第1章　新能源材料概述 001
學(xué)習(xí)目標(biāo) 001
1.1　新能源材料的定義和分類 001
1.2　新能源材料的主要應(yīng)用現(xiàn)狀 003
1.2.1　光電材料 003
1.2.2　熱電材料 004
1.2.3　燃料電池材料 005
1.2.4　鋰電池材料 006
1.3　能源危機(jī)與新能源材料的需求 007
1.4　新能源材料發(fā)現(xiàn)基礎(chǔ) 009
1.4.1　性能指標(biāo) 009
1.4.2　研究方式 010
本章小結(jié) 013
思考題 013

第2章　大數(shù)據(jù)與人工智能技術(shù)在新能源領(lǐng)域的應(yīng)用 014
學(xué)習(xí)目標(biāo) 014
2.1　大數(shù)據(jù)技術(shù)及其與新能源領(lǐng)域的相關(guān)性 014
2.1.1　大數(shù)據(jù)的概念和特征 015
2.1.2　大數(shù)據(jù)技術(shù)架構(gòu) 015
2.1.3　大數(shù)據(jù)技術(shù)應(yīng)用領(lǐng)域 018
2.1.4　大數(shù)據(jù)技術(shù)在新能源領(lǐng)域的應(yīng)用及其影響 019
2.2　人工智能技術(shù)及其在新能源領(lǐng)域的應(yīng)用 021
2.2.1　人工智能的概念和特征 021
2.2.2　人工智能技術(shù) 022
2.2.3　人工智能技術(shù)應(yīng)用 024
2.2.4　人工智能技術(shù)在新能源領(lǐng)域的應(yīng)用及其影響 025
本章小結(jié) 029
思考題 029

第3章　數(shù)據(jù)預(yù)處理 031
學(xué)習(xí)目標(biāo) 031
3.1　數(shù)據(jù)清洗方法 031
3.1.1　數(shù)據(jù)清洗的原理 032
3.1.2　數(shù)據(jù)清洗在新能源材料研發(fā)中的應(yīng)用 033
3.1.3　數(shù)據(jù)清洗在新能源材料研發(fā)中的發(fā)展前景 034
3.2　數(shù)據(jù)集成方法 034
3.2.1　數(shù)據(jù)集成的步驟 035
3.2.2　數(shù)據(jù)集成在新能源材料研發(fā)中的應(yīng)用 035
3.2.3　數(shù)據(jù)集成在新能源材料研發(fā)中的發(fā)展前景 036
3.3　數(shù)據(jù)轉(zhuǎn)換方法 037
3.3.1　常見的數(shù)據(jù)轉(zhuǎn)換策略 037
3.3.2　數(shù)據(jù)轉(zhuǎn)換在新能源材料研發(fā)中的應(yīng)用 038
3.3.3　數(shù)據(jù)轉(zhuǎn)換在新能源材料研發(fā)中的發(fā)展前景 038
3.4　數(shù)據(jù)規(guī)約方法 039
3.4.1　常見的數(shù)據(jù)規(guī)約方法 039
3.4.2　數(shù)據(jù)規(guī)約在新能源材料研發(fā)中的應(yīng)用 040
3.4.3　數(shù)據(jù)規(guī)約在新能源材料研發(fā)中的發(fā)展前景 040
本章小結(jié) 041
思考題 042

第4章　數(shù)據(jù)挖掘與信息安全 043
學(xué)習(xí)目標(biāo) 043
4.1　新能源材料發(fā)現(xiàn)中數(shù)據(jù)挖掘技術(shù)概述 043
4.2　數(shù)據(jù)挖掘方法與算法 044
4.2.1　關(guān)聯(lián)規(guī)則挖掘 045
4.2.2　聚類分析 048
4.2.3　分類與預(yù)測 050
4.2.4　異常檢測 057
4.3　信息安全 059
4.3.1　數(shù)據(jù)安全 060
4.3.2　網(wǎng)絡(luò)安全 060
4.3.3　物理安全 061
本章小結(jié) 061
思考題 062

第5章　人工智能 063
學(xué)習(xí)目標(biāo) 063
5.1　人工智能技術(shù)概述 063
5.1.1　人工智能的發(fā)展史 064
5.1.2　人工智能技術(shù)的分類 065
5.2　機(jī)器學(xué)習(xí) 068
5.2.1　監(jiān)督學(xué)習(xí) 069
5.2.2　無監(jiān)督學(xué)習(xí) 074
5.2.3　半監(jiān)督學(xué)習(xí) 078
5.2.4　強(qiáng)化學(xué)習(xí) 081
5.3　深度學(xué)習(xí) 085
5.3.1　卷積神經(jīng)網(wǎng)絡(luò) 086
5.3.2　循環(huán)神經(jīng)網(wǎng)絡(luò) 089
5.3.3　生成對(duì)抗網(wǎng)絡(luò) 091
5.3.4　大規(guī)模語言模型 093
本章小結(jié) 098
思考題 098

第6章　大數(shù)據(jù)和人工智能技術(shù)在能源領(lǐng)域的應(yīng)用案例研究 099
學(xué)習(xí)目標(biāo) 099
6.1　人工智能在電力能源領(lǐng)域的應(yīng)用 099
6.2　人工智能在新材料發(fā)現(xiàn)領(lǐng)域的應(yīng)用 101
6.3　人工智能在半導(dǎo)體材料發(fā)現(xiàn)領(lǐng)域的應(yīng)用 103
6.4　人工智能在鋰電池材料發(fā)現(xiàn)領(lǐng)域的應(yīng)用 105
6.5　人工智能在氫能發(fā)現(xiàn)領(lǐng)域的應(yīng)用 108
6.6　大數(shù)據(jù)技術(shù)在石油發(fā)現(xiàn)領(lǐng)域的應(yīng)用 110
6.7　大數(shù)據(jù)技術(shù)在水電領(lǐng)域的應(yīng)用 111
本章小結(jié) 113
思考題 114

第7章　新能源材料發(fā)現(xiàn)的挑戰(zhàn)與展望 115
學(xué)習(xí)目標(biāo) 115
7.1　新能源材料發(fā)現(xiàn)的挑戰(zhàn) 115
7.1.1　數(shù)據(jù)獲取和處理困難 115
7.1.2　設(shè)計(jì)和優(yōu)化效率低下 116
7.1.3　測試和驗(yàn)證方法單一 117
7.1.4　產(chǎn)業(yè)化和商業(yè)化不完善 118
7.2　未來發(fā)展展望 119
7.2.1　算法升級(jí) 120
7.2.2　基礎(chǔ)設(shè)施建設(shè) 120
本章小結(jié) 120
思考題 121

參考文獻(xiàn) 122