Prijenosno učenje interatomskih potencijala: od molekula do kristala

Parunov, Antonio

prikaz prve stranice dokumenta Prijenosno učenje interatomskih potencijala: od molekula do kristala

Preuzmi
PDF 2.82 MB

diplomski rad

Prijenosno učenje interatomskih potencijala: od molekula do kristala

Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2022. urn:nbn:hr:217:686126

Parunov, Antonio

Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Fizički odsjek

Citirajte ovaj rad

APA 6th Edition

Parunov, A. (2022). Prijenosno učenje interatomskih potencijala: od molekula do kristala (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:686126

MLA 8th Edition

Parunov, Antonio. "Prijenosno učenje interatomskih potencijala: od molekula do kristala." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:217:686126

Chicago 17th Edition

Harvard

Parunov, A. (2022). 'Prijenosno učenje interatomskih potencijala: od molekula do kristala', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 24.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:686126

Vancouver

Parunov A. Prijenosno učenje interatomskih potencijala: od molekula do kristala [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2022 [pristupljeno 24.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:686126

IEEE

A. Parunov, "Prijenosno učenje interatomskih potencijala: od molekula do kristala", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:686126

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:686126

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

Podaci o radu

Naslov	Prijenosno učenje interatomskih potencijala: od molekula do kristala
Naslov (engleski)	Transfer learning of interatomic potentials: from molecules to crystals
Autor	Antonio Parunov
Mentor	Ivor Lončarić (mentor)
Mentor	Danko Radić (komentor)
Član povjerenstva	Danko Radić (predsjednik povjerenstva)
Član povjerenstva	Ivor Lončarić (član povjerenstva)
Član povjerenstva	Mihael Srđan Grbić (član povjerenstva)
Član povjerenstva	Goranka Bilalbegović (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	2022-07-15, Hrvatska
Znanstveno / umjetničko područje, polje i grana	PRIRODNE ZNANOSTI Fizika
Sažetak	Strojno učenje ima mogućnost promijeniti paradigmu izračuna svojstava kompleksnih molekula i kristala. Dosadašnje precizne metode bazirane na teoriji funkcionala gustoće su računalno preskupe za složene zadatke kao što je predviđanje kristalnih struktura. U ovom radu je dan pregled primjene suvremenih metoda strojnog kao i dubokog učenja na problem određivanja interatomskih potencijala i sila. Osim toga, testiran je prijašnji strojno naučeni potencijal na strukturama sedmog slijepog testa predviđanja kristalnih struktura te su mu prijenosnim učenjem značajno popravljene performanse.
Sažetak (engleski)	Machine learning has the ability to change the paradigm of calculating the properties of complex molecules and crystals. Previous precise methods based on density functional theory are computationally too expensive for complex tasks such as the prediction of crystal structures. This paper provides an overview of the application of modern methods of machine as well as deep learning to the problem of determining interatomic potentials and forces. In addition, the previous machine learning potential was tested on the structures of the seventh blind prediction test of crystal structures, and its performance was significantly improved by transfer learning.
Ključne riječi
Ključne riječi (engleski)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:217:686126
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 Datum isteka embarga: 2024-07-15
Uvjeti korištenja
Repozitorij	Repozitorij Prirodoslovno-matematičkog fakulteta
Datum i vrijeme pohrane	2022-09-07 09:24:33