在当前的工业和科研领域，聚合物及其复合材料因其卓越的物理和化学性能而受到广泛关注。这些材料在航空航天、汽车制造、能源开发和生物医学等多个行业中发挥着至关重要的作用。随着材料科学的发展，传统的实验和理论分析方法已逐渐无法满足新材料研发的需求，特别是在材料性能预测、结构设计优化和制造过程控制等方面。因此，寻找一种高效、准确且创新的研究方法变得尤为迫切。
近年来，机器学习技术以其强大的数据处理能力和模式识别优势，在聚合物及其复合材料的研究中显示出巨大的潜力。通过机器学习，研究人员能够从大量实验数据中提取有价值的信息，预测材料性能，优化设计参数，并实现制造过程的智能化控制。这些技术的应用不仅能够加速新材料的研发进程，还能提高材料的性能和可靠性，降低生产成本。
然而，机器学习在聚合物及其复合材料领域的应用仍面临诸多挑战，包括数据的收集与预处理、特征选择、模型构建、性能评估以及结果的可解释性等。为了克服这些挑战，需要对机器学习的基本理论、算法模型及其在材料科学中的具体应用有深入的了解和掌握。
本专题培训课程“机器学习在聚合物及其复合材料中的应用与实践”旨在为材料科学领域的研究人员、工程师和学生提供一个全面的学习平台。通过本课程，学员将学习到如何将机器学习技术应用于聚合物及其复合材料的研究中，包括数据机理协同驱动的机器学习方法、常用机器学习模型的构建与评估、以及SCI文章写作与科研指导等内容。通过理论讲解、实例分析和实际操作相结合的方式，帮助学员掌握机器学习在复合材料科学研究中的关键技能，为未来的科研和工程实践打下坚实的基础。本次培训会议主办方为北京软研国际信息技术研究院，承办方互动派（北京）教育科技有限公司，具体相关事宜通知如下：
目录
专题一 (直播三天) | 机器学习在聚合物及其复合材料中的应用与实践 （详情内容点击上方名称查看） 2024年11月22日-11月24日 |
专题二 (直播四天) | 机器学习在智能水泥基复合材料中的应用与实践 （详情内容点击上方名称查看） 2024年11月23日-11月24日 2024年11月30日-12月01日 |
专题三 (直播四天) | ABAQUS复合材料建模技术与应用 （详情内容点击上方名称查看） 2024年10月19日-10月20日 2024年10月26日-10月27日 |
专题四 (直播五天) | 深度学习驱动智能超材料设计与应用 （详情内容点击上方名称查看） 2024年11月09日-11月10日 2024年11月12日-11月15日-11月16日 |
专题五 (直播四天) | COMSOL声学多物理场仿真技术与应用 （详情内容点击上方名称查看） 2024年11月02日-11月03日 2024年11月09日-11月10日 |
培训对象
培训特色
机器学习与聚合物复合材料专题
1、综合性课程内容：涵盖了从机器学习基础模型介绍到实际应用案例的全面内容，模型构建、数据预处理、特征工程、模型评估等。通过多个实例演示如何将机器学习技术应用于聚合物及其复合材料的研究，强调理论与实践的结合。
2、技术深度：深入探讨了数据机理协同驱动的机器学习方法，以及如何结合物理机理进行特征选择和模型构建。
3、算法多样性：介绍了多种机器学习算法，如BP神经网络、SVR、CNN、DTR、RF等，并展示了它们在复合材料性能预测中的应用。
4、模型评估与优化：详细讲解了如何评估机器学习模型的性能，包括评价指标和可视化方法，以及如何通过数据集的构建和优化来提高预测准确性。
5、可解释性方法：介绍了SHAP（SHapley Additive exPlanations）方法，这是一种可解释性机器学习方法，用于解释模型预测和特征重要性分析。
6、SCI论文写作指导：提供了SCI文章写作的案例解析和规范，以及如何撰写具有创新性的论文。
机器学习与水泥基复合材料专题
