矿渣微晶玻璃材料设计与计算

　　第1章 绪论1
　　1.1 矿渣微晶玻璃概述1
　　1.1.1 矿渣微晶玻璃研究的历史和现状1
　　1.1.2 矿渣微晶玻璃的组成和分类3
　　1.1.3 矿渣微晶玻璃结构及性能6
　　1.1.4 矿渣微晶玻璃的发展趋势7
　　1.1.5 我国矿渣微晶玻璃研究与国外状况比较8
　　1.1.6 开发矿渣微晶玻璃的意义8
　　1.2 材料设计9
　　1.2.1 材料设计的含义9
　　1.2.2 材料设计的发展阶段9
　　1.2.3 材料设计的最新发展趋势10
　　1.2.4 材料设计的方法与途径11
　　1.2.5 材料设计思想在无机非金属材料中的应用14
　　1.2.6 矿渣微晶玻璃材料设计的现状15
　　1.2.7 矿渣微晶玻璃神经网络专家系统开发的意义16
　　1.3 建立矿渣微晶玻璃专家系统的基本思路17
　　参考文献18
　　第2章 矿渣微晶玻璃专家系统设计20
　　2.1 专家系统简介20
　　2.1.1 专家系统定义20
　　2.1.2 专家系统发展简况20
　　2.1.3 专家系统的基本设计思想21
　　2.1.4 专家系统的功能和结构22
　　2.1.5 建造专家系统的步骤24
　　2.2 人工神经网络及其特点25
　　2.3 专家系统和神经网络的特点和相互结合26
　　2.4 矿渣微晶玻璃材料设计专家系统的设计30
　　2.4.1 矿渣微晶玻璃专家系统的设计思路30
　　2.4.2 矿渣微晶玻璃神经网络专家系统的特点31
　　2.5 专家系统功能模块划分32
　　2.5.1 材料设计子系统32
　　2.5.2 数据库管理系统33
　　2.5.3 学习子系统34
　　2.5.4 设计效果预测子系统34
　　2.5.5 解释子系统35
　　2.6 小结35
　　参考文献35
　　第3章 数据库管理系统37
　　3.1 引言37
　　3.2 知识的表示方法37
　　3.2.1 知识及其表示37
　　3.2.2 产生式规则表示法38
　　3.2.3 神经网络表示法43
　　3.3 数据库的构建43
　　3.3.1 数据库的构建工具和数据收集43
　　3.3.2 矿渣微晶玻璃实例库的数据结构43
　　3.3.3 材料实例库的功能及其应用45
　　3.3.4 其他数据库46
　　3.4 小结48
　　参考文献48
　　第4章 矿渣微晶玻璃神经网络模型49
　　4.1 人工神经网络简介49
　　4.1.1 人工神经网络的发展49
　　4.1.2 神经网络的特征50
　　4.2 人工神经网络的结构51
　　4.3 前馈神经网络及其学习算法53
　　4.3.1 BP算法基本思想53
　　4.3.2 网络的训练54
　　4.4 矿渣微晶玻璃神经网络模型建立及其功能56
　　4.5 神经网络效果检验58
　　4.5.1 样本集1的训练59
　　4.5.2 样本集2的训练59
　　4.5.3 样本集3的训练62
　　4.6 虚拟样本技术65
　　4.6.1 矿渣微晶玻璃虚拟样本技术的基本概念65
　　4.6.2 虚拟样本的构建67
　　4.6.3 虚拟样本对神经网络预测能力的影响67
　　4.6.4 虚拟样本对神经网络“过拟合”现象的影响69
　　4.7 小结72
　　参考文献72
　　第5章 类比设计模块74
　　5.1 引言74
　　5.2 类比设计的基本原理74
　　5.2.1 类比概述74
　　5.2.2 常用的几种类比方法75
　　5.2.3 属性类比75
　　5.3 类比设计的一般模式76
　　5.4 矿渣微晶玻璃类比因素分析77
　　5.5 类比关系准则79
　　5.6 冲突消解80
