Εφαρμογή μοντέλων νευρωνικών δικτύων σε προσομοιώσεις μοριακής δυναμικής για τον προσδιορισμό της ατομικής δομής υλικών

Πλακούτσης, Χρήστος; Plakoutsis, Christos

dc.contributor.author	Πλακούτσης, Χρήστος	el
dc.contributor.author	Plakoutsis, Christos	en
dc.date.accessioned	2018-11-27T09:48:00Z
dc.date.available	2018-11-27T09:48:00Z
dc.date.issued	2018-11-27
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/48136
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.16205
dc.rights	Default License
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Μοριακή δυναμική	el
dc.subject	Γενετικοί αλγόριθμοι	el
dc.subject	Μείωση χρόνου προσομοίωσης	el
dc.subject	Molecular dynamics simulations	en
dc.title	Εφαρμογή μοντέλων νευρωνικών δικτύων σε προσομοιώσεις μοριακής δυναμικής για τον προσδιορισμό της ατομικής δομής υλικών	el
heal.type	bachelorThesis
heal.classification	Simulation models	en
heal.classificationURI	http://lod.nal.usda.gov/5423
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-10-26
heal.abstract	Στόχος της παρούσας διπλωματικής εργασίας είναι η διερεύνηση της δυνατότητας εφαρμογής νευρωνικών δικτύων σε προσομοιώσεις μοριακής δυναμικής και συγκεκριμένα σε προσομοιώσεις προσδιορισμού της ατομικής δομής υλικών. Η εργασία ασχολείται με τη γεωμετρική βελτιστοποίηση ενός συστήματος σεμεντίτη (Fe3 C) 512 ατόμων. Χρησιμοποιώντας δεδομένα από προσομοιώσεις μοριακής δυναμικής επιχειρείται ο προσδιορισμός της ατομικής δομής με την ελάχιστη ενέργεια με χρήση νευρωνικών δικτύων. Προκειμένου να προσδιοριστεί το αποδοτικότερο μοντέλο νευρωνικών δικτύων επιχειρείται επιπλέον η βελτιστοποίηση των χαρακτηριστικών του. Για την επίλυση του προβλήματος προσδιορισμού της αρχιτεκτονικής των νευρωνικών δικτύων χρησιμοποιήθηκε μέθοδος δοκιμής και πλάνης(trial and error) και γενετικοί αλγόριθμοι. Από τη διαδικασία δοκιμής και πλάνης παρατηρήθηκε ότι το MSE κατά τη διαδικασία μάθησης όπως και το ποσοστιαίο σφάλμα ( MAPE ) μειώνονται με την αύξηση των νευρώνων, όμως από κάποιο αριθμό νευρώνων και πάνω το δίκτυο μειώνει την ικανότητα γενίκευσής του. Στη συνέχεια αφού προσδιορίστηκαν οι βέλτιστες παράμετροι του γενετικού αλγορίθμου, διερευνήθηκαν οι βέλτιστες τιμές των παραμέτρων του νευρωνικού δικτύου με βάση το MSE, το MAPE καθώς και συνδυασμό τους.Με τους γενετικούς αλγόριθμους παρατηρήθηκε ότι, εκτός από τους αριθμούς των νευρώνων, σημαντικό ρόλο παίζουν και δευτερεύοντες παράγοντες όπως ο διαχωρισμός του συνόλου των δεδομένων σε training και testing για την ικανοποιητική απόδοση των νευρωνικών δικτύων. Τέλος, οι ατομικές δομές που προήλθαν από τα βέλτιστα νευρωνικά δίκτυα και χρησιμοποιήθηκαν ως είσοδοι στις νέες προσομοιώσεις μοριακής δυναμικής, επιτάχυναν τη διαδικασία γεωμετρικής βελτιστοποίησης σε ποσοστό πάνω από 33%.	el
heal.abstract	The aim of the present diploma thesis is the investigation of the applicability of artificial neural networks in molecular dynamics simulations and specifically in the definition of materials’ atomic structure. T he thesis deals with the geometry optimization of a system of 512 atoms of cementite (Fe 3 C). Using data from molecular dynamics simulations, the definition of the atomic structure with the least energy is attempted, using neural networks. In order to defin e the most efficient architecture of neural networks, the optimization of their features is also attempted. To solve the problem of defining the architecture of the neural networks a trial and error method has been used, along with genetic algorithms. From the trial and error it has been observed that the MSE during training as well as the MAPE are reduced while the number of neurons are increased, but, from a number of neurons upwards, the network reduces its capability to generalize efficiently. Then, aft er defining the best parameters of the genetic algorithm, the optimum parameters of the neural network have been investigated using MSE, MAPE, and a combination of both as the genetic algorithm’s objective function. Using genetic algorithms it has been obs erved that, apart from the number of neurons in the hidden layers of the network, an important role is being played by secondary parameters in the efficiency of the network, such as the division percentage of the dataset into training and testing datasets. Finally, the atomic structures created by the optimum neural networks and were used as inputs in new molecular dynamics simulations, reduced the process of geometry optimization by a percentage of at least 33%	en
heal.advisorName	Μαρκόπουλος, Άγγελος	el
heal.committeeMemberName	Μαρκόπουλος, Άγγελος	el
heal.committeeMemberName	Βοσνιάκος, Γεώργιος	el
heal.committeeMemberName	Μανωλάκος, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Τεχνολογίας των Κατεργασιών. Εργαστήριο Κατεργασιών των Υλικών (Μηχανουργικό και Μηχανολογικό Εργοστάσιο)	el
heal.academicPublisherID	ntua
heal.numberOfPages	88 σ.
heal.fullTextAvailability	true