1.多维度课程设计：培训不仅涵盖了机器学习的基础模型，还特别强调了这些模型与复合材料研究的融合，提供了全面的视角来理解机器学习在材料科学中的应用。
2.实践与理论相结合：通过实例分析，如纳米材料增强复合材料的特征工程，以及不同回归技术在复合材料数据中的应用，使学员能够将理论知识应用于实际问题解决中。
3.技术深度与广度：课程内容从基础的线性回归和多项式回归，到更高级的集成学习、支持向量机和神经网络，逐步深入，确保学员能够掌握不同复杂度的机器学习技术。
4.模型评估与优化：强调了模型评估的重要性，包括回归模型评估指标和交叉验证技术，以及如何使用工具包如Optuna进行超参数调整，帮助学员优化模型性能。
5.前沿技术探索：介绍了XGBoost和LightGBM等先进的机器学习算法，并探讨了它们的模型解释性技术，使学员能够理解并应用这些前沿技术。
6.神经网络与深度学习基础：提供了神经网络的基础知识，包括前向传播、损失函数和反向传播算法，以及使用PyTorch构建和训练神经网络的实践。
7.可解释性与可视化：特别强调了模型的可解释性，通过SHAP方法来解释模型预测，以及如何将研究成果进行可视化展示，增强了研究的透明度和说服力。
8.论文复现与写作指导：通过复现SCI论文中的机器学习应用，提供了论文写作和研究创新点分析的指导，帮助学员提升科研能力和论文发表技巧。
ABAQUS复合材料专题
1. 理论筑基：由国家重点高校老师由浅入深得讲授各个模块要点难点、用到的方法，为实现后续的仿真分析加强理论依据。
2.实践为本：由组内最擅长软件操作的讲师详细讲授各个模块模拟实现各种算例的过程、模拟结果的分析，为实际课题与论文增添仿真色彩。
讲师介绍
机器学习与聚合物复合材料讲师
由来自全国知名高校副教授，省部级人才带领团队讲授。长期从事先进复合材料极端力学性能和基于机器学习的表征预测研究，主持国家级或省部级项目10余项，发表SCI论文40余篇，其中发表在多个中科院一区TOP期刊；授权国家发明专利9项；荣获人才类、学术类及荣誉类各级别奖励10余项。团队导师担任国际期刊编委、SCI期刊Polymer International客座编辑、核心期刊专家委员会委员以及20余个SCI期刊审稿人。
机器学习与水泥基复合材料讲师
由来自全国知名高校教授/博导，国家级青年人才带领团队讲授。长期从事机器学习与智能复合材料与结构的研究与开发，近两年以第一/通讯作者发表SCI论文20余篇，包括多个中科院一区TOP期刊发表高水平论文。发表论文谷歌引用次数超过3000次，h-index为27。团队导师担任省内力学学会理事、SCI期刊Nano Materials Science和Buildings青年编委和Frontiers in Materials客座编辑，以及超过70个SCI期刊的长期审稿人。
ABAQUS复合材料讲师
由全国重点大学、国家“985工程”、“211工程”重点高校教授及团队成员讲授。在国内外重要杂志发表论文二十余篇，曾先后主持和参与完成国家专项、国家自然科学基金、省基金项目二十余项；拥有20余年复合材料结构有限元数值模拟经验，在复合材料有限元力学分析设计、复合材料断裂和损伤过程的数值模拟和实验研究等方面具有深厚的造诣。
深度学习与超材料讲师
来自于国内“985”重点高校，致力于声子超材料与机器/深度学习交叉领域的研究，以第一/通讯作者在《Computer-Aided Civil and Infrastructure Engineering》、《Computer Methods in Applied Mechanics and Engineering》、《International Journal of Mechanical Sciences》等行业顶级期刊发表论文数十篇，主持和参与多项国家级项目。
擅长领域：波动调控、振动控制、智能算法、声子超材料、隔振屏障、机器/深度学习。
COMSOL声学讲师
