At introducere den studerende til anvendelser af machine learning og kunstig intelligens med henblik på at forstå og designe materialer på atomart niveau. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• lave objekt-orienteret basal programmering i Python
• forstå begrebet fingerprints i machine learning
• anvende machine-learningsmetoder som kernel regression, Gaussiske processer og neurale netværk
• kende til eksisterende beregningbiblioteker til machine learning i Python
• forstå betydningen af atomare og elektroniske deskriptorer i materialedesign
• anvende offentligt tilgængelige databaser med beregnede materialeegenskaber
• lave simple screeninger af databaser for at finde materialer med bestemte egenskaber
• gennemføre et projekt med at identificere materialer med bestemte egenskaber ved anvendelse af machine learning og kunstig intelligens

Elementær objekt-orienteret programmering i Python. Basal teori for machine learning: fingerprints, linear models, kernel regression, Gaussiske processer og neurale netværk. Python-biblioteker til machine learning og kunstig intelligens. Beregning af deskriptorer for materialeegenskaber. Web-baserede databaser med materialeegenskaber: CMR, OQMD, MatProj og AFLOWLIB. Søgning i databaser for bestemte materialeegenskaber. Anvendelse af machine learning og kunstig intelligens ved materiale-screening. 17. december, 2019