计算材料学是一门新兴的、发展迅速的综合性基础科学。特别是原子层面上的微观模拟，已经构成了相当丰富的理论体系，为解决复杂材料体系规律、性质的研究提供了重要手段。在这样的学科发展背景下，开设一门系统化计算材料学的课程是非常必要的。

人工智能涉及对机器学习、模式识别、计算机视觉、语音识别、自然语言处理等多个领域的研究，是一门非常交叉的学科。本课程以神经网络为主线，介绍网络结构、泛化能力、数学基础以及神经网络在解偏微分方程和科学问题中的一些应用。

本课程为非相对论量子力学，系统地介绍微观粒子的运动规律。内容包括量子力学的基本概念：波函数，态叠加原理，薛定格方程，力学量的算符表示和表象变换，对称性和守恒量，测不准关系及自旋。课程还介绍微观粒子运动规律的具体应用、处理技巧及近似方程，包括定态微扰论，量子跃迁，散射和多体问题。通过本课程的学习使学生能全面地掌握微观粒子运动的特点，特别是对波、粒二象性的理解；较全面地掌握处理微观粒子运动的技巧和方法。

本课程适合具备一定物理和数学基础、对量子力学感兴趣的学生和相关专业人士。

《高等量子力学》主要介绍如何利用量子力学原理计算少体和多体玻色子和费米子体系物理量的基本技能，为进一步学习量子多体理论以及量子场论做准备。内容包括：二次量子化(粒子数表象)方法,既全同多体粒子体系的置换对称性，单粒子产生和湮灭算符以及粒子数表象中玻色子和费米子单体和二体算符的表达式和相应的矩阵元的计算；形式微扰理论和散射理论。内容有表象理论，相互作用表象中时间演化算符的一般性质及其形式解；角动量理论。内容包括三维空间转动群及其线性表示，转动刚体体系的量子化，不可约张量算符组的定义以及Wigner-Eckart定理得应用；群论方法在量子力学中的应用。主要介绍量子力学体系对称操作群，量子体系的本征态按照其对称操作群不可约表示的分类，特征标理论的应用以及跳迁矩阵元的选择定则；量子力学体系的时间反演对称性。内容包括哈密顿量的时间反演对称性，反酉正算符的性质，内部自由度在时间反演变换下的改变以及Kramer定理；相对论量子力学。主要介绍Klein-Gordon方程，Dirac方程和它的相对论协变性，Dirac粒子的自旋，自由电子的平面波解，以及反电子概念的引入。同时介绍电磁场中Dirac方程的非相对论近似以及自旋-轨道耦合相互作用项的推导等。

本课程适合具有固体量子力学基础，且希望深入研究量子理论及其在物理、材料科学和信息技术等领域应用的研究生和高年级本科生。

机器学习，作为人工智能领域的核心技术之一，通过让计算机学习大量数据中的模式和规律，已经在多个领域实现了技术革命。《机器学习辅助材料研究》课程深入探讨机器学习与材料科学的全面结合，教授在材料领域中可运用的编程工具与人工智能算法，从而加速材料的研发创新。

本课程以机器学习基础、Python编程语言以及数据预处理和特征工程介绍入手，涵盖统计机器学习模型和深度学习模型的基本原理、方法以及在材料中的应用。并提供实际材料研发问题的实战案例，包括利用机器学习进行实验数据分析、利用预训练模型加速材料科学研究等。

通过基础教学和实践应用的结合，本课程旨在激发创新灵感，促进材料科学领域的进步，为学习者提供应用机器学习技术揭示新材料和解决复杂问题的技能。

持续更新…