专题一：材料与大模型

第一天上午 

大模型介绍

1.       大模型介绍与发展历程

2.       大模型技术在材料化学中的研究现状

3.       大模型训练的基础设施和资源需求

•  开源大模型本地部署硬件指南

•  需要准备的工具和环境

•  大模型必备:Linux操作系统入门介绍

实操：

通过Azure OpenAI使用GPT模型流程

1、注册微软Azure账号 

2、申请和配置Azure OpenAI

3、部署模型和调用Azure OpenAI API

第一天下午

1.       在线大模型理论讲解与prompt实战

2.       在线大模型GPT，GLM4生态介绍

3.       ChatGPT，ChatGLM系列模型的发展历程 （1 -4）模型剖析

4.       在线大模型GPT，GLM4调用函效全参数详解

5.       控制大模型输出0neshot & Few-shot提示学习法

实操：

代码环境调用API流程

与大语言模型对话

·        生成晶体信息文件，

·        空间群对称性

·        大模型阅读理解材料论文

第二天上午 

1.       在线大模型微调与实战

·        0penAl fine-tuning创建方法

·        0penAI在线微调

Ø  实战例子：材料科学论文摘要生成工具

•  数据准备：收集材料科学论文和对应的摘要数据集；

•  应用展示：展示模型生成的摘要，并与人工摘要进行对比。

第二天下午

1.       开源大模型理论讲解

·        开源中文大语言模型：ChatGLM，Baichuan，Yi-34B等

·        开源英文大语言模型：LLaMA，Mistral，phi等

2.       开源大模型的私有化部署

·        开源大模型的迭代和架构变化

·        开源大模型的私有化部署

3.       微调模型的方法和建议

4.       开源大语言模型用于材料合成

实操

1.        ChatGLM，Baichuan，Yi-34B 调用

2.        LLaMA，Gemma，phi模型的部署与调用

3.         Qwen 和 YI 大模型的私有化部署

4.        训练以及部署微调模型，模型部署与应用

5.        LLaMA 模型微调的案例分析

•  文档读取和解析

•  文档的切分和文档向量化

•  提示模版与大模型 API 接入

Ø  实战例子: 使用会话语言模型快速从研究论文中提取准确的材料数据

•  ChatGPT等对话式提取金属玻璃的临界冷却率

•  ChatGPT等对话式提取高熵合金的屈服强度

•  三元[材料、值、单位]的形式提取材料属性

•  使用精度和召回评估

第三天上午

微调详解

1.       提示工程技术

·        提示词的常见结构与模版化

·        In-context learning

·        Chain of thought prompting

·        模板学习与Prompt设计

2.       高效微调技术

·        LoRA和QLoRA

·        Prefix Tuning、

·        Prompt Tuning、

·        p-Tuning v2方法

3. fine-tune过程中模型超参数等调整

Ø  实战例子:大型语言模型(Llama-3和GPT模型)提取的燃料电池材料的属性和应用

·        微调Llama-3和GPT模型

·        大型语言模型模型性能评估

第三天下午

·          高效微调框架LLaMA-Factory

·        LLaMA-Factory介绍

·         LLaMA-Factory基本用法

实战例子: 使用LLaMA-Factory 微调模型解决材料化学领域任务（信息提取）

•  环境配置

•  数据集配置

•  模型微调和调用

第四天上午

1.       多模态大模型基础

2.       多模态的应用场景与最新进展

3.       DALLE-3 与 Midjourney

4.       Stable Diffusion 与 ControlNet

5.       使用OpenAI API处理语音转文本

Ø  实战例子: ChatGPT化学助理预测MOF合成

• 基于ChatGPT的文本挖掘的设计

• 提示工程设计

• 大语言模型辅助Python代码生成和数据处理

• MOF合成结果的预测建模

• 探索大型语言模型的适应性和多功能性

第四天下午

1.       Ollama应用全面解析

•  Ollama安装与运行

•  Ollama 电脑端模型部署

2.       Ollama 移动端模型部署（Termux＋Ollama）

3.       Gradio框架介绍和使用

Ø  实战例子：Ollama＋Gradio打造个人智能助手

案例图片

第一天上午

• 材料计算与机器学习的背景

• 机器学习在材料科学中的应用与前景

• 分析当前机器学习技术在材料科学领域的应用案例。

• 安装Python和必要的机器学习库

• Python基础教程：实操Python的基本语法和数据类型；环境搭建、基础语法、变量、运算符、字符串、列表、字典、集合等

第一天下午  

• Python高级教程：Python条件语句、循环语句、循环嵌套、while语句；break语句、continue语句、pass语句等，自定义函数、面向对象、模块

• Python科学计算库介绍：NumPy、Pandas和Matplotlib，机器学习工具，常用的机器学习库Scikit-Learn等

第二天上午  

• 讲解第一性原理计算：薛定谔方程、波函数与电子状态、Hohenberg-Kohn定理、Kohn-Sham方程、交换-相关泛函、晶格的周期性、平面波与平面波基组、

• 介绍VASP软件的基本操作和输入文件编写方法。

• 详细指导如何编写VASP的输入文件，包括INCAR、KPOINTS、POSCAR等。

• 演示如何提交VASP计算任务：命令行提交、作业调度系统提交、OSZICAR、OUTCAR

第二天下午

• 介绍如何利用VASP进行材料性质的高通量计算和数据分析

• 高通量计算策略、自动化脚本编写、数据分析方法、结构优化结果分析、性质预测与验证

• 用机器学习预测二氧化碳还原催化剂的少特征模型

• DFT和机器学习方法加速了具有高ORR和OER催化活性的DMSCs的发现

第三天上午

• 介绍晶体结构、电子结构特点、能带计算流程、能带图的解读、态密度分析、电荷密度分析

• 材料计算的特征工程：空间特征、拓扑特征、化学特征、物理特征、统计特征、信息熵、领域特定特征

• VASP计算TiO2的电子能带结构和密度态、电荷密度、功函数

• VASP和机器学习实现二维材料的高通量计算

第三天下午  

• 讲解分子动力学模拟的基本原理：温度、压力与化学势、微观状态与系综选择、温度、压力与化学势、微观状态与系综选择

• VASP-MD及机器学习力场计算：力场的构建与训练

• 从头算分子动力学模拟AIMD后处理分析

第四天上午

• LAMMPS输入文件的编写及任务提交

• 指导如何编写LAMMPS的输入脚本，并提交计算任务。

• in文件基本语法：结合实例，讲解in文件常用命令

• 机器学习势VASP-LAMMPS接口PyXtal_FF

第四天下午

• 通过案例展示LAMMPS在模拟材料力学性能方面的应用。

• 介绍如何使用DFT数据集训练机器学习原子势，并使用LAMMPS进行验证。

• 演示如何使用机器学习势（如MLIP）和LAMMPS计算特定材料的热导率

  案例图片

上课时间