来自国家“双一流”建设高校 、“211 工程”“985 工程”重点高校。授课讲师有着丰富的 COMSOL 使用经验，以第一/通讯作者在《Physical Review》系列、《Applied Physics Letters》等国际 Top 期刊发表论文数十篇，主持国自然等纵向科研基金8项。
擅长领域: 声学超材料、拓扑声学、声学微流控和声驱动微纳机器人等。
培训大纲
机器学习在聚合物及其复合材料中的应用与实践
目录 | 主要内容 | |
研究背景与机器学习基础模型介绍 | 1.机器学习在先进复合材料中的应用概述 2.机器学习用于聚合物及其复合材料研究的流程 3.数据机理协同驱动机器学习方法概述 4.基于物理机理的能量等效原理在纤维增强复合材料性能研究中的应用 5.数据机理协同驱动机器学习算法模型构建介绍 6.常用机器学习模型入门介绍 实例：展示不同的机器学习算法（如BP神经网络、SVR、CNN、DTR、RF）在复合材料性能预测中的应用，以及如何利用机器学习模型预测复合材料在不同温度下的力学性能 | |
材料力学性能研究中应用机器学习模型 | 1.机器学习虚拟环境的搭建及所需库的安装 2.机器学习回归与预测的区别和联系 3.聚合物及其复合材料数据收集与数据预处理 实例：以PBO为例，讲解如何进行有效的数据清洗和预处理，以提高模型的预测准确性 4.聚合物及其复合材料机器学习特征工程与选择 （1）递归特征消除（RFE）与皮尔逊相关系数 （2）输入特征综合选取 实例：以POM为例，讨论特征选择、特征工程在提高模型性能中的作用，以及如何结合物理机理进行特征选择 5.常用机器学习模型用于聚合物及其复合材料力学性能研究 （1）BP神经网络 （2）支持向量回归（SVR） （3）卷积神经网络（CNN） （4）决策树回归（DTR） （5）随机森林（RF） 实例：以纤维增强热塑性复合材料为例，使用物理基础的能量等效原理和机器学习算法来建立复合材料的力学性能模型，预测其应力应变曲线并进行模型比较 6.机器学习模型评估 （1）回归模型中的评价指标（MSE、RMSE、MAE和R2） （2）小提琴图绘制及评估 实例：以PBO为例，比较不同模型的性能并选择最佳模型 7.可解释性机器学习方法—SHAP （1）SHAP理论基础，介绍SHAP值在复合材料力学性能预测中的应用，以及如何利用SHAP值进行模型解释和特征重要性分析 （2）计算和解释SHAP值 实例：以PBO为例，解释各输入特征对预测结果的影响 8.机器学习数据集及其对预测结果的影响 实例：以PBO为例，讨论数据集的质量和规模对模型预测性能的影响，以及如何构建和优化数据集 | |
SCI文章写作与科研指导 | 1.应用机器学习研究复合材料力学性能的SCI论文案例解析 参考文献：Theory-inspired machine learning for stress–strain curve prediction of short fiber-reinforced composites with unseen design space （1）论文应用机器学习研究的创新点分析 （2）特征选取与数据预处理方法 （3）使用的模型结构与构建 （4）机器学习模型性能评估 （5）机器学习结果可视化 2.SCI论文撰写规范与创新思路 3.先进复合材料发展趋势与创新研究展望 4.论文写作互动环节 | |
部分案例展示：
机器学习在智能水泥基复合材料中的应用与实践
目录 | 主要内容 | |
机器学习基础模型与复合材料研究融合 | 1.机器学习在复合材料中的应用概述 2.机器学习用于复合材料研究的流程 3.复合材料数据收集与数据预处理 实例：数据的收集和预处理 4.复合材料机器学习特征工程与选择 实例：以纳米材料增强复合材料为例，讨论特征选择、特征工程在提高模型性能中的作用。 5.线性回归用于复合材料研究 实例：线性回归在处理复合材料数据中的应用 6.多项式回归用于复合材料研究 实例：多项式回归在处理复合材料数据中的非线性关系时的应用 7.决策树用于复合材料研究 实例：决策树回归在预测水泥基复合材料强度中的应用 | |
