پتانسیل‌های بین اتمی بر پایه یادگیری ماشین برای تک لایه فسفر آبی[پايان نامه فارسي]

امیرحسین نقدی

شبیه‌سازی‌های دینامیک مولکولی به‌طور گسترده‌ای در شیمی، علوم مواد و فیزیک کاربرد‌های گوناگونی دارد. این شبیه‌سازی‌ها برای انجام تحقیقات تجربی بسیار مهم هستند و از همان روزهای ابتدایی برای شبیه‌سازی دینامیک مولکولی در حوزه فیزیک از پتانسیل‌های بین اتمی ساده استفاده می‌شد زیرا استفاده از روش ساختار الکترونی برای تأمین انرژی و نیروهای قابل‌اعتماد، بیش از حد طاقت‌فرسا بود. این روزها پتانسیل‌های بین اتمی خوبی وجود دارد که نیروهای بین اتم‌ها را توصیف می‌کند، با این حال تولید پتانسیل‌های بین اتمی مناسب برای سامانه‌های جدید بسیار مورد نیاز است. با پیشرفت‌های اخیر در یادگیری ماشین و استفاده از مجموعه داده‌های بزرگ از محاسبات ساختار الکترونیکی، یک روش جایگزین برای نمایش سطوح انرژی پتانسیل ارائه شده است. در این تحقیق از ابزارهایی مانند نظریه تابع چگالی و الگوریتم‌های یادگیری ماشین برای بدست آوردن پتانسیلی بین اتمی بر پایه یادگیری ماشین برای تک لایه فسفر آبی استفاده شده است. پتانسیل به وجود آمده از روش‌های یادگیری ماشین مزایایی مانند دقت و سرعت خوب در محاسبات دینامیک مولکولی نسبت به پتانسیل‌های بین اتمی معمول بر پایه محاسبات اصل اول را دارد. واژه‌های كليدی: محاسبات اصل اول، یادگیری ماشین، پتانسیل‌های بین اتمی، دینامیک مولکولی.