ai+chemistry知识点

学习内容	重要程度	是否掌握
一、通用基础模块
1. Python基础语法（变量、循环、条件判断、函数、类与面向对象）	高	已掌握
2. Python核心库（NumPy、Pandas、Matplotlib/Seaborn）实操	高	已掌握
3. Python自动化脚本编写（批量文件处理、数据提取、任务调度）	高	未掌握
4. 有机化学基础（官能团、共轭体系、D-A给体-受体结构）	高	未掌握
5. OLED材料核心分类（发光层、空穴/电子传输层材料）	高	未掌握
6. OLED材料关键性能指标（能级、ΔEST、量子产率、载流子迁移率等）	高	未掌握
7. Linux/Shell基础命令（计算集群操作、文件管理）	中	未掌握
二、DFT量化计算核心模块
1. DFT/TD-DFT基础理论（适用场景、核心概念、计算任务类型）	高	未掌握
2. 有机/OLED分子通用泛函与基组选型标准	高	未掌握
3. ORCA软件安装、任务提交、输入文件规范书写	高	未掌握
4. ORCA输出文件解读、核心性能参数批量提取	高	未掌握
5. 分子可视化与三维结构建模（Avogadro/GaussView）	高	未掌握
6. 批量DFT计算自动化脚本编写	高	未掌握
7. 激发态计算与TADF分子核心参数（S1/T1、ΔEST）计算	高	未掌握
8. Gaussian软件基础操作（补充适配）	中	未掌握
三、传统机器学习模块
1. 机器学习基础理论（回归任务、数据集划分、评价指标）	高	未掌握
2. 交叉验证与超参数优化方法	高	未掌握
3. RDKit化学信息库基础操作与分子读取	高	未掌握
4. 分子表示方法（SMILES编码、分子指纹）	高	未掌握
5. 分子特征工程（Morgan/MACCS指纹、理化描述符提取）	高	未掌握
6. 经典回归模型（随机森林RF、XGBoost、LightGBM）实操	高	未掌握
7. 多任务机器学习模型搭建与训练	高	未掌握
8. 模型批量预测与分子库初筛落地	高	未掌握
四、图神经网络（GNN）模块
1. PyTorch深度学习框架基础操作	高	未掌握
2. 图结构基础理论（节点、边、分子拓扑图表示）	高	未掌握
3. 经典GNN模型核心原理（GCN、GAT、MPNN）	高	未掌握
4. PyTorch Geometric（PyG）库基础操作	高	未掌握
5. 分子图数据构建与预处理全流程	高	未掌握
6. GNN多任务预测模型搭建、训练与精度优化	高	未掌握
7. GNN注意力机制与分子核心官能团分析	高	未掌握
8. 生成式GNN与分子反向设计入门	中	未掌握
五、工程自动化与高通量管线模块
1. OLED材料研发全流程管线逻辑设计	高	未掌握
2. 多模块串联自动化脚本编写	高	未掌握
3. 分子数据管理与本地数据库搭建	中	未掌握
4. 高通量筛选规则与性能过滤逻辑实现	高	未掌握
5. 候选分子自动排序与结果报告生成	中	未掌握
6. 理论-实验闭环数据回流流程设计	中	未掌握
六、综合实战项目模块
1. 项目背景与企业需求拆解	高	未掌握
2. 项目数据集构建、清洗与预处理	高	未掌握
3. 大规模DFT数据标注全流程落地	高	未掌握
4. 传统机器学习分子粗筛模块落地	高	未掌握
5. GNN分子精筛与结构优化模块落地	高	未掌握
6. 全自动高通量筛选管线整合与联调	高	未掌握
7. 项目成果量化、总结与文档输出	中	未掌握
8. 面试/简历适配的项目内容打磨	中	未掌握