材料学科 · 教学资源 / 课程
SHANGHAI JIAO TONG UNIVERSITY · MSE
材料智能设计与制备加工
Materials Design and Processing Using Artificial Intelligence
从优化算法与神经网络出发，用数据驱动材料的设计、组织表征与制备加工工艺优化。
本科生交叉课程 · MSE5317探索课程
- 学分 / CREDITS
- 2.0 学分
- 学时 / HOURS
- 32 学时
- 授课教师 / FACULTY
- 刘泓
- 课程性质 / COURSE
- 本科生交叉课程
THE LEARNING SPACE / 课程学习
从理解开始，向材料深处。
用图谱建立知识框架，
围绕课程资料继续追问。
COURSE OUTLINE / 教学内容
一门课的
知识脉络。
材料的高性能化与高质量化、构件的复杂化与轻量化、生产的高效化与低成本化等重大需求，对合金成分与工艺的优化设计、制备加工过程的精确控制等提出了越来越高的要求。在当今信息化和智能化时代，材料智能化设计与制备加工已成为材料学科的重要发展方向，对驱动传统产业转型升级、加速新材料的开发与高性能构件的研制具有…
阅读完整教学大纲 ↗建议先修材料加工原理 · 材料性能（1－力学性能）
-
01
2 学时
概述
Overview
人工智能的概念、历史与发展现状，材料智能设计与制备加工的现状与发展趋势。 -
02
8 学时 + 实验 2
人工智能算法基础
Fundamentals of AI Algorithms
优化算法，神经网络，线性分类，支持向量机。 -
03
8 学时 + 实验 2
数据驱动的材料设计
Data-driven Materials Design
材料数据库，组织结构智能表征，参数识别与性能预测，材料智能设计。 -
04
8 学时 + 实验 2
材料加工工艺智能设计
Intelligent Design of Processing
数据驱动的铸造工艺设计，热冲压工艺智能优化，3D 打印工艺智能优化，数字孪生。
CONNECTED KNOWLEDGE / 知识图谱
知识有结构，理解有路径。
依据 MSE5317 教学大纲整理：4 章 + 3 个上机实验 · 知识点群 · 算法—数据—工艺三条主线的跨章关联
4 个章节 · 53 个概念 · 45 条跨章关联算法支撑数据流工艺应用
章节 → 知识点群 → 概念 · 点选节点阅读说明，可放大查看细节
图谱接近阅读区域时加载。也可直接打开完整图谱 ↗
LEARNING OUTCOMES / 课程目标
将所学，转化为能力。
- 01能了解并认识材料科学、计算机科学、数据科学和人工智能在材料设计与制备加工中的应用现状与发展趋势。
- 02能了解并应用计算机图像学开展典型材料组织的自动识别与分析。
- 03能了解并应用机器学习和高通量实验等方法预测材料性能。
- 04能了解并应用集成计算材料工程和机器学习等方法优化材料加工工艺。
- 05厚植爱国情怀，培养学生刻苦务实、意志坚强，努力拼搏、敢为人先的品格。
KEEP ASKING / 继续探索
带着问题，走进知识库。
由课程知识库提供：围绕本课程已上传的课件与资料提问，回答给出原文引用，可追溯到具体文件与位置。校内 jAccount 登录后即可使用。
进入课程知识库 ↗基于课程资料 · 回答附原文引用