化學系研究生的入門課程

AI for Computational Chemistry
從 Deep Research、材料 AI 到 MLIP

給懂 DFT/VASP、不懂 deep learning 的化學系碩士生。每個抽象概念都用化學例子講、每章都有可離線打開的互動 demo，最後收斂到一個真實研究問題：高熵合金的 active-site distribution。

從高熵合金表面到神經網路圖的封面視覺
📖 7 章 中文教材 🎬 7 份 Reveal.js 投影片 🧪 3 個 互動 demo 📓 4 本 Python notebook（mock 可跑） ✏️ 7 套 練習題（含詳解） 🔌 全程離線可用・手機可看

課程章節 7 chapters

CH 0

為什麼化學系需要 AI 研究工具

文獻太多、DFT 太慢、力場不準——AI 補的是文獻層、勢能層、管理層哪幾個洞。第一次認識「訓練分布」。

教材投影片練習
CH 1

Deep Research 與實驗室知識庫

search→read→synthesize→cite 的迴圈；RAG 四步（切塊、embedding、檢索、生成）。工具會換，概念不換。

教材投影片▶ RAG 互動練習
CH 2

從 DFT 到機器學習勢能 MLIP

E/F/S 是訓練標籤；力是最划算的訊號；train/val/test 紀律；外推風險（notebook 實測 150 倍）。

教材投影片練習
CH 3 · 概念樞紐

GNN 與 Message Passing

原子是 node、近鄰是 edge、兩輪訊息傳遞、force=能量梯度。用配位圈的語言講懂 GNN。

教材投影片▶ 訊息傳遞互動練習
CH 4

MACE 入門

equivariance（轉杯水）、higher-order message passing（一桌人）、五步工作流、MIT vs ASL license。

教材投影片notebook練習
CH 5

CHGNet / MatterSim 預訓練模型

foundation model 的能與不能；zero-shot/fine-tune/active learning；softening；leaderboard 與 license 素養。

教材投影片notebook練習
CH 6 · 研究應用

HEA active-site distribution

從一個描述符到一群位點：ΔG 分布 → near-optimal population → MLIP 加速 sampling → microkinetic。

教材投影片▶ 分布互動練習

三個互動 demo 純前端・離線可開・手機可看

★ GNN 訊息傳遞

點原子當中心，看資訊一輪一輪傳進配位圈；拉 cutoff 看「孤島原子」。全課程的概念樞紐。

開啟 demo →

★ HEA 活性位點分布

隨機 HEA 表面格、吸附能直方圖、near-optimal 窗口、組成滑桿。組會也能直接用。

開啟 demo →

★ RAG pipeline

切塊→embedding 散點→top-k 檢索→看真正送進 LLM 的 prompt。含「庫裡沒有」的陷阱題。

開啟 demo →

建議的學習路徑 learning paths

我是學生，想快速入門

  1. 讀 Ch0 教材（建立三層地圖）→ 玩 GNN 互動 demo
  2. 跟著 mace-minimal-demo（mock 模式，零安裝）走一遍 MLIP 訓練流程
  3. 玩 HEA 分布 demo，配 Ch6 教材，看工具怎麼接到真實研究
  4. 每章做一題 練習，用 提示詞範本 練 AI 工作流
老師/助教：每章的教學備註（時間配置、易卡點、評分重點）在 docs/teacher-notes/；環境與課堂配置見 setup.md。真跑以 Google Colab 為準，本機走 mock fallback。

背景與資料 references

四個 repo 深度分析

Local Deep Research / MACE / CHGNet / MatterSim 的能力、限制、安裝門檻、license——皆 2026-06 當日實查。

比較表 →

12 天衝刺規劃

每天任務與完成定義，方便逐日推進與跨 session 接手。

roadmap →

提示詞範本

文獻速查、論文拆解、VASP 排錯、週報、蘇格拉底自學——複製填空即用。

prompts →