前沿背景
锂离子电池，作为现代科技领域的核心能源存储设备，其性能提升与技术创新一直是科研人员关注的焦点。随着新能源汽车的普及和高能量密度电子设备的广泛应用，对锂离子电池的能量密度、循环寿命、安全性和充电速度等性能提出了更高要求。在这一背景下，机器学习技术的引入为锂离子电池研究注入了新的活力。
机器学习凭借其强大的数据处理和预测能力，在锂离子电池的材料筛选、性能预测、电极设计与结构优化、制造效率提升及质量控制等方面展现出显著优势。通过挖掘大量实验和计算数据中的价值信息，机器学习能够加速材料筛选进程，预测电池在不同条件下的性能表现，为研究人员提供科学决策依据。同时，机器学习还能优化电池设计与结构，提高电池的能量密度和安全性，推动电池制造过程的智能化和高效化。
此外，机器学习技术还促进了锂离子电池研究与化学、物理学、计算机科学等多个学科的交叉融合，为锂离子电池的创新应用提供了有力支持。在智能电网、可穿戴设备和无人机等新兴领域中，机器学习通过优化电池设计和性能预测等手段，满足了复杂多变的性能要求，推动了相关领域的创新发展。
机器学习在锂离子电池研究中发挥着越来越重要的作用，不仅加速了材料筛选与性能预测的进程，还推动了电池设计与制造的智能化和高效化。随着大数据和人工智能技术的不断进步以及跨学科合作的深入发展，我们有理由相信，机器学习将继续引领锂离子电池技术的创新与发展，为人类社会的可持续发展贡献更多力量。
FLOWER CLUSTERS
学习目标
1.使学员了解锂离子电池的基本原理和特性，以及机器学习在电池技术中的应用背景。通过学习Python编程语言，使学员能够熟练使用基础语法、函数、模块、包和面向对象编程，让学员熟悉并掌握机器学习库。
2.使学员理解神经网络的基础知识，包括激活函数、损失函数、梯度下降与反向传播，并能够使用Pytorch构建全连接神经网络，掌握深度学习中的正则化技术、优化算法和超参数调优方法，了解并能够应用循环神经网络、卷积神经网络、图神经网络、注意力机制、Transformer架构、生成对抗网络和变分自编码器。
3.培养学员在锂离子电池正极材料特性工程方面的实战能力。通过实战项目，使学员能够使用机器学习技术预测锂离子电池性能、稳定性，并进行电池性能分类。理解如何将机器学习与分子动力学模拟、第一性原理计算以及实验数据结合，以加速新材料的发现和电池性能的优化。
4.电池管理系统（BMS）的智能化学习：使学员了解BMS的功能与组成，并能够应用机器学习技术进行电池充放电策略的优化。培养学员使用机器学习技术进行锂离子电池的实时充电状态（SOC）和健康状态（SOH）估计。
5.拓宽学员的国际视野，让他们接触和学习国际上的先进研究成果。培养具备跨学科整合能力的学员，使他们能够在锂离子电池、深度学习、数据科学等领域之间架起桥梁，开展创新性研究。
讲师介绍
主讲老师张老师来自全国重点大学、国家“985工程”、“211工程”重点高校，长期从事锂离子电池研究，特别是在利用计算模拟方法和机器学习技术解决锂离子电池领域的关键问题。在多个国际高水平期刊上发表 SCI检索论文30余篇。他的授课方式深入浅出，能够将复杂的理论知识和计算方法讲解得清晰易懂！
课程目录
第一天上午
锂离子电池与机器学习背景
Python基础语法、函数、模块和包、面向对象编程
机器学习库介绍：Numpy、Pandas、Matpliotlib、Seaborn、Scikit-learn
第一天下午
监督学习与非监督学习
K-近邻、支持向量机、决策树、线性回归、逻辑回归
实战一：使用机器学习预测锂离子电池性能
第二天上午
K-均值聚类、层次聚类、PCA、t-SNE
集成学习：随机森林、Boosting
交叉验证、性能指标、模型评估与选择、网格搜索
实战二：聚类分析在电池性能分类中的应用
第二天下午
神经网络基础、激活函数、损失函数、梯度下降与反向传播
Pytorch构建全连接神经网络
深度学习中的正则化技术：L1、L2、Dropout
优化算法：SGD、Adam、RMSprop
超参数调优：网格搜索、随机搜索、贝叶斯优化
实战三：基于深度学习的高熵材料的虚拟高通量筛选
第三天上午
循环神经网络
卷积神经网络
图神经网络
注意力机制
Transformer架构
生成对抗网络
变分自编码器
实战四：基于图神经网络的锂离子电池性能预测
第三天下午
锂离子正极材料的特征工程
实战五：基于机器学习的锂金属正极材料的稳定性预测
实战六：实验引导的高通量机器学习分析
第四天上午
基于锂离子电池的机器学习与多尺度模拟
机器学习、分子动力学模拟与第一性原理计算
机器学习与实验结合
实战七：机器学习加速寻找新的固体电解质
第四天下午
机器学习在电池管理系统中的应用介绍
电池管理系统（BMS）的功能与组成
电池充放电管理
电池安全与保护
电池健康状态的指标
电池老化分析
基于机器学习的电池充放电策略优化
第五天上午
实战八：电池管理系统：物理模型与机器学习集成
实战九：机器学习用于锂离子电池的实时充电状态（SOC）和健康状态（SOH）估计
第五天下午
实战十：基于GRU、LSTM、Transformer锂电池剩余寿命预测
实战十一：从实验数据出发重构Mn-DRX设计思路
部分案例图片：
#
课程特色及授课方式
线上授课时间和地点自由，建立专业课程群进行实时答疑解惑，理论＋实操授课方式结合大量实战案例与项目演练，聚焦人工智能技术在锂电池领域的最新研究进展，课前发送全部学习资料，课程提供全程答疑解惑；
完全贴合学员需求的课程体系设计，定期更新的前沿案例，由浅入深式讲解，课后提供无限次回放视频，免费赠送二次学习，发送全部案例资料，永不解散的课程群，可以与相同领域内的老师同学互动交流问题，让求知的路上不再孤单！
增值服务：
1、凡参加人员将获得本次课程学习资料及所有案例模型文件；
2、课程结束可获得本次所学专题全部回放视频；
3、课程会定期更新前沿内容，参加本次课程的学员可免费参加一次本单位后期举办的相同专题课程（任意一期）
#
课程时间
机器学习锂离子电池时间：
2024.09.14----2024.09.15（上午9.00-11.30下午13.30-17.00）
2024.09.18---2024.09.19（晚上19.00-22.00）
2024.09.21----2024.09.22（上午9.00-11.30下午13.30-17.00）
腾讯会议 线上授课（共五天课程 提供全程视频回放）
报名费用
课程报名费用
公费价：每人每班¥4680（包含会议费、资料费提供课后全程回放资料）
自费价：每人每班¥4380（包含会议费、资料费提供课后全程回放资料）
提前报名缴费可享受300元早鸟价优惠（仅限前十名）
优惠一：两人团报每人优惠300元
优惠二：两人以上团报每人可享受600元
课程福利：课程会定期更新前沿内容，参加本次课程的学员可免费参加一次本单位后期举办的相同专题课程（任意一期）
报名费用可开具正规报销发票及提供相关缴费证明、邀请函，可提前开具报销发票、文件用于报销
报名咨询方式（请扫描下方二维码）
RECRUIT
联系人｜马老师
咨询电话｜18514630500（微信同号）
