Transferability in machine learning based interatomic potentials

 

عنوان:

Transferability in machine learning based interatomic potentials

سخنران:‌ دکتر سید علیرضا قاسمی

زمان : سه شنبه ۱۲بهمن – ساعت ۱۵

مکان : دانشگاه شهید بهشتی، دانشکده فیزیک، تالار ابن هیثم

مسئول اجرایی: فاطمه فرهادی

طراح پوستر: شیوا صداقت


Abstract: Based on an analysis of the short range chemical environment of each atom in a system, standard machine learning based approaches to the construction of interatomic potentials aim at determining directly the central quantity which is the total energy. Indeed, these methods are based on purely mathematical models and do not account for any sort of physical or chemical principles. As a consequence, such interatomic potentials perform poorly due to lack of transferability when they are applied to systems not available in the fitting database. Charge equilibration via neural network technique is a method based on electronegativity equalization method while it employs the power of machine learning techniques. Here we introduce the method and present its transferability from cluster structures to crystalline phases.

به اشتراک بگذارید!

Share on telegram
Telegram
Share on whatsapp
WhatsApp
Share on linkedin
LinkedIn
0 0 رای ها
Article Rating
اشتراک در
اطلاع از
guest
0 Comments
بازخورد (Feedback) های اینلاین
دیدن تمام نظرات
برنامه های دانش آموزشی
farzin

جشنواره روز فیزیک ۱۳۹۶

انجمن علمی دانشجویی فیزیک دانشگاه شهید بهشتی هر ساله برگزارکننده “جشنواره روز فیزیک” با اهداف ترویجی است. این جشنواره در سال ۱۳۹۶ ، که سومین

Read More »
اردو و بازدید
sbuphysics

اردوی رصدی کاروانسرای دیرگچین

  اردوی رصدی ویژه آقایان (+برنامه ویژه استهلال) در روزهای  چهارشنبه و پنج شنبه ، ۲۶ و ۲۷ اردیبهشت ۱۳۹۷، برگزار خواهد شد.. گروه در

Read More »
0
دوست‌داریم نظرتون رو بدونیم!x