复合材料研究中应用集成学习与支持向量模型 | 1.随机森林用于复合材料研究 实例：随机森林在预测复合材料性能中的应用 2. Boosting算法用于复合材料研究 实例：Catboost在预测复合材料强度中的应用 3.XGBoost和LightGBM用于复合材料研究 (1) XGBoost (2) LightGBM (3) 模型解释性技术 实例：XGBoost和LightGBM在水泥基复合材料性能预测中的应用，模型比较 4.支持向量机 (SVM) 用于复合材料研究 (1) 核函数 (2) SVM用于回归（SVR） 实例：SVR在预测复合材料的力学性能中的应用 5.模型调参与优化工具包 (1) 网格搜索、随机搜索的原理与应用 (2) 工具包Optuna 实例：超参数调整方法，模型调参与优化工具包的应用 6.机器学习模型评估 (1) 回归模型中的评估指标（MSE, R2, MAE等） (2) 交叉验证技术 实例：比较不同模型的性能并选择最佳模型 | |
复合材料研究中应用神经网络 | 1.神经网络基础 (1) 激活函数 (2) 前向传播过程 (3) 损失函数 实例：手动实现前向传播 2.神经网络反向传播与优化 (1) 梯度下降法原理 (2) 反向传播算法 (3) 随机梯度下降(SGD) 实例：实现梯度下降算法 3.复合材料研究中的多层感知机(MLP) (1) MLP架构设计 (2) MLP的训练过程 (3) MLP在回归和分类中的应用 实例：构建简单的MLP解决复合材料中的回归问题 4.PyTorch基础 (1) 张量(Tensor)的创建和操作 (2) 自动求导(Autograd)机制 (3) 损失函数和优化器 实例：使用PyTorch构建简单研究复合材料的神经网络 5.可解释性机器学习方法-SHAP (1) SHAP理论基础 (2) 计算和解释SHAP值 实例：复合材料中应用SHAP进行模型解释和特征理解 | |
论文复现机器学习综合应用以及SCI文章写作 | 论文实例解读与复现：选择两篇应用机器学习研究水泥基复合材料的SCI论文 Ø 论文应用机器学习研究的创新点分析 Ø 论文中使用的复合材料数据集介绍 Ø 论文中的复合材料特征选择与数据预处理方法 Ø 论文中使用的模型结构与构建 Ø 机器学习研究复合材料的超参数调整 Ø 复合材料研究中机器学习模型性能评估 Ø 复合材料机器学习研究结果可视化 | |
课程总结与未来展望 Ø 课程重点回顾 Ø 机器学习在复合材料中的未来发展方向 Ø 如何继续学习和深入研究 Ø Q&A环节 | ||
部分案例图示：
ABAQUS复合材料建模技术与应用
时间 | 主要内容 | |
第一天 | 1. ABAQUS复合材料建模基础 1.1.ABAQUS软件简介与基本操作 1.2.几何建模与物理参数设定、网格剖分技术 1.3.复合材料层结构建模方法（壳单元、连续壳单元及多层实体单元） 1.4.静力分析中强度准则和损伤判据 1.5.数据输入与输出操作及结果解读 复合材料层合结构热-力耦合算例（实例） 2. 断裂力学与与损伤分析 2.1.断裂力学基础理论 2.2.基于XFEM方法的裂纹扩展模拟(实例） 2.3.VCCT方法入门（实例） 2.4.Cohesive方法入门（实例） | |
第二天 | 3. 断裂力学与损伤分析 3.1.基于虚裂纹闭合技术(VCCT)的分层扩展模拟（实例） 3.2.基于cohesive单元的分层/界面损伤扩展模拟（实例） 4. 复合材料加筋板静载荷分析与承载能力预测 4.1.复合材料加筋板的压溃分析基本理论 4.2.复合材料加筋板的压溃分析（实例） 4.3.复合材料加筋板剪切失效测试案例解析 4.4.复合材料层合板剪切失效模拟（实例） | |
