2 boyutlu malzemelerin termal özelliklerinin makine öğrenmesi ile karakterizasyonu
Characterization of thermal properties of 2 dimensional materials with machine learning
- Tez No: 919196
- Danışmanlar: PROF. DR. SERVET TURAN, PROF. DR. CEM SEVİK
- Tez Türü: Doktora
- Konular: Fizik ve Fizik Mühendisliği, Mühendislik Bilimleri, Physics and Physics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Fonon etkileşimlerinin doğru bir şekilde tahmin edilmesi, yarıiletken ve yalıtkan malzemelerin termal taşınım simülasyonlarında önemli bir rol oynar. Kuvvet sabitlerinin yoğunluk fonksiyonel teorisi (DFT) ile hesaplanması üzerinden Boltzmann taşınım denkleminin (BTE) iteratif çözümü örgü termal taşınım özelliklerinin tahmini için en güvenilir yöntemlerden biridir. Ancak DFT'nin hesaplama maliyetlerinin yüksek olması sınırlayıcı bir etken olmuştur. Moleküler dinamik (MD) simülasyonları bu duruma bir alternatif olsa da klasik kuvvet alanlarının katı fonksiyonel formu kuvvet hesaplamalarının doğruluğunu olumsuz etkilemektedir. Makine öğrenmesi (ML) teknikleri kullanılarak DFT ve MD simülasyonlarının pozitif yönleri bir araya getirilerek makul hesaplama maliyetleri ile yüksek doğrulukta gerçekçi simülasyonlar gerçekleştirilebilir. Bu amaç doğrultusunda Gaussian Yaklaşım Potansiyeli (GAP) kullanarak 2 boyutlu grafen, silisen ve h-XN (X = B, Al, Ga) için makine öğrenmesi tabanlı atomlar arası potansiyel ürettik. GAP'in doğruluğunu harmonik ve anharmonik kuvvet sabitlerinin göstergesi olan fonon dağılım eğrileri ve örgü termal iletkenliği üzerinden DFT ile kıyaslayarak test ettik. Ek olarak, anharmonik kuvvet sabitlerinin hesaplama maliyetlerini düşürmek için yazılmış olan HIPHIVE Python kütüphanesini kullanarak hem DFT hem GAP için kuvvet sabitleri ürettik. GAP, sadece akustik modları değil aynı zamanda optik modları da DFT doğruluğunda tahmin etmiştir.
Özet (Çeviri)
The accurate prediction of phonon interactions plays a significant role in thermal transport simulations of semiconductors and insulators. Generating harmonic and anharmonic force constants using density functional theory and iterative solution of Boltzmann transport equation is one of the reliable methods for predicting lattice thermal transport properties. However, the high computational cost of DFT is a limiting factor except for calculation on perfect crystals. While molecular dynamics (MD) simulations offer an alternative method, the solid functional form of classical force fields adversely affects the accuracy of calculations. Machine learning (ML) techniques propose an approach to gathering positive aspects of DFT and MD simulations, i.e. working on realistic systems with high accuracy and reasonable computational cost. For this purpose, we generated machine learning-based interatomic potentials (MLIP) using Gaussian Approximation Potential (GAP) for 2-dimensional graphene, silicene, and h-XN (X = B, Al, Ga). In order to test the accuracy of the GAP for all considered structures, we calculated phonon dispersion curves and lattice thermal conductivity via harmonic and anharmonic force constants, respectively, and compared them to DFT results. Additionally, we generated force constants for both DFT and GAP using the HIPHIVE Python library, aimed to reduce the computational costs of calculating anharmonic force constants. GAP predicted not only acoustic modes but also optical modes in DFT accuracy.
Benzer Tezler
- A systematic approach with machine learning and a genetic algorithm for the microwave-assisted synthesis of antibacterial ZIF-8 nanoparticles
Sistematik bir yaklaşım ile makine öğrenimi ve genetik algoritma kullanarak antibakteriyel ZIF-8 nanopartiküllerin mikrodalga yardımlı sentezi
NİDA ÜK
Yüksek Lisans
İngilizce
2021
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SADRİYE OSKAY
- Mechanical properties of boron nanotubes
Bor nanotüplerin mekanik özellikleri
ERDEM ÇALIŞKAN
Yüksek Lisans
İngilizce
2021
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MESUT KIRCA
- Nano SiO2 ve ZrO2 katkılı polyester matriksli kompozit malzemelerin üretimi ve özelliklerinin incelenmesi
Production and investigation of the properties of nano SiO2 and ZrO2 reinforced polyester matrix composite materials
MUHAMMET AYÇİÇEK
Yüksek Lisans
Türkçe
2021
Metalurji MühendisliğiSakarya ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. AKIN AKINCI
- The production of chopped glass fiber reinforced PPS composite via extrusion and injection moulding and characterization studies
Kırpık cam elyaf takviyeli PPS matrisli kompozitin extrüzyon ve enjeksiyon ile üretimi ve karakterizasyon çalışmaları
FEYZA ZENGİN
Yüksek Lisans
İngilizce
2020
Polimer Bilim ve TeknolojisiMarmara ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF NİHAT GÜLLÜOĞLU
DR. MEHMET MASUM TÜNÇAY
- Investigation of the cutting performances of the diamond tools used in the natural stone industry
Doğal taş sanayisinde kullanılan elmaslı kesicilerin kesim performansının incelenmesi
BERRAK BULUT
Doktora
İngilizce
2021
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT BAYDOĞAN