这门课程将带你系统掌握材料科学中的贝叶斯优化：当实验或DFT计算昂贵、目标函数像黑盒一样难以刻画时，如何用少量评估快速找到更优材料与工艺。课程从核心流程讲起，逐步解析高斯过程回归等代理模型、PI/EI等采集函数，以及探索与开发之间的权衡，并延伸到单目标、多目标、Pareto前沿、Hypervolume和不确定性主动学习等应用。你还会看到贝叶斯优化与机器学习、MD/DFT、对抗式优化结合的真实案例，以及OpenBox、HEBO、BoTorch等工具入口。无论你是材料、化学、物理还是计算科学方向的研究生、科研人员或工程师，只要希望降低试错成本、加速材料发现与性能优化，都能从中建立清晰的方法框架和落地思路。学完后，你将能判断何时该用贝叶斯优化，理解其核心组件如何协同，并为自己的实验或计算任务设计更高效的搜索策略。