第三天 | 5. 特殊复合材料建模与分析 5.1.复合材料损伤失效行为的多尺度分析概述 5.2.颗粒增强金属基复合材料结构建模、胞元分析技术（实例） 5.3.短纤维增强复合材料结构建模、胞元分析技术（实例） 6. 复合材料冲击与动态响应 6.1.结构动力学基础理论与ABAQUS动力学分析工具 6.2.复合材料加筋板自由振动分析(实例） 6.3.低速冲击理论与冲击后剩余压缩强度实验方法 6.4.复合材料冲击损伤模型与仿真流程 6.5.复合材料加筋板低速冲击过程模拟与剩余强度计算（实例） 6.6.高速冲击问题概述与模拟策略 6.7.高速冲击模拟（实例） | |
第四天 | 7. 高级编程与二次开发 7.1.工程材料本构关系与损伤模型简介 7.2.基于MATLAB与Python的参数化建模与脚本编程（实例） 7.3.ABAQUS接口子程序（UMAT、USDFLD等）原理与应用 7.4.基于接口子程序的材料弹塑性与粘弹性分析（实例） 7.5.复合材料损伤分析（实例） 8. 论文写作与科研指导 8.1.复合材料仿真计算文章（SCI）案例解析 8.2.SCI 论文撰写规范与创新思路 8.3.航空航天复合材料发展趋势与创新研究展望 8.4.算例补充与论文写作互动环节 | |
欢迎各位学员带着课程相关问题参加学习交流， 我们将全力为你们解决问题！ | ||
部分案例展示：
深度学习驱动智能超材料设计与应用
目录 | 主要内容 | |
声子超材料与深度学习基本理论 | 1.1 必要软件安装 1.1.1 Matlab与COMSOL有限元软件 1.1.2 Python编程语言、集成开发环境与Tensorflow深度学习框架 1.2 声子超材料 1.2.1 基本理论 1.2.2 计算方法 1.2.3 实操案例Ⅰ：采用Matlab编写传递矩阵法计算一维周期超材料能带曲线 1.2.4 实操案例Ⅱ：采用COMSOL计算二维周期超材料能带曲线 1.2.5 实操案例Ⅲ：采用COMSOL计算二维周期超材料的频域与时域响应 1.3 深度学习 1.3.1 基本理论 1.3.2 多层感知器(MLP)与卷积神经网络(CNN) 1.3.3 MNIST手写数字数据集介绍 1.3.4 实操案例Ⅳ：分别采用MLP和CNN实现手写数字识别 | |
声子超材料数据批量自动计算方法 | 2.1 COMSOL with Matlab介绍 2.2 实操案例Ⅰ：生成用于声子超材料计算的Matlab代码 2.3 实操案例Ⅱ：变量为几何/材料参数的声子超材料数据批量自动计算方法 2.3.1 参数变量特征和定义方式 2.3.2 参数变量有限元模型批量自动计算方法 2.4 实操案例Ⅲ：变量为拓扑构型的声子超材料数据批量自动计算方法 2.4.1 拓扑构型特征 2.4.2 自定义拓扑构型生成规则 2.4.3 拓扑构型有限元模型批量自动计算方法 2.5 实操案例Ⅳ：数据集整合 | |
声子超材料的带隙与能带曲线预测 | 3.1 研究综述 3.2 常用的正向预测深度学习模型 3.2.1 支持向量机(SVM) 3.2.2 多层感知器(MLP) 3.2.3 卷积神经网络(CNN) 3.3 用于带隙与能带曲线预测的数据集介绍 3.3.1 一维周期声子超材料的参数数据集 3.3.2 二维周期声子超材料的拓扑数据集 3.4 实操案例Ⅰ：基于多层感知器的一维周期声子超材料带隙预测 3.4.1 采用Tensorflow构建多层感知器 3.4.2 训练与验证 3.4.3 预测性能的评估 3.5 实操案例Ⅱ：基于卷积神经网络的二维周期声子超材料能带曲线预测 3.5.1 采用Tensorflow构建卷积神经网络 3.5.2 训练、验证与测试 3.5.3 真实值与测试值对比图的批量生成 | |
