材料信息学方法工具和应用(精)

本书由Olexandr Isayev、Alexander Tropsha和Stefano Curtarolo教授合作编著，是系统介绍材料信息学的最新权威著作，内容涵盖了材料信息学的方法和工具、适用方面和应用领域两部分内容，共分9章。本书内容结构清晰，由底向上，逐层深入，详细介绍了将信息学应用到材料学所需的全部知识，是材料信息学领域最新研究的一站式著作。通过介绍最新的数据挖掘和机器学习方法，该书起到了材料学与信息学的桥梁作用。本书还介绍了最新的软件和工具，并通过案例研究阐明材料信息学在新材料实验研究中的指导作用。

谈玲华，女，教授，中共党员，现任南京理工大学国家特种超细粉体工程技术研究中心副主任，主要从事微纳米含能材料的性能调控及工程化研究。近年来作为负责人主持承担了国家自然科学基金、江苏省自然科学基金、“十三五”兵器创新基金、装备预研领域基金等重大项目研究工作。主持完成了高能炸药的超细化生产线的建立，现担任中国颗粒学会青年理事、江苏省颗粒学会青年理事。

第1章 晶体学开放数据库的发展历程 1.1 引言 1.2 开源科学数据库 1.3 晶体学开放数据库的建立 1.3.1 范围和内容 1.3.2 数据来源 1.3.3 数据维护 1.4 晶体学开放数据库的使用 1.4.1 数据搜索与检索 1.4.2 数据交存 1.5 晶体学开放数据库的应用 1.5.1 材料鉴定 1.5.2 矿业 1.5.3 化学信息的提取 1.5.4 性能搜索 1.5.5 晶体结构的几何统计分析 1.5.6 高通量计算 1.5.7 在大学教育及其他拓展活动中的应用 1.6 展望 1.6.1 历史结构 1.6.2 晶体学开放数据库中的理论数据 1.6.3 结论 致谢 参考文献 第2章 无机晶体结构数据库 2.1 引言 2.2 无机晶体结构数据库的内容 2.3 接口 2.4 无机晶体结构数据库的应用 2.4.1 铁电性能的预测 2.4.2 结构类型概念的使用 2.4.3 基于无机晶体结构数据库的机器学习训练案例 2.4.4 高通量计算方法 2.5 展望 参考文献 第3章 Pauling File无机材料数据库整体框架 3.1 引言 3.2 Pauling File无机材料数据库中的晶体结构 3.2.1 数据选择 3.2.2 晶体结构条目类别 3.2.3 数据库字段 3.2.4 结构原型 3.2.5 标准化的晶体学数据 3.2.6 原子坐标的分配 3.2.7 原子环境类型 3.2.8 晶胞参数图 3.3 Pauling File无机材料数据库中的相图 3.4 Pauling File无机材料数据库中的物理性质 3.4.1 数据选择 3.4.2 数据库字段 3.4.3 Pauling File无机材料数据库中的物理性质 3.5 数据质量 3.6 相表 3.6.1 化学式和相名 3.6.2 相的分类 3.7 巨型数据库 3.8 应用 3.8.1 含有Pauling File数据库数据的产品 3.8.2 基于Pauling File数据库的整体性概述 3.8.3 化学元素排序规则 3.9 经验教训 3.10 结论 参考文献 第4章 从拓扑描述符到专家系统 4.1 引言 4.2 开发知识数据库的拓扑工具 4.2.1 为什么重视拓扑结构 4.2.2 拓扑描述符与其他晶体结构描述符的比较 4.2.3 拓扑数据库与晶体学数据库的比较 4.2.4 晶体学数据中拓扑知识的提取 4.2.5 通用数据的存储 4.3 拓扑方法在晶体化学和材料学中的应用 4.3.1 网络拓扑结构的预测 4.3.2 性能的预测 4.4 结论 参考文献 第5章 以AiiDA材料信息学平台和Pauling File无机材料数据库为参考的高通量计算研究 5.1 引言 5.1.1 三大重要进展 5.1.2 较少的无机材料实验研究 5.2 自然定义的局限 5.3 第一、第二和第三科学范式 5.4 第四科学范式和第五科学范式实现的先决条件 5.4.1 原型分类的引入 5.4.2 相表概念的引入 5.4.3 以单相无机材料实验数据为参考的无机材料数据库 5.5 第五科学范式的核心思想 5.6 “无机材料-控制因素相关性图”揭示的约束条件 5.6.1 化合物形成图 5.6.2 AB型无机材料的原子环境类型稳定性图 5.6.3 材料科学的12条原则对自然定义基石的支持 5.7 量子模拟策略 5.8 基于AiiDA材料信息学平台的高通量计算工作流 5.8.1 AiiDA材料信息学平台 5.8.2 标准固体腰势库 5.8.3 工作流 5.8.4 工作函数 5.8.5 工作链 5.8.6 工作流的应用 5.9 结论 致谢 参考文献 第6章 利用机器学习对材料量子特性建模 6.1 引言 6.2 内核岭回归 6.3 模型评估 6.3.1 学习曲线 6.3.2 效率提升 6.4 表示方法 6.5 近期发展 参考文献 第7章 材料特性的自动化计算 7.1 引言 7.2 自动化计算材料设计框架 7.2.1 用于新材料发现的数据库的生成和使用 7.2.2 自动化数据生成的标准化协议 7.3 材料性能的综合计算 7.3.1 自主对称性 7.3.2 弹性常数 7.3.3 准谐波Debye-Grineisen模型 7.3.4 谐波声子 7.3.5 准谐声子 7.3.6 非谐声子 7.4 在线数据库 7.4.1 计算材料数据门户网站 7.4.2 可编程访问的计算材料性能数据库 7.5 应用 7.5.1 无序材料 7.5.2 超级合金 7.5.3 热电材料 7.5.4 磁性材料 7.6 结论 致谢 参考文献 第8章 认知化学—机器学习与化学结合加速发现新材料 8.1 引言 8.2 机器学习算法的分子描述 8.3 利用机器学习建立快速、准确的模型 8.3.1 平方指数核 8.3.2 二次有理核 8.4 化学库搜索 8.5 结论 参考文献 第9章 用于全局优化和分子动力学模拟的机器学习原子间势 9.1 引言 9.2 用于全局优化的机器学习势 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 原子间势的机器学习实例 9.