Molekularna dinamika na strojno naučenoj plohi potencijalne energije

Ovčar, Juraj

prikaz prve stranice dokumenta Molekularna dinamika na strojno naučenoj plohi potencijalne energije

Preuzmi
PDF 1.64 MB

diplomski rad

Molekularna dinamika na strojno naučenoj plohi potencijalne energije

Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2019. urn:nbn:hr:217:000337

Ovčar, Juraj

Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Fizički odsjek

Citirajte ovaj rad

APA 6th Edition

Ovčar, J. (2019). Molekularna dinamika na strojno naučenoj plohi potencijalne energije (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:000337

MLA 8th Edition

Ovčar, Juraj. "Molekularna dinamika na strojno naučenoj plohi potencijalne energije." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:217:000337

Chicago 17th Edition

Harvard

Ovčar, J. (2019). 'Molekularna dinamika na strojno naučenoj plohi potencijalne energije', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 19.11.2024., https://urn.nsk.hr/urn:nbn:hr:217:000337

Vancouver

Ovčar J. Molekularna dinamika na strojno naučenoj plohi potencijalne energije [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2019 [pristupljeno 19.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:000337

IEEE

J. Ovčar, "Molekularna dinamika na strojno naučenoj plohi potencijalne energije", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:000337

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:000337

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Molekularna dinamika na strojno naučenoj plohi potencijalne energije
Naslov (engleski)	Molecular dynamics on machine-learned potential energy surface
Autor	Juraj Ovčar
Mentor	Ivor Lončarić (mentor)
Mentor	Ivo Batistić (mentor)
Član povjerenstva	Ivo Batistić (predsjednik povjerenstva)
Član povjerenstva	Ivor Lončarić (član povjerenstva)
Član povjerenstva	Željko Skoko (član povjerenstva)
Član povjerenstva	Davor Horvatić (član povjerenstva)
Član povjerenstva	Damir Pajić (član povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj	Sveučilište u Zagrebu Prirodoslovno-matematički fakultet (Fizički odsjek) Zagreb
Datum i država obrane	2019-07-16, Hrvatska
Znanstveno / umjetničko područje, polje i grana	PRIRODNE ZNANOSTI Fizika
Sažetak	Za modeliranje materijala iz prvih principa danas se predominantno koristi teorija funkcionala gustoće, koja pruža dobar omjer preciznosti i računalne efikasnosti. Međutim, zbog trenutnih računalnih ograničenja, obično je prezahtjevno modelirati dinamiku sustava s desecima atoma. Jedna od obećavajućih metoda za približavanje simulacija realnim sustavima i povećanje skala na kojima je moguće provoditi dinamiku je interpolacija potencijala dobivenog s teorijom funkcionala gustoće pomoću neuronskih mreža. U ovom diplomskom radu smo simulirali sustav molekula ugljičnog monoksida adsorbiranih na površini paladija ozračenoj femtosekundnim laserskim pulsom. Prikazali smo proces strojnog učenja te implementirali molekularnodinamičke simulacije u modelu Langevinove dinamike s vremenski ovisnim temperaturama.
Sažetak (engleski)	Nowadays, density functional theory is the predominant tool used in first-principles material modeling, providing an adequate ratio between precision and computational efficiency. However, because of current computational limitations, it is usually too demanding to simulate dynamics of systems consisting of tens of atoms. A promising method for reducing the gap between simulations and realistic systems and extending the scales across which it is possible to simulate dynamics is interpolation of potentials calculated with density functional theory via neural networks. In this master’s thesis we have simulated a system of carbon monoxide molecules adsorbed on palladium irradiated with a femtosecond laser pulse. We have shown the process of machine-learning and implemented molecular-dynamics simulations in the Langevin dynamics model with time dependent temperatures.
Ključne riječi
Ključne riječi (engleski)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:217:000337
Studijski program	Naziv: Fizika; smjerovi: istraživački Smjer: istraživački Vrsta studija: sveučilišni Stupanj studija: integrirani preddiplomski i diplomski Akademski / stručni naziv: magistar/magistra fizike (mag. phys.)
Vrsta resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Otvoreni pristup
Uvjeti korištenja
Repozitorij	Repozitorij Prirodoslovno-matematičkog fakulteta
Datum i vrijeme pohrane	2019-09-04 11:42:10