一维周期声子超材料的参数设计 | 4.1 研究综述 4.2 常见的深度学习模型 4.2.1 多层感知器(MLP) 4.2.2 多层感知器(MLP)与遗传算法(GA)的结合 4.2.3 串联神经网络(TNN) 4.2.4 其它 4.3 参数设计数据集 4.4 实操案例：基于串联神经网络的一维周期声子超材料参数设计 4.4.1 采用Tensorflow搭建串联神经网络 4.4.2 改进的多功能串联神经网络——混联神经网络 4.4.3 参数设计性能评估方法 4.4.4 设计的非唯一性 | |
二维周期声子超材料的拓扑设计 | 5.1 研究综述 5.2 拓扑设计深度学习模型 5.2.1 条件生成对抗网络(CGAN) 5.2.2 条件变分自动编码器(CVAE) 5.2.3 基于变分自动编码器(VAE)的融合模型 5.3 拓扑设计数据集 5.4 实操案例：基于融合模型的二维周期声子超材料拓扑设计 5.4.1 采用Tensorflow搭建变分自动编码器 5.4.2 变分自动编码器生成拓扑构型 5.4.3 基于潜向量的带隙预测 5.4.4 用于拓扑设计的融合模型搭建 5.4.5 拓扑设计性能评估 5.4.6 多目标设计 | |
部分案例图示：
COMSOL声学多物理场仿真技术与应用
第一部分、Comsol软件基础和声学仿真基础（入门） 1. 理解有限元方法基本原理、应用领域及仿真一般流程； 2. 能够在Comsol 软件中进行几何建模、网格划分及参数化扫描分析，设置研究类型和节点； 3. 掌握声学模型接口选择标准、振动与波的物理原理，以及声学特征频率和模态分析； 4. 熟悉不同声源及边界条件（如辐射和反射边界）的应用和影响； 5. 理解瞬态分析的原则、网格精度和时间步长要求，能够进行动态结果处理； 6. 在实操技能方面能够独立完成CAD模型导入和声学频域和瞬态仿真分析，完成数据后处理和结果可视化，以上理论知识和操作技能为深入学习声学仿真奠定基础； | |
有限元仿真基础介绍 | Ø 有限元方法的基本概念 Ø 有限元方法的应用领域 Ø 有限元方法的基本工作流程 |
Comsol软件操作基础介绍 | Ø 几何建模、布尔操作、CAD导入模块接口 Ø 网格划分及其精度要求 Ø 常用研究类型及研究节点配置 Ø 参数化扫描求解分析设置 实操案例：复杂CAD模型的导入及几何修复 实操案例：极小曲面模型的导入及布尔操作 |
声学模块基础介绍 | Ø 物理场接口适用范围及选择技巧 Ø 振动与波的物理基础及控制方程 Ø 时域和频域下的声学方程解析 Ø 声学特征频率和模态分析 实操案例：声学三维打印谐振腔的本征态分析及数据后处理 |
压力声学的声源和声学边界条件介绍 | Ø 常用声源：入射压力场、法向加速度、背景压力场 Ø 特殊声源：单极源、偶极源、线源等 Ø 开边界：辐射边界和完美匹配层 Ø 反射边界条件：硬声场、软声场和阻抗边界 Ø 特殊情况：对称、周期性、内部多孔等 实操案例：内燃机消声器内压力波的传播特性分析 |
压力声学瞬态声场分析介绍 | Ø 瞬态分析的使用原则和技巧 Ø 瞬态分析的网格精度要求 Ø 瞬态分析的时间步长精度要求 Ø 压力声学瞬态分析及动画后处理 Ø 压力声学频域分析与瞬态分析的关联和区别 实操案例：十字形波导管的瞬态仿真分析 |
第二部分、声学/力学/机械超材料和拓扑特性仿真基础（进阶） 1. 通过能带结构理论学习，理解晶体点阵与倒易点阵的关系，掌握布里渊区 及高对称点的计算； 2. 掌握一维和二维超材料的能带结构计算方法，进行空气声场和弹性波的带隙分析； 3. 掌握三维能带结构与传输谱的计算，分析几何参数对能带结构的影响； 4. 进行声学超材料的传输特性和热粘性损失分析，包括适用条件和效率提升技巧； 5. 理解拓扑声学概念，掌握狄拉克点和拓扑边缘态的仿真分析； 6. 通过一系列实操案例加深对能带结构、传输特性及拓扑特性的理解，为声学/力学/机械超材料实际应用提供扎实基础； | |
