- 人工智能与物理导论(材料计算与设计高等学校人工智能系列教材)
- - 作者：编者:林海平//樊星//孙煜平|责编:于水
  - 出版社：化学工业
  - ISBN：9787122502209
  - 出版日期：2026/09/01
  - 页数：244
- 售价：31.2

内容大纲
《人工智能与物理导论：材料计算与设计》系统阐述了人工智能与凝聚态物理交叉融合的前沿进展，重点聚焦于材料计算与智能设计的新范式。从传统计算物理方法到现代机器学习技术，构建了一个完整的人工智能赋能材料研究的理论框架与实践指南。全书共分为6章。第1章为智能时代下的材料设计导论，回顾材料研发范式的变迁，介绍晶体结构、倒易空间与能带理论等基础概念；第2章深入讲解密度泛函理论的核心原理，包括薛定谔方程、Born-Oppenheimer近似、Hartree-Fock近似、Kohn-Sham方程等关键内容；第3章聚焦结构优化与能量计算，详细解析自洽场计算流程、电子排布规则及晶格常数优化方法；第4章阐述电子结构分析与催化机理，涵盖态密度、差分电荷密度、Bader电荷、微弹性带方法等重要分析技术；第5章专门探讨电催化材料的密度泛函理论计算，系统介绍析氢、氮还原、析氧、氧还原等关键电催化过程的机理分析与材料设计；第6章全面讲解机器学习方法在材料科学中的应用，包括线性回归、逻辑回归、决策树、支持向量机、神经网络等算法及其在材料预测与设计中的实践。
本书的特色在于将物理原理的深刻理解与人工智能算法的实践应用紧密结合，既注重理论基础的系统性，又强调计算方法的可操作性。书中包含了大量来自材料计算研究一线的实际案例，为读者提供了从理论到实践的全方位指导。本书适合凝聚态物理、计算材料和量子信息等相关专业的高年级本科生和研究生阅读，也可作为人工智能与自然科学交叉领域的教学参考书。
作者介绍
目录
第1章  智能时代下的材料设计
  1.1  材料研发范式的变迁：从“试错”到“计算”再到“智能”
  1.2  计算材料学的价值与边界：基于物理模型的模拟
  1.3  基础理论回顾：晶体结构、倒易空间与能带
    1.3.1  晶体结构
    1.3.2  布拉菲格子
    1.3.3  倒易空间
    1.3.4  能带理论
  1.4  计算材料软件生态概览
    1.4.1  VASP
    1.4.2  Materials Studio
  习题与思考
第2章  密度泛函理论：多体问题的工程化解决方案
  2.1  薛定谔方程
  2.2  Born-Oppenheimer近似
  2.3  Hartree近似
  2.4  Hartree-Fock近似
  2.5  Hohenberg-Kohn定理
  2.6  Kohn-Sham方程
  2.7  交换关联泛函
  2.8  k空间采样
    2.8.1  截断能
    2.8.2  k空间中的积分
    2.8.3  赝势
  2.9  截断能与k点密度收敛性测试
  2.10  使用DFT进行科学研究的注意事项
    2.10.1  DFT的研究尺度
    2.10.2  DFT不适用的场景
    2.10.3  DFT计算所得的总能量和单电子波函数的意义
  习题与思考
第3章  结构优化与能量计算
  3.1  自洽场计算流程解析
  3.2  DFT计算中的电子排布规则
    3.2.1  能量最低原理
    3.2.2  泡利不相容原理
    3.2.3  洪德规则
    3.2.4  电子填充
  3.3  晶格常数优化
  3.4  结构优化计算流程解析
    3.4.1  一维物理体系下的优化
    3.4.2  高维物理体系下的优化
  3.5  表面吸附能计算
  习题与思考
第4章  电子结构分析与催化机理
  4.1  态密度计算
    4.1.1  态密度与费米分布
    4.1.2  凝聚态体系中的态密度计算
  4.2  差分电荷密度计算
  4.3  Bader电荷计算
  4.4  分解电荷密度

  4.5  晶体轨道哈密顿布居
  4.6  微弹性带方法
    4.6.1  过渡态理论
    4.6.2  微弹性带计算
  习题与思考
第5章  电催化材料的密度泛函理论计算
  5.1  析氢材料的设计
    5.1.1  电解水反应的物理化学基础
    5.1.2  标准氢电极模型
    5.1.3  过电位
    5.1.4  DFT计算中H+与OH-自由能计算
    5.1.5  析氢过程的机理
    5.1.6  析氢材料性能描述符
  5.2  氮还原材料计算与筛选
    5.2.1  范特霍夫方程与勒夏特列原理
    5.2.2  氮还原路径与材料表面过程
    5.2.3  氮气分子的轨道杂化理论
    5.2.4  氮还原过程的计算
    5.2.5  氮还原材料性能的理论分析方法
    5.2.6  氮还原材料性能描述符
  5.3  析氧材料机理与计算
    5.3.1  吸附物演化机制
    5.3.2  晶格氧机制
    5.3.3  氧化耦合机制
    5.3.4  析氧材料性能分析方法
  5.4  氧还原材料机理与描述符
    5.4.1  氧还原反应的机理
    5.4.2  氧还原材料性能描述符
  习题与思考
第6章  机器学习
  6.1  线性回归
    6.1.1  线性回归简介
    6.1.2  线性回归方程推导
    6.1.3  机器学习中线性回归方程的求解
  6.2  逻辑回归
  6.3  k-近邻算法
    6.3.1  k-近邻算法简介
    6.3.2  k-近邻算法距离度量
    6.3.3  kd树
    6.3.4  k值的选择
  6.4  决策树和随机森林
    6.4.1  决策树简介
    6.4.2  决策树划分依据
    6.4.3  决策树剪枝
    6.4.4  随机森林
  6.5  支持向量机
    6.5.1  支持向量机简介
    6.5.2  最大间隔计算
    6.5.3  支持向量机对偶问题
    6.5.4  支持向量机核技巧

    6.5.5  软间隔优化
  6.6  朴素贝叶斯
    6.6.1  朴素贝叶斯简介
    6.6.2  贝叶斯公式
    6.6.3  案例分析
    6.6.4  朴素贝叶斯的不同种类
  6.7  聚类
    6.7.1  聚类算法简介
    6.7.2  K-Means聚类算法
    6.7.3  MeanShift聚类算法
    6.7.4  DBSCAN聚类算法
  6.8  神经网络
    6.8.1  神经网络简介
    6.8.2  全连接层
    6.8.3  全连接层参数优化
    6.8.4  卷积神经网络
  6.9  可靠独立筛选与稀疏化算子
    6.9.1  可靠独立筛选
    6.9.2  稀疏化算子
  习题与思考
参考文献
附录A  铜、铁、钴晶体结构计算参数设置详述
附录B  机器学习代码实现示例
  B.1  决策树分类的代码实现
  B.2  随机森林的代码实现
  B.3  支持向量机的代码实现
  B.4  k-近邻算法的代码实现
  B.5  决策树回归的代码实现
  B.6  卷积神经网络的代码实现
附录C  习题参考答案
  C.1  第1章习题参考答案
  C.2  第2章习题参考答案
  C.3  第3章习题参考答案
  C.4  第4章习题参考答案
  C.5  第5章习题参考答案
  C.6  第6章习题参考答案

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目