　　5.7 类比设计模块的建立和效果检验81
　　5.8 小结84
　　参考文献84
　　第6章 矿渣微晶玻璃专家知识和经验设计86
　　6.1 矿渣微晶玻璃专家知识86
　　6.1.1 基础玻璃组成86
　　6.1.2 主晶相88
　　6.1.3 成型方法89
　　6.1.4 微晶玻璃的晶化制度90
　　6.2 经验设计模块的建立和效果检验90
　　6.2.1 经验设计的基本思路和实现方法90
　　6.2.2 冲突消解92
　　6.2.3 经验模块的应用和效果检验92
　　6.3 小结94
　　参考文献94
　　第7章 系统控制模型96
　　7.1 矿渣微晶玻璃专家系统推理方法96
　　7.2 推理控制策略100
　　7.2.1 规则激活101
　　7.2.2 冲突消解102
　　7.2.3 知识的“组合爆炸”问题102
　　7.3 解释策略103
　　7.3.1 预制文本法103
　　7.3.2 执行跟踪法104
　　7.4 小结105
　　参考文献105
　　第8章 矿渣微晶玻璃材料设计系统106
　　8.1 材料设计系统整体框架106
　　8.1.1 材料设计系统主页106
　　8.1.2 权限验证系统107
　　8.2 在线咨询界面107
　　8.3 神经网络109
　　8.4 分子动力学模拟109
　　8.5 专家系统界面109
　　8.6 矿渣微晶玻璃材料设计系统的应用110
　　8.6.1 材料设计过程110
　　8.6.2 人工神经网络预测111
　　8.6.3 参数优化114
　　8.7 小结115
　　参考文献115
　　第9章 CaOAl2O3SiO2系微晶玻璃分子动力学模拟116
　　9.1 分子动力学模拟概述116
　　9.1.1 初始构型117
　　9.1.2 初始速度117
　　9.1.3 周期边界条件117
　　9.1.4 截断118
　　9.1.5 温度的控制118
　　9.1.6 MD势函数119
　　9.1.7 相关算法120
　　9.2 CaOAl2O3SiO2系微晶玻璃分子动力学模拟121
　　9.2.1 CaOAl2O3SiO2系玻璃的结构122
　　9.2.2 CaOAl2O3SiO2系玻璃的分子动力学模拟过程123
　　9.2.3 模拟结果与分析125
　　9.3 小结133
　　参考文献133
　　第10章 MgOAl2O3SiO2系微晶玻璃分子动力学模型139
　　10.1 堇青石结构140
　　10.2 理论计算方法143
　　10.3 HartreeFork方法144
　　10.4 赝势方法144
　　10.5 密度泛函理论145
　　10.6 MgOAl2O3SiO2系微晶玻璃分子动力学模型148
　　10.6.1 BMH模型148
　　10.6.2 coreshell模型152
　　10.6.3 PartialQ模型156
　　10.7 结构计算160
　　10.7.1 Si和堇青石晶体结构的计算160
　　10.7.2 非晶态结构的计算161
　　10.8 小结167
　　参考文献168

　　    《矿渣微晶玻璃材料设计与计算》是一本关于矿渣微晶玻璃材料人工智能设计方面的专著，主要介绍了矿渣微晶玻璃数据库建立、专家系统设计和构建、人工神经网络、分子动力学模拟技术相关原理及其在矿渣微晶玻璃设计研制中的具体应用，以求矿渣微晶玻璃研制从传统“炒菜法”向优化设计的深层次转化，为复杂材料系统研究提供可以借鉴的理论、方法和技术手段。
　　    《矿渣微晶玻璃材料设计与计算》适合于从事无机材料设计与计算、凝聚态物理学、计算机技术、资源环境科学等领域的科研人员、技术人员阅读，也可供大专院校相关专业师生参考。