能带结构理论基础 | Ø 晶体点阵和倒易点阵概念和关联 Ø 倒易点阵的反演推导和物理意义 Ø 布里渊区的内涵和确定方法 Ø 高对称边界和高对称点的坐标推导 |
超材料能带结构计算与仿真基础 | Ø 一维能带结构计算方法和分析 Ø 二维正方点阵能带结构计算方法和分析 Ø 二维三角点阵能带结构计算方法和分析 Ø 二维固体弹性波的能带结构计算方法和分析 实操案例：二维正方点阵空气声场的带隙计算 实操案例：二维三角点阵空气声场的带隙计算 实操案例：结构力学模块下固体弹性板的带隙计算 |
声学超材料能带结构和传输谱计算进阶与提高 | Ø 三维能带结构计算方法和分析 Ø 声学超材料的三维能带仿真计算和分析 Ø 结构几何参数与单胞取法差异对能带结构的影响分析 Ø 声学等效参数的获取与仿真分析 Ø 常用函数的定义与设置技巧 实操案例：三维声学超材料的能带结构仿真 实操案例：由二维能带转变为三维能带结构仿真 实操案例：复合胞能带折叠与单胞能带结构对比分析 实操案例：声学超材料等效参数仿真分析 实操案例：高斯波束/声整形/声隐身/声隧穿仿真分析 |
声学超材料传输特性及热粘性损失分析 | Ø 声学超材料传输特性扫频分析 Ø 声学边界层和损耗分析 Ø 狭窄区域声学接口适用条件分析 Ø 热粘性声学接口下的声传输特性分析 Ø 热粘性损失的适用场景及计算效率提升技巧 实操案例：开口谐振环的声传输特性仿真分析 实操案例：考虑热粘性损失的声传输特性仿真分析 |
拓扑绝缘体理论基础和仿真分析 | Ø 拓扑声学的基本概念和内涵 Ø 声学单/双狄拉克点的仿真与分析 Ø 拓扑相位反转与声学拓扑边缘态的仿真与分析 Ø 声学高阶角态的仿真与分析 Ø 声学拓扑绝缘体的传输特性分析 实操案例：二维声学结构狄拉克点/拓扑相位仿真分析 实操案例：二维声学体能带结构/拓扑态/传输特性仿真分析 实操案例：高阶拓扑声学仿真和应用分析 |
第三部分、声学微尺度操控（声镊方法）仿真基础（进阶） 1. 理解声镊的概念及其工作原理，包括声辐射力和声流效应，探讨声操控的应用场景及最新研究进展； 2. 学习声操控方法的分类及构建方法，掌握声学换能器的激励输入和微粒动力学仿真分析； 3. 以空气泡型声学微流控为例，进行多物理场分析，理解耦合边界条件的选择，实施声流场的仿真分析； 4. 深入压电、声固和声流耦合的多物理场理解，进行谐振模式分析，配置研究步骤模型，实现多物理场的综合分析； 5. 分析声学超材料的能带结构及微流控中的雷诺数，比较声辐射力和声粘滞力，探讨声拓扑态在微粒分选中的应用； 6. 通过实操案例，加深对声学微尺度操控和仿真技术的理解，为实际声操控应用提供基础； | |
声操控方法的理论基础和研究进展 | Ø 声操控方法（声镊）的概念和内涵 Ø 声辐射力/声流效应理论基础 Ø 声操控方法的应用场景和研究发展 |
基于声驻波方法的微粒操控仿真 | Ø 声驻波的理论基础和基本分类 Ø 声学换能器振动激励输入与物理量转化 Ø 声驻波场构建、微粒参数设定及因变量设定 Ø 声场作用下微粒运动过程动力学仿真分析 实操案例：声换能器声悬浮应用与仿真分析 |
空气泡型声学微流控声涡流效应仿真 | Ø 多物理场分析与物理场选择 Ø 声流耦合多物理场的耦合边界条件 Ø 研究中的物理场和多物理场耦合边界选择 Ø 计算收敛性和全局约束的使用 实操案例：空气泡型微流控中声流场仿真分析 |
压电耦合-声固耦合-声流耦合综合仿真分析 | Ø 多物理场分析与物理场选择 Ø 压电耦合-声固耦合-声流耦合多物理场理解与分析 Ø 谐振模式分析与特征频率选取 Ø 四个物理场耦合情况下的研究步骤模型配置 实操案例：声微流控富集效应仿真分析 |
