本文提供的所有语言版本： 简中 EN

个人简介

关于我

  我是李盛洲，目前我正在筑波大学攻读计算机博士学位。我的导师是NIMS的中田彩子研究员和筑波大学的樱井铁也教授，我的主要研究方向是《基于数据驱动和机器学习的材料科学研究》。

研究兴趣

KVM Docker PHP Python Nodejs Linux R Mysql Photoshop

教育经历

  • 上海大学（中国），计算机工程与科学学院，工学学士（2012年9月~2016年6月）
  • 上海大学（中国），计算机工程与科学学院，工学硕士（2016年9月~2019年4月）
  • 东北师范大学（中国），留日预备学校，日语学习（2019年10月~2020年8月）
  • 筑波大学（日本），情报工学部（计算机科学），博士在读（2020年10月~至今）（文部科学省奖学金）

论文发表

  • S Li, H Zhang, D Dai, G Ding, X Wei, Y Guo. Study on the factors affecting solid solubility in binary alloys: An exploration by Machine Learning[J]. Journal of Alloys and Compounds, 2019, 782: 110-118.[DOI]
  • H Zhang, X Liu, G Zhang, Y Zhu, S Li, Q Qian, D Dai, R Che, T Xu, Deriving equation from data via knowledge discovery and machine learning: A study of Young’s modulus of Ti-Nb alloys. Computational Materials Science, 2023, 228:112349.[DOI]
  • H Zhang, R Hu, X Liu, S Li, G Zhang, Q Qian, G Ding, D Dai. An end-to-end machine learning framework exploring phase formation for high entropy alloys. Transactions of Nonferrous Metals Society of China, 2022, [DOI]
  • W Zheng , H Zhang, H Hu, Y Liu, S Li, G Ding, J Zhang. Performance prediction of perovskite materials based on different machine learning algorithms[J]. The Chinese Journal of Nonferrous Metals, 2019, 29(04): 803-809.[DOI](中文)
  • Y Liu, H Zhang, Y Xu, S Li, D Dai, C Li, G Ding, W Shen, Q Qian. Prediction of Superconducting Transition Temperature Using A Machine-Learning Method[J]. Materiali in tehnologije, 2018, 52(5): 639-643.[DOI]
  • H Zhang, G Zhou, S Li, X Fan, Z Guo, T Xu, Y Xu, X Chen, D Dai, Q Qian. Application of fuzzy learning in the research of binary alloys: Revisit and validation[J]. Computational Materials Science, 2020, 172: 109350.[DOI]
  • D Dai, T Xu, H Hu, Z Guo, Q Liu, S Li, Q Qian, Y Xu, H Zhang. A New Method to Characterize Limited Material Datasets of High-Entropy Alloys Based on the Feature Engineering and Machine Learning[J]. Available at SSRN 3442010.[DOI]

联系我

邮箱：zhonger[at]live.cn (请使用@替换[at])