張統一院士《材料信息學導論: 機器學習基礎》中文版出版

作者簡介

張統一， 中國科學院院士，香港工程科學院院士，國際斷裂學會副主席。2015年至今，上海大學材料基因組工程研究院創院院長、教授，香港科技大學講座教授。美國ASM International Fellow。兩次獲得國家自然科學獎二等獎，獲香港裘槎基金會高級研究學者獎。

作為材料和力學學者，張統一院士在推動材料信息學發展方面做了大量工作，在人工智能（AI）、機器學習（ML）和材料科學技術融合交叉方面，有諸多的嘗試和心得體會。其英文版著作《材料信息學導論: 機器學習基礎》自2022 年9 月出版以來，受到了普遍的歡迎，中國讀者紛紛呼吁出版中文版。為此，作者張統一院士委托孫升研究員和呂濤老師組織上海大學同仁及學生對本書進行翻譯。他們成立了專門的翻譯組，進行了第一輪翻譯、第二輪校核，最后再進行校核統稿，盡量減少翻譯錯誤，保證行文的流暢性和可讀性。近日，《材料信息學導論: 機器學習基礎》中文版正式出版。值得一提的是，原英文版經更新、修訂之后于今年在Springer上線（國內英文版同步更新），本中文版即基于該最新的英文版，且中文版又經張統一院士通讀、修改，最終得以與讀者見面。

材料信息學是一個快速發展的跨學科科學與技術領域，于2025年9 月8 日在Web of Science搜索主題為“材料信息學”的結果如下圖所示。20 世紀的論文發表量和引用量均可忽略不計，但在21世紀的前25年呈指數級增長 。市面上有許多關于統計學習、機器學習和數據挖掘的書籍和專著，但很少有關于材料信息學的。

Web of Science 網站上關于“材料信息學”的搜索結果（2025年9月8日）

在2011 年美國宣布材料基因組計劃（https://www.mgi.gov）之后，筆者參加了在北京召開的第S14 次香山科學會議“材料科學系統工程（功能、結構材料基因組工程）”。此后，筆者一直積極投身于推動材料基因組工程和材料信息學的發展。上海大學材料基因組工程研究院在上海大學的大力支持和研究院全體同仁的共同努力下，于2014 年順利成立。為了促進材料基因工程在中國的發展，中國政府于2016 年啟動了相關的研發計劃，同時許多地方政府資助了大量材料基因相關的科研項目。為了充分運用材料基因工程和材料信息學知識去培養當代和下一代材料科學家和工程師，上海大學開設了全國第一個與之相關的本科專業——材料設計科學與工程，并將統計學習、機器學習和數據挖掘作為該專業的必修課程。

材料信息學中的自適應主動學習和設計，其領域知識為材料科學與工程

顯然，這一跨學科教育創新亟需優質的材料信息學教材及專著以適應材料基因工程和材料信息學領域的快速發展，這也是筆者撰寫材料信息學導論的初衷。材料和固體力學科技工作者和工程師在材料科學與工程以及固體力學方面擁有深厚的科研及工程背景，雖在統計、概率、人工智能和機器學習方面知識儲備有限，但這些讀者一定仍然可以相對輕松地從該書中學習材料信息學知識。為此，筆者努力使該書寫得通俗易懂，并提供盡可能多的詳細示例。材料信息學導論的中心思想分兩冊介紹——《
》和《 材料信息學導論: 高等機器學習》，前者側重于介紹經典的人工智能和機器學習算法，后者涵蓋材料信息學的最新進展，介紹前沿人工智能和深度機器學習算法，并概述材料信息學的現狀、面臨的挑戰和未來的展望。本書面向的是材料科學與工程、力學科學與工程、物理和化學等領域的科研技術人員、工程師及學生，而非數學、計算機科學與工程、自動化與控制等領域的專業人員。

本書為第一部，側重于機器學習基礎，共十二章。內容包括線性回歸與線性分類、支持向量機、決策樹和K近鄰（KNN）、集成學習、貝葉斯定理和期望最大化算法、符號回歸、神經網絡、隱馬爾可夫鏈、數據預處理與特征選擇、可解釋性的SHAP 值和部分依賴圖。本書敘述力求從簡單明了的數學定義和物理圖像出發，密切結合材料科學研究案例，給出了各種算法的詳細步驟，便于讀者學習和運用；全彩印刷；正文與案例使用兩種字號、圖表公式使用兩套編號，層次一目了然。本書入選科學出版社精品教材。

在本書的撰寫過程中，許多社會各界人士給予了筆者極大關心和鼓勵，尤其是材料基因組工程和材料信息學相關領域內的同行們。特別感謝謝建新院士為推動材料基因組工程在中國的發展所發揮的領導作用。

本文摘編自《材料信息學導論: 機器學習基礎》（張統一著.北京: 科學出版社，2025. 8）一書“前言”“英文版前言”，有刪減修改，標題為編者所加。

材料信息學是一門新興的交叉學科，為在材料基因組和人工智能+ 材料理念下加速材料科學研究和工程技術發展提供了一個全新的方法。作者旨在寫一套易懂的材料信息學簡介書，以進一步推動材料信息學的發展。除基本理論外，本書還配有例題，即使沒有AI和ML背景的讀者也可以快速且輕松地學習材料信息學的基本知識。為便于讀者盡快理解和掌握材料信息學的核心內容，兼顧內容的完整性，作者撰寫了兩部：本書為第一部，側重于機器學習基礎; 第二部講解高等機器學習。

本書為機器學習基礎的入門工具性讀物，適合理工科科研人員和工程技術工作者快速且輕松地學習、理解和掌握材料信息學的AI 和ML 方法，也特別適合作為研究生和高年級本科生的教材。