基于声学超材料的微流控综合仿真分析 | Ø 一维声学超材料的单胞能带结构与体能带结构分析 Ø 声微流控中雷诺数计算与层流速度场分析 Ø 声辐射力与声粘滞力仿真比较 Ø 声拓扑态对微粒分选的运动仿真及动画输出 实操案例：基于声学拓扑绝缘体的微粒分离仿真分析 |
第四部分、声学结构优化与工程化声学综合案例仿真（提升） 1. 理解拓扑优化的概念，模型选择和目标函数的设定；学会设计域和边界条件的配置，以及优化结果的分析和验证； 2. 掌握声学无损检测的基本原理及现状，学习声阻抗的匹配和波的转化关系，了解几何装配中接触对的应用及时域信号的仿真分析； 3. 分析扬声器的多物理场环境，掌握多物理场耦合及动网格的应用，学习傅里叶变化和周期性信号分析，以及瞬态过程中非线性特性的处理； 4. 通过实操案例，进一步深化对声学结构优化、无损检测和扬声器声场仿真的理解，为工程应用提供坚实基础； | |
声学结构拓扑优化仿真分析 | Ø 拓扑优化的概念和基本内涵 Ø 拓扑优化模型选取及目标函数设定 Ø 设计域和边界条件设定 Ø 拓扑优化结果分析及结果输出 Ø 优化后建模与分析验证 实操案例：二维声学结构拓扑与验证分析 |
固体结构的声学无损检测仿真与健康检测 | Ø 声学无损检测的基本原理和发展现状 Ø 匹配层声阻抗设定 Ø 压缩波与剪切波的转化关系 Ø 几何装配关系中接触对的使用 Ø 结合试验数据的时域信号仿真分析 实操案例：声学无损检测仿真分析 |
高品质扬声器设备声场仿真分析 | Ø 扬声器中多物理场环境及分析 Ø 多物理场耦合的选择与应用 Ø 动网格的使用及注意事项 Ø 傅里叶变化与周期性信号分析 Ø 扬声器瞬态过程中的非线性特性分析 实操案例：扬声器声场仿真分析与工程应用 |
部分案例图示：
报名须知
时间地点
机器学习在聚合物及其复合材料中的应用与实践
（在线直播）
2024年11月22日-11月24日
机器学习在智能水泥基复合材料中的应用与实践
（在线直播）
2024年11月23日-11月24日
2024年11月30日-12月01日
ABAQUS复合材料建模技术与应用
（在线直播）
2024年10月19日-10月20日
2024年10月26日-10月27日
深度学习驱动智能超材料设计与应用
（在线直播）
2024年11月09日-11月10日
（上午9:00-12:00,下午14：00-17：00）
2024年11月12日-11月15日
（晚上18：00-21：00）
2024年11月16日
（上午9:00-12:00,下午14：00-17：00）
COMSOL声学多物理场仿真技术与应用
（在线直播）
2024年11月02日-11月03日
2024年11月09日-11月10日
报名费用
（含报名费、培训费、资料费）
课程名称 | 价格（元） | |
专题一：机器学习在聚合物及其复合材料中的应用与实践 | 3900 | |
专题二：机器学习在智能水泥基复合材料中的应用与实践 | 4600 | |
专题三：ABAQUS 复合材料建模技术与应用 | 4300 | |
专题四：深度学习驱动智能超材料设计与应用 | 4500 | |
专题五：COMSOL声学多物理场仿真技术与应用 | 4500 | |
优惠一：
专题一、二、2024年11月1日前报名缴费可享受200元早鸟价优惠；
老学员或两人（含）以上团报可享受每人额外300元优惠。
优惠二：
专题四、五2024年10月11日前报名缴费可享受200元早鸟价优惠；
参加过我单位举办的其它课程的老学员可享受额外200元优惠；
【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；如需开具会议费的单位请联系招生老师索取会议邀请函；
增值服务
凡报名学员将获得本次培训电子课件及案例模型文件；
培训结束可获得本次所学专题课程全部无限次回放视频；
参加培训并通过试的学员，可以获得：主办方北京软研国际信息技术研究院培训中心颁发的专业技能结业证书；
联系方式
