Магистратура "Artificial Intelligence in Materials Science (Искусственный интеллект в материаловедении)" ЮФУ в г. Ростове-на-Дону, Ростов-на-Дону

Направление сочетает в себе строгую физическую подготовку с освоением передовых цифровых технологий. Основное внимание в нем уделяется выработке целостного подхода, где статистические методы, квантово-химическое моделирование и суперкомпьютерные вычисления служат единой цели — ускорению разработки функциональных материалов. В ходе обучения происходит бесшовная интеграция физических методов исследования (от рентгеновской дифракции до оптической диагностики) с глубинными алгоритмами анализа данных и генеративным искусственным интеллектом. Такой комплексный подход позволяет выпускнику не только проводить сложный вычислительный эксперимент, но и проектировать архитектуру интеллектуальных систем управления для "самоуправляемых лабораторий". Итогом становится формирование уникальной квалификации, позволяющей работать на стыке фундаментальной физики, химической информатики и технологий ИИ для полного цикла создания материальных решений — от лабораторной идеи до рыночного прототипа.

Профессиональные дисциплины:

• Core compulsory courses
• Statistical approaches for data analysis
• Physical aspects of materials science
• Chemical aspects of material science
• X-ray based techniques in materials science
• Synthesis and chemistry of nanoporous functional materials
• Supercomputer clusters for data analysis and visualization
• Chemoinformatics and AI in materials science
• Quantum chemistry and computational materials design
• IR and optical diagnostics
• Research seminar
• Academic writing
• Technologies and innovations: from Lab to Mark.

Chemical/Engineering track:

• Additive technologies and 3D-prototyping
• Microfluidic approaches for laboratory and industrial scale synthesis.

Data-driven materials science track:

• Deep learning and generative AI for science
• Architect of intelligent control system.

Дисциплины по выбору:

• Chemical / Engineering track
• Robotics
• X-ray diffraction analysis in modern material science
• Multiphysics simulations of micro- and nanostructured materials
• Self-driving laboratories
• Patent law and patent preparation
• Data-driven materials science track
• Microscopic methods and AI
• Machine learning in data analysis
• Computer vision technologies
• AI for Science.