Μοντέρνα υλικά: θεωρητική μελέτη και εφαρμογές

Θεοδώρου, Μιχαήλ; Theodorou, Michail

dc.contributor.author	Θεοδώρου, Μιχαήλ	el
dc.contributor.author	Theodorou, Michail	en
dc.date.accessioned	2021-07-29T10:06:57Z
dc.date.available	2021-07-29T10:06:57Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53740
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21438
dc.rights	Default License
dc.subject	Κβαντικά υλικά	el
dc.subject	Θεωρία συναρτησιακού της πυκνότητας	el
dc.subject	Τοπολογικοί μονωτές	el
dc.subject	Διθειούχο μολυβδαίνιο	el
dc.subject	Πρόβλεψη κρυσταλλικής δομής	el
dc.subject	Quantum materials	en
dc.subject	topological insulators	en
dc.subject	Density Functional Theory (DFT)	en
dc.subject	Molybdenum disuflide	en
dc.subject	Cystal structure prediction	en
dc.title	Μοντέρνα υλικά: θεωρητική μελέτη και εφαρμογές	el
dc.title	Modern materials: theoretical analysis and applications	en
heal.type	bachelorThesis
heal.classification	Επιστήμη Υλικών	el
heal.classification	Ηλεκτρονικά Υλικά	el
heal.classification	Φυσική Συμπυκνωμένης Ύλης	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-06-28
heal.abstract	Τα τελευταία χρόνια έχει σημειωθεί μεγάλη πρόοδος στην αναζήτηση μοντέρνων και πρωτοπόρων υλικών με εξωτικές ιδιότητες. Τόσο η δίψα για τεχνολογική εξέλιξη, όσο και η ανάγκη για την εξήγηση των φυσικών φαινομένων που κρύβονται πίσω από αυτές τις ιδιότητες έχουν οδηγήσει στην εύρεση εφαρμογών που θα ωφελήσουν σημαντικά την ανθρωπότητα στο μέλλον. Μία μεγάλη κατηγορία μοντέρνων υλικών είναι τα κβαντικά υλικά. Τα υλικά αυτά έχουν ένα κοινό χαρακτηριστικό: οι ιδιότητές τους είναι εγγενώς κβαντικές και εξηγούνται μέσω σύνθετης κβαντικής θεωρίας. Τα έκτακτα φαινόμενα που λαμβάνουν χώρα σε νέα υλικά, όπως οι τοπολογικοί μονωτές, τα τοπολογικά ημιμέταλλα, τα δισδιάστατα υλικά, οι υπεραγωγοί υψηλής θερμοκρασίας έχουν απασχολήσει ιδιαίτερα την επιστημονική κοινότητα, ενώ υπόσχονται ποικίλες και χρήσιμες μελλοντικές εφαρμογές στους τομείς της ηλεκτρονικής, των αισθητήρων, των κβαντικών υπολογιστών. Ταυτόχρονα, η ραγδαία εξέλιξη των υπολογιστικών συστημάτων και η αύξηση της υπολογιστικής ισχύος των τελευταίων ετών έχει συμβάλει και αυτή με τον τρόπο της στην εξερεύνηση των σύγχρονων υλικών. Αφ’ ενός, οι υπολογιστικές θεωρίες των υλικών έλαβαν σημαντική προώθηση, με αποτέλεσμα να παράγονται σε ετήσια βάση άφθονα και εξαιρετικά αξιόπιστα υπολογιστικά δεδομένα, σε σημείο που κατευθύνουν τις πειραματικές μελέτες. Αφ’ ετέρου, οι σύγχρονοι αλγόριθμοι που υπάγονται στην κατηγορία της τεχνητής νοημοσύνης, όπως οι αλγόριθμοι μηχανικής μάθησης και οι εξελικτικοί αλγόριθμοι, επεκτείνονται ολοένα και περισσότερο διεισδύοντας στον τομέα των υλικών. Οι εφαρμογές της μηχανικής μάθησης στα υλικά υπάγονται πλέον στην ευρύτερη έρευνα της κβαντικής ύλης. Στην εργασία αυτή γίνεται ανάλυση των τοπολογικών μονωτών με χρήση της Θεωρίας του Συναρτησιακού της Πυκνότητας (DFT) και παρουσιάζονται οι εφαρμογές των γενετικών αλγορίθμων στην πρόβλεψη της κρυσταλλικής δομής. Στο Κεφάλαιο 1 γίνεται μία σύντομη εισαγωγή στα κβαντικά υλικά, στους τοπολογικούς μονωτές και στις εφαρμογές της τεχνητής νοημοσύνης στην έρευνα των υλικών. Στα Κεφάλαια 2, 3 δίνονται στοιχεία της θεωρίας της Φυσικής Συμπυκνωμένης Ύλης με έμφαση στη Θεωρία του Συναρτησιακού της Πυκνότητας (DFT), ώστε στο