Використання штучного інтелекту для прогнозування електронних структур у наночастинках
| Автори | Ganesh Punjaba Dawange1 , P. William2 , Prasad M Patare3, Tarun Dhar Diwan4 , Yogeesh N5 , R.A. Kapgate6 , Sharmila7 |
| Афіліація |
1Engineering Science and Humanities, Sanjivani College of Engineering, Kopargaon, India 2Department of Information Technology, Sanjivani College of Engineering, Kopargaon, MH, India 3Department of Mechanical Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 4Controller of Examination (COE), Atal Bihari Vajpayee University, Bilaspur, India 5Department of