Strojno učenje potencijala za CsPbBr_xI_(3-x)

diplomski rad

• Naslov (engleski): Machine learning of potential for CsPbBr_xI_(3-x)
• Autor: Šimun Šopar
• Mentor: Ivor Lončarić (mentor)
• Mentor: Nikola Poljak (komentor)
• Član povjerenstva: Nikola Poljak (predsjednik povjerenstva)
• Član povjerenstva: Ivor Lončarić (član povjerenstva)
• Član povjerenstva: Danko Radić (član povjerenstva)
• Član povjerenstva: Damir Pajić (član povjerenstva)
• Član povjerenstva: Denis Sunko (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Fizički odsjek); Zagreb
• Datum i država obrane: 2023-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Fizika

Sažetak

U ovom radu proučavana je uporaba modela dubokog učenja za konstrukciju međuatomskog potencijala CsPb(BrxI1−x)3 kako bi se izbjegla uporaba numerički zahtjevnih kvantnomehaničkih izračuna. U tu svrhu korišten je model Allegro specijaliziran za rad s kristalima. Allegro je neuronska mreža zasnovana na mehanizmu slanja poruka koja čuva simetrije kristala. U sklopu rada detaljno je opisan rad Allegro modela. Ispitano je prijenosno učenje kao način učenja modela korištenjem manjeg broja kvantnomehanički izračunatih podataka za učenje. U tu svrhu generirani su novi podatci uporabom klasičnog Coulomb-Buckinghamovog potencijala i aktivacijsko-relaksacijske tehnike koji će se koristiti za treniranje početne mreže za prijenosno učenje. Zatim je uspoređen rad mreže naučene normalnim putem i učene s pomoću prijenosa za različite veličine uzoraka za treniranje.

• Ključne riječi: perovskiti; strojno učenje; model Allegro; ekvivarijantnost; prijenosno učenje; Coulomb-Buckinghamov potencijal; aktivacijsko-relaksacijska tehnika
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:172931
• Projekt: Šifra: UIP-2020-02-5675; Naziv: Povećanje prostorne i vremenske skale modeliranja materijala iz prvih principa pomoću strojnog učenja; Naziv: Extending length and time scales of first principles material modelling via machine learning; Kratica: ExtMatModelML; Voditelj: Ivor Lončarić; Pravna nadležnost: Hrvatska; Financijer: HRZZ; Linija financiranja: UIP
• Studijski program: Naziv: Fizika; smjerovi: Istraživački; Smjer: Istraživački; Vrsta studija: sveučilišni; Stupanj studija: integrirani prijediplomski i diplomski; Akademski / stručni naziv: sveučilišni magistar fizike (univ. mag. phys.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Rad dostupan nakon; Datum isteka embarga: 2024-07-13
• Datum i vrijeme pohrane: 2024-02-15 14:39:22