主要研究方向涉及：计算光学、超表面设计与逆向设计，发表多篇高水平SCI论文，有多年超表面仿真设计与教学经历！课程内容以完整算例为主线，涵盖超透镜、偏振无关多波长多焦点器件、莫尔变焦超表面、涡旋光束、计算全息等多个前沿方向，帮助学员在理解原理的同时，快速掌握不同应用场景下的设计策略与实现技巧。课程内容既服务于硕博研究生与科研人员的论文研究需求，也充分考虑工程师在产品研发中的实际问题，所讲方法具有良好

本课程系统讲授超导材料与量子器件的多尺度研究方法，涵盖超导物理机理、第一性原理计算、强关联体系分析及量子器件仿真四大模块。课程通过15个实战案例，帮助学员掌握从DFT电子结构计算、DMFT强关联修正到CPW谐振器设计的全链条技术，重点培养运用深度学习进行超导材料逆向设计和性能预测的能力。由国内顶尖科研机构专家授课，内容涵盖传统BCS理论到高温超导非声子机制，以及Triqs工具库应用、图神经网络预测

深度学习助力MOF材料智能研发创新 本课程系统讲授人工智能驱动的MOF材料逆向设计与自主合成全链条技术。通过四天密集培训，学员将掌握： 1）分子模拟与高通量计算技术，实现从CIF解析到虚拟筛选的自动化流程 2）机器学习与深度学习方法，构建构效关系模型和生成式材料设计 3）自主研发系统整合能力，建立AI设计-合成-表征的智能闭环 课程包含16个实战案例，涵盖结构解析、性能预测、逆向设计、合成优化等关

AI for Science时代下，机器学习分子动力学（ML-FFs）正成为计算化学新范式。课程系统讲解从传统力场到DeePMD、等变模型（NequIP/MACE/Allegro）及通用大模型（MACE-OFF23等）的全套技术，涵盖LAMMPS、量子化学软件操作及Python数据分析。通过案例对比传统与AI方法，帮助学员掌握高精度分子模拟、主动学习和大模型微调等前沿技能，突破跨学科研究门槛。课程

本文介绍了大模型PINN专题课程的核心内容，涵盖理论、实践与前沿应用。课程从微分方程基础到深度学习框架，系统讲解PINN（物理信息神经网络）理论及实现方法，包括强形式、变分形式等不同求解策略。重点培养学员基于PyTorch/DeepXDE等工具构建PINN模型的能力，覆盖流体力学、固体力学等领域的前沿应用场景。课程特色在于结合顶刊论文复现与工业级案例实践，通过对比传统数值方法与PINN的差异，揭示

本文介绍了一个为期五天的深度学习与第一性原理计算融合课程。课程内容涵盖：1）量子力学基础理论和DFT计算原理；2）材料建模与电子结构计算全流程；3）材料特征工程与机器学习建模；4）CGCNN网络搭建与分子动力学分析；5）多物理场耦合和缺陷体系等综合应用。通过Python编程、pymatgen等工具，结合20+实际案例，系统培养学员在材料计算与性能预测方面的能力。课程由在Advanced Mater

《深度学习驱动MOF材料智能研发》课程聚焦AI技术在金属-有机框架材料领域的创新应用。通过四天系统培训，学员将掌握从分子模拟到AI逆向设计的全链条技术，包括16个Python实战案例（如GCMC模拟、GNN建模、贝叶斯优化等）。课程由顶级期刊发文专家授课，内容涵盖MOF结构解析、性能预测、生成式设计及自主合成系统构建，助力突破传统研发效率瓶颈。1980元录播课程提供完整资料与社群答疑，适合材料与A

【机器学习赋能合金设计专题课程】该线上课程（2026.5.16-24）由国内顶尖专家主讲，系统讲解机器学习在合金研发中的应用。课程包含四大模块：1）前向预测建模，构建成分-工艺-性能的代理模型；2）逆向设计方法，通过优化算法实现性能导向的成分筛选；3）主动学习策略，解决小样本条件下的性能极值探索；4）多模态数据融合，实现工程约束下的系统化设计。通过14个案例实践（涵盖镁合金、铜合金等），学员将掌握

【摘要】"深度学习第一性原理"线上课程将于2026年6月2-15日举行，为期5天。课程由中国顶尖高校专家主讲，涵盖量子力学基础、DFT原理、材料特征工程及机器学习融合应用等内容。通过Python、pymatgen等工具，学员将掌握从材料建模到性能预测的全流程计算技能，包括二维材料分析、分子动力学模拟及热电/超导材料优化等前沿应用。课程提供视频回放和答疑服务，适合合金设计等材料领

【摘要】机器学习分子动力学模拟线上课程将于2026年5月20日至6月13日举办，通过腾讯会议授课并提供回放。课程涵盖数据驱动材料科学的理论框架与五大应用场景（性质预测、势函数开发、轨迹分析、结构反演、优化设计），结合Python工具链与12个典型案例（包括蛋白质构象识别、高熵合金性能预测等），重点讲解机器学习如何突破传统分子模拟的尺度与精度限制。课程特色在于将前沿文献方法转化为可实操的代码实现，帮