Κεφάλαιο 4 να μελετηθούν βασικές εφαρμογές της σε πραγματικά υλικά. Στο κεφάλαιο 5 αναλύεται η βασική θεωρία των Τοπολογικών ιδιοτήτων των υλικών και στο κεφάλαιο 6 παρουσιάζεται το κύριο μέρος της εργασίας αυτής: οι υπολογισμοί DFT για αναζήτηση επιφανειακών καταστάσεων στη φάση 1T’ του διθειούχου μολυβδαινίου (MoS2). Τέλος στο Κεφάλαιο 7 περιγράφονται μερικές εφαρμογές της μηχανικής μάθησης στα υλικά και παρουσιάζεται η μελέτη της κρυσταλλική δομής ορισμένων περοβσκιτών με γενετικούς αλγορίθμους.	el
heal.abstract	In the last few years, great progress has been made in searching for modern innovative materials with exotic properties. Both the urge for technological development and the need to explain natural phenomena behind these properties have led the way to find applications that will significantly benefit humanity in the future. A wide category of modern materials are the quantum materials. These materials have a common characteristic: their properties are intrinsically quantum and explained through advanced quantum theory. Extraordinary phenomena that take place in new materials, such as topological insulators, topological semi-metals, two-dimensional materials, high Tc superconductors have been of great interest to the scientific community, while promising various and useful future applications in the fields of electronics, sensors, quantum computers. At the same time, the rapid evolution of computer systems and the recent increase in computing power have also contributed to the exploration of modern materials. On the one hand, the computational theories of materials advanced considerably, resulting in the production of abundant and extremely reliable computational data annually, to the point where they guide experimental studies. On the other hand, modern algorithms that fall into the category of artificial intelligence, such as machine learning algorithms and evolutionary algorithms, are increasingly expanding and they are getting into the field of materials. The applications of machine learning in materials are now subject to the broader research of quantum matter. This diploma thesis analyzes topological insulators using the Density Functional Theory (DFT) and presents the applications of genetic algorithms in predicting crystal structure of certain materials. Chapter 1 provides a brief introduction to quantum materials, topological insulators, and applications of artificial intelligence in materials research. Chapters 2, 3 give elements of the theory of Condensed Matter Physics with emphasis on the Density Functional Theory (DFT), so that in Chapter 4 we are able study its basic applications in real materials. Chapter 5 analyzes the basic theory of the topological properties of materials and Chapter 6 presents the main part of this thesis: the DFT calculations of surface states in molybdenum disulfide’s (MoS2) 1T’ structural phase. Finally, Chapter 7 describes some applications of machine learning in materials and presents the study of the crystal structure of certain perovskites with genetic algorithms.	en
heal.advisorName	Χριστοφόρου, Ευάγγελος	el
heal.committeeMemberName	Τσέτσερης, Λεωνίδας	el
heal.committeeMemberName	Γλύτσης, Ηλίας	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	129 σ.	el
heal.fullTextAvailability	false