تركيب محاسبات نظريه تابعي چگالي و يادگيري ماشين براي خوشه‌بندي مواد پادفرومغناطيس

اصفهان : دانشگاه صنعتي اصفهان

فيزيك

كارشناسي ارشد

با گسترش مجموعه داده‌هاي علم مواد و افزايش ابزارهاي توليد ويژگي، استخراج الگوهاي فيزيكي معنادار از اين داده‌ها به كمك هوش مصنوعي به يك مسئله مهم در علم مواد تبديل شده است. تا‌كنون از روش‌هاي يادگيري ماشين در دسته‌هاي گوناگون مواد مانند نيمه‌رساناها، سلول‌هاي خورشيدي، كاتاليزورها و مواد فرومغناطيس براي شناسايي ساختار، پيش‌بيني خواص و كشف الگوهاي پنهان در داده‌هاي مواد استفاده شده است؛ روندي كه نشان‌دهنده گسترش پيوسته و روزافزون كاربرد اين رهيافت‌ها در شاخه‌هاي مختلف علم مواد است. با اين حال، بررسي‌ها نشان مي‌دهد كه حوزه مواد پادفرومغناطيس تاكنون در چارچوب‌هاي يادگيري ماشين كمتر بررسي شده است. در اين پژوهش، يك چارچوب يكپارچه، تكرارپذير و تفسيرپذير براي خوشه‌بندي بدون نظارت مواد پادفرومغناطيس ارائه مي‌شود كه نوآوري آن در پيوند نظام‌مند ميان انتخاب ويژگي و سنجش فيزيكي خوشه‌ها در مرحله ارزيابي برقرار مي‌شود. براي سنجش پايداري و تعميم‌پذيري، از دو مجموعه‌داده مستقل استفاده شد: مجموعه نخست شامل 980 ماده و مجموعه دوم، به‌عنوان نسخه‌اي گسترش‌يافته، شامل حدود 1732 ماده بود. مواد با استفاده از چهار مجموعه ويژگي موازي و قابل مقايسه توصيف شدند و اثر روش‌هاي مقياس‌بندي به‌صورت نظام‌مند مورد بررسي قرار گرفت؛ سپس، هشت الگوريتم خوشه‌بندي با سازوكارهاي متفاوت شامل روش‌هاي مركز‌محور، چگالي‌محور، گراف‌محور و شبكه‌هاي خودسازمان‌ده اجرا و با معيارهاي درون‌زاد از جمله سيلوئت، ديويس-بولدين و كالينسكي-هاراباز ارزيابي و مقايسه شدند. پژوهش حاضر بر اين اصل استوار است كه انتخاب ويژگي صرفاً يك مرحله پيش‌پردازشي نيست، بلكه يك ركن تصميم‌سازي در مسائل يادگيري ماشين بدون نظارت به‌شمار مي‌رود. بر اين مبنا، راهبردي مبتني بر سيلوئت براي انتخاب ويژگي طراحي و به‌كار گرفته شد. نتايج نشان مي‌دهد كه كاهش چشمگير بعد ويژگي‌ها با بهبود هم‌زمان شاخص‌هاي كيفيت خوشه‌بندي و حفظ پايداري ساختاري همراه است. علاوه بر اين، رگرسيون دماي نيل به‌عنوان سنجه‌اي تكميلي وارد مرحله ارزيابي شد تا همگني فيزيكي خوشه‌ها مستقل از جدايش هندسي سنجيده شود. اين پژوهش يك چارچوب عمومي و تكرارپذير براي تحليل داده‌هاي بدون برچسب در علم مواد ارائه مي‌دهد كه مي‌تواند مبنايي براي استخراج دانش فيزيكي، غربالگري هدفمند مواد و هدايت مطالعات تجربي در سامانه‌هاي پيچيده فراهم كند.

238197

ماده چگال

فيزيك

دانشگاه صنعتي اصفهان