学习惯。重点EDA、特征分布、目标变量分析现有基础课程中明确提到从课程中整理了 113 个单层二维材料热导率样本。案例17用 Python 回归模型预测晶格热导率案例简介用线性回归、随机森林等课程代码模型预测热导率比较训练集和测试集表现让学生掌握最基础的材料性质监督学习流程。重点训练测试划分、模型评估、特征重要性现有基础核心路线就是基于样本数据构建可解释描述符并进行预测。案例18高通量筛选“超低热导”和“超高热导”候选体系案例简介把案例17训练好的模型应用到更大的课程代码候选集筛选出高热导与低热导材料清单并输出排序表和展示图完成课程闭环。重点批量预测、排序筛选、结果输出现有基础课程代码明确把机器学习模型用于高通量预测并筛选高热导与低热导二维材料