Курс предполагает лекции и практические работы, позволяющие закрепить полученные знания как посредством совместного рассмотрения программного кода с преподавателями, так и самостоятельной реализации алгоритмов, предназначенных для решения актуальных задач, относящихся к тематике курса: прогнозированию свойств химических соединений, оптимизации молекулярной геометрии, дизайну новых соединений.
По итогам прохождения курса слушатели приобретут:
- базовые знания об использовании языка Python для анализа данных, а также общие представления об оптимизации программного кода и использовании графических ускорителей для работы с большими объемами вычислений;
- понимание особенностей работы с химическими данными и знания о химических дескрипторах, используемых для описания как молекулярной, так и кристаллических структур;
- знания о современных методах машинного обучения; глобальной оптимизации и генерации, а также о различных архитектурах нейронных сетей, используемых в химии и материаловедении;
- самостоятельно написанные программы, предназначенные для обучения и использования предиктивных и генеративных моделей, работающих с химическими данными.
Требования к студентам:
- основ неорганической и органической химии на уровне понятий о молекулярной и кристаллической структурах;
- линейной алгебры и дифференциальных уравнений, на уровне матричных и векторных операций, а также дифференцирования и интегрирования простых функций;
- основ программирования на уровне понятий об объявлении/использовании переменных, функций и массивов данных.
Темы, изучаемые в рамках курса
Блок 1: Введение. Язык Python. Обработка данных. Использование GPU и параллельных вычислений для ускорения расчетов
Блок 2: Анализ молекулярных данных. Основные идеи и методы машинного обучения. Химические данные. Перевод данных к машинно-читаемому виду: дескрипторы
Блок 3: Нейронные сети
Блок 4: Вычислительная химия твердого тела. Дескрипторы кристаллической структуры. Предсказание свойств материалов
Блок 5: Методы глобальной оптимизации. Роевой интеллект. Оптимизация параметров моделей. Генеративные модели
Занятия проводятся на Химическом факультете МГУ им. М. В. Ломоносова
В программе курса 22 занятия: 8 лекций, 9 семинаров и 5 практикумов
Формат проведения: офлайн
Старт курса: с 7 сентября по четвергам с 12:30 до 14:05 в 559 аудитории второго ГУМа,
по пятницам (четные недели) с 10:45 до 12:20 в 219 аудитории лабораторного корпуса Б.
Записаться на курс и задать вопросы можно по почте: aeliseev@inorg.chem.msu.ru (Артем Анатольевич Елисеев)
Страница курса на платформе Teach-in
Набор на курс 2023 года закрыт
Занятия проводятся на Химическом факультете МГУ им. М. В. Ломоносова
В программе курса 22 занятия: 8 лекций, 9 семинаров и 5 практикумов
Формат проведения: офлайн
Старт курса: с 7 сентября по четвергам с 12:30 до 14:05 в 559 аудитории второго ГУМа,
по пятницам (четные недели) с 10:45 до 12:20 в 219 аудитории лабораторного корпуса Б.
Записаться на курс и задать вопросы можно по почте: aeliseev@inorg.chem.msu.ru (Артем Анатольевич Елисеев)
Страница курса на платформе Teach-in
Набор на курс 2023 года закрыт