Description of local chemical environments in machine learning potentials using spherical bessel descriptors
Makine öğrenimi potansiyellerinde küresel bessel tanımlayıcıları kullanarak yerel kimyasal ortamların tanımlanması
- Tez No: 632499
- Danışmanlar: PROF. DR. HAKAN ERTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Atomların ve moleküllerin simüle edilen hareketlerinin Newton mekaniğine göre kontrol edildiği moleküler dinamik, malzeme davranışını atomik ölçüde incelemek için etkili bir numerik simülasyon tekniğidir. Bu simülasyonlarda öncelikli ilgilerden biri potansiyel enerji yüzeyini doğru bir şekilde hesaplamaktır, çünkü bu hiperyüzey sonradan atomik kuvvetleri hesaplamak için türevlenir. Bu potansiyel enerji yüzeyleri ya önceden tanımlanmış analitik ifadeler kullanarak ya da sistemin elektronik yapısı üzerinden ilk-prensip hesaplamaları yaparak tanımlanırlar. İlki bilgisayımsal maliyeti olarak ucuz olsa da ve bu sebeple doğruluk noktasında taviz verse de daha büyük sistemleri daha uzun süreli çalışabilmek için uygun iken, ikincisi fazla bilgisayımsal yükünden ötürü yalnızca bir kaç yüz atomlu sistemlere sınırlıdır ama yüksek doğruluk sağlar. Son dönemlerde, doğrusal olmayan regresyon kullanan makine öğrenim potansiyelleri potansiyel enerji yüzeylerini tahmin etmenin üçüncü yolu olarak ortaya çıktı. Tamamen bilgi ile işleyen bu potansiyeller kimyasal ortamlarla onlara tekabül eden potansiyel enerji yüzeyleri arasındaki eşlemi yeniden düzenlemeye bel bağlıyorlar ve aynı anda hem yüksek doğruluk hem de verim vaat ediyorlar. Bir makine öğrenim potansiyeli geliştirmeye doğru büyük bir adım kimyasal ortamların 'tanımlayıcılar' denen bir takım reel-değerli sayılar tarafından tanımlanmasıdır. Son potansiyelin doğruluğu ve performansı tanımlamanın doğruluğu ve performansına güçlü bir şekilde bağlıdır. Bu büyük öneme rağmen, lakin, standartlaşabilmiş ve arzu edilen tüm matematiksel özelliklere sahip olabilmiş bir tanımlayıcı henüz literatürde ortaya çıkmamıştır. Bu tezde başka herhangi bir alternatif tarafından tümüyle karşılanamamış özellikler listesini karşılayan; simetrik-değişmez, sürekli, türevlenebilir ve en ideal biçimde eksiksiz olan 'Küresel Bessel tanımlayıcıları' tanıtılıyor. Tanımlayıcılarda eksiksizlik davranışını test eden bir yaklaşım tasarlanıyor. Sunulan Küresel Bessel tanımlayıcılarının performansı daha sonra moleküler dinamik simülasyonlarında sinir ağı potansiyelleri kullanarak tasdik ediliyor ve literatürde yaygın olarak kullanılan diğer tanımlayıcılarla kıyaslanıyor.
Özet (Çeviri)
Molecular dynamics is an effective numerical simulation technique for investigating material behavior at an atomistic scale, where simulated motions of atoms and molecules within a physical system are governed by Newtonian mechanics. A primary concern in these simulations is to accurately calculate the potential energy surface of a chemical environment as this hypersurface is then differentiated to calculate the atomic forces. These potential energy surfaces are defined either using pre-defined analytical expressions or carrying out first-principle calculations based on the electronic structure of the system. The former is computationally inexpensive and therefore suitable for reaching large length and time scales with a compromise on accuracy, whereas the latter is restricted only to small systems containing few hundred atoms at most due to the tremendous computational burden but offers high accuracy. Recently, machine learning potentials emerged as a third option to predict potential energy surfaces using nonlinear regression. These potentials are purely data driven and rely on reconstructing the map between chemical environments and corresponding potential energy surfaces, and promise high accuracy and efficiency at the same time. A major step towards developing a machine learning potential is to describe chemical environments in terms of some real-valued numbers, called 'descriptors'. The performance and accuracy of the final potential strongly depends on the performance and accuracy of the description. Despite this vital importance, however, no canonical set of descriptors has yet appeared in the literature as a solid base that could satisfy all the desired mathematical properties for a robust description. In this thesis, a novel set of descriptors, referred to as 'Spherical Bessel descriptors', is introduced that are symmetrically invariant, continuous, differentiable and optimally complete; this is a set of features that does not appear to be satisfied completely by any alternative. A systematic approach for testing completeness behavior in descriptors is devised. The performance of the presented Spherical Bessel descriptors is further validated in molecular dynamics simulations using neural network potentials, and compared to other commonly used descriptors in the literature.
Benzer Tezler
- Bornova (İzmir) koşullarında çeşitli kültür bitkilerinde zarar yapan Dolycoris baccarum (L.) (Heteroptera: Pentatomidae)'un biyolojisi ve ekolojisi üzerinde araştırmalar
Investigations on the biology and ecology of Dolycoris baccarum (L.) (Heteroptera: Pentatomidae) which attacks to various plants of economic importance at Bornova (İzmir)
YUSUF KARSAVURAN
- Özel düzenlenmiş plyometrik antrenmanların genç basketbolcuların anaerobik güç performansına etkisi
Effects of regular specific plyometric training on anaerobic power of young basketball players
YÜKSEL SAVUCU
Yüksek Lisans
Türkçe
2001
SporFırat ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ.DR. MEHMET KUTLU
- Cumhuriyet Üniversitesi Hastanesindeki lavman uygulamaları ile hastaların bu uygulamalara ilişkin duygu ve düşünceleri
Başlık çevirisi yok
SULTAN ALAN ÇİÇEK
Yüksek Lisans
Türkçe
1987
HemşirelikCumhuriyet ÜniversitesiHemşirelik Ana Bilim Dalı
YRD. DOÇ. DR. MELİHA ATALAY
- Geleneksel Sivrihisar evleri
Traditional houses of Sivrihisar
FİSUN ÖZŞUÇA
Yüksek Lisans
Türkçe
1986
MimarlıkGazi ÜniversitesiMimarlık Ana Bilim Dalı
YRD. DOÇ. DR. ORHAN CEZMİ TUNCER