1.深化学习理论基础：掌握薛定谔方程、DFT原理及交换-相关泛函的影响机制
2.熟练掌握计算技能：完成材料建模→结构优化→电子结构计算全流程，优化平面波基组参数
3.材料特征工程学习：构建二维材料拓扑/光谱特征，开发材料性能预测模型（如催化剂、硬度）
4.掌握神经网络机器学习融合方法：搭建CGCNN网络，实现分子动力学轨迹分析及材料属性预测
5.掌握综合应用实例：研究多物理场耦合（杨氏模量、热导率、超导材料）及缺陷体系（螺位错、薄膜生长）
6.掌握计算工具：Python（NumPy/Pandas/scikit-learn/tensor-flow）、pymatgen、机器与深度学习框架
