پيش بيني دماي نيل پادفرومغناطيس ها با استفاده از يادگيري ماشين

اصفهان : دانشگاه صنعتي اصفهان

فيزيك

كارشناسي ارشد

در اين پروژه به بررسي توانايي پيش بيني روش هاي يادگيري ماشين در مواد پادفرومغناطيس پرداخته شده است. هدف از انجام پروژه پيش بيني دماي گذار مغناطيسي اين مواد با استفاده از رهيافت يادگيري ماشيت است. در اين كار با استفاده از توصيفگرهاي ساختاري مانند ماتريس جمع ايوالد، ماتريس سينوس و هم پوشاني نرم موقعيت هاي اتمي دماي گذار را با استفاده از الگوريتم هاي SVR، xGBoot، RF و KRR بررسي كرديم. در مجموع عملكرد توصيفگر هم پوشاني نرم موقعيت هاي اتمي نسبت به دو توصيفگر ديگر ماتريس جمع ايوالد و ماتريس سينوس بهتر است. بهترين دقت براي اين توصيفگر با استفاده از الگوريتم SVR و اغمال روش كاهش ابعاد تحليل مولفه هاي اصلي در PCA320 با RMSE=79K بدست آمده است. براي توصيفگر ماتريس جمع ايوالد بهترين دقت با استفاده از الگوريتم هاي SVR و xGBoost و اعمال روش كاهش ابعاد تحليل مولفه هاي اصلي در PCA640 با RMSE=104K بدست آورديم. براي توصيفگر ماتريس سينوس بهترين عملكرد توسط الگوريتم xGBoost در PCA320 با RMSE=102K بذست آمده است.

224539

ماده چگال محاسباتي

فيزيك

دانشگاه صنعتي اصفهان