Prediction of carbon nanotube atomic coordinates based on machine learning algorithms
Karbon nanotüp atomik koordinatlarının makine öğrenmesi algoritmaları tabanlı tahmini
- Tez No: 471301
- Danışmanlar: DOÇ. DR. MUTLU AVCI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 123
Özet
Bu tezde, karbon nanotüplerin atomik koordinatlarını tahmin etmek için yedi adet tahmin modeli (İleri Beslemeli (İBYSA), Fonksiyon Uydurma (FUYSA), Kaskat Bağlantılı (KBYSA) ve Genelleştirilmiş Regresyon Yapay Sinir Ağları (GRYSA) ile Destek Vektör Regresyonu (DVR), Sınıflama ve Regresyon Ağacı (SRA) Çoklu Regresyon Analizi (ÇRA)) geliştirilmiştir. Çalışmanın temel amacı, önerilen modeller ile atomik koordinatların hesaplanma süresini günlerden dakikalara düşürmektir. Elementlerin atomik koordinatları ve kiral vektörleri ile CASTEP yazılımı kullanılarak bir veri kümesi oluşturulmuştur. Ortalama Karesel Hata (OKH), Ortalama Mutlak Hata (OMH), Standart Tahmin Hatası ve Korelasyon Katsayısı ölçütleri ile önerilen modellerin doğrulukları değerlendirilmiştir. Veri kümesi, 10-katlı çapraz doğrulama kullanılarak ve kullanılmadan ayrı ayrı çalışılmıştır. İBYSA, KBYSA ve FUYSA tahmin modelleri OKH ve OMH ölçütleri için çok yüksek başarım göstermişlerdir. Bu modelleri sırasıyla SRA, DVR, GRYSA ve ÇRA izlemektedir. Bu çalışmadan elde edilen sonuçlar iki şekilde kullanılabilir: i) Atomik koordinatlar hiçbir benzetim programı kullanmadan düşük bir hata oranı ile tahmin edilebilir, ii) Tahmin edilen koordinatlar benzetim programlarına başlangıç değeri olarak verilip benzetimin süresi ciddi oranda kısaltılabilir.
Özet (Çeviri)
In this thesis, seven prediction models (i.e. Feed Forward Neural Network (FFNN), Function Fitting Neural Network (FITNET), Cascade-Forward Neural Network (CFNN), Generalized Regression Neural Network (GRNN), Support Vector Regression (SVR), Classification and Regression Tree (CART) and Multiple Linear Regression (MLR)) have been developed for atomic coordinate prediction of carbon nanotubes. The main aim of this research is to reduce the calculation time for atomic coordinates from days to minutes using developed prediction models. The dataset was created by combining the atomic coordinates of elements and chiral vectors using CASTEP software. The accuracy of the proposed models is evaluated with Mean Square Error (MSE), Mean Absolute Error (MAE), Standard Error of the Estimate and Correlation Coefficient metrics. The dataset is studied separately with and without using 10-fold cross-validation. FFNN, CFNN and FITNET prediction models yielded very high performance by means of MSE and MAE. These models are followed by CART, SVR, GRNN and MLR, respectively. The results obtained from this study can be used in two ways: i) The atomic coordinates can be predicted with a low-error without using a simulation program, ii) The estimated results can be used as an initial value of simulation software for reducing duration of the atomic coordinate simulation seriously.
Benzer Tezler
- Crystal structure prediction and ammonia dynamics in strontium ammine complex
Stronsiyum amin kompleksinin kristal yapı tahmini ve amonyak dinamiğinin analizi
MEHMET ÇANKAYA
Yüksek Lisans
İngilizce
2016
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. ADEM TEKİN
- Deriden geçişin tahmin edilmesinde kullanılabilecek karbon nanotüp yapılı membran sistemi geliştirme üzerine çalışmalar
Development of carbon nanotube based system for predıctıon of skın permeabılıty
MUSTAFA TAKSIR
Yüksek Lisans
Türkçe
2012
Eczacılık ve FarmakolojiGazi ÜniversitesiFarmasötik Teknoloji Ana Bilim Dalı
PROF. DR. İ. TUNCER DEĞİM
- Fabrication and investigation of carbon nanotube reinforced aluminum matrix composite material
Karbon nanotüp takviyeli alüminyum matrisli kompozit malzeme üretimi ve özelliklerinin incelenmesi
BEDRİ ONUR KÜÇÜKYILDIRIM
Doktora
İngilizce
2012
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL AKDOĞAN EKER
- Karışım tasarımı yaklaşımı ile magnezyum esaslı nanokompozit malzeme üretilmesi ve malzeme özelliklerinin optimizasyonu
Manufacturing of magnesium nanocomposite material and optimization of the material properties by mixture design
YAHYA KAYA
Doktora
Türkçe
2016
Makine MühendisliğiErciyes ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BAKİ KARAMIŞ
- Prediction of mechanical behavior of carbon- based nano structures
Karbon esaslı nano yapıların mekanik davranışlarının belirlenmesi
CENGİZ BAYKASOĞLU
Doktora
İngilizce
2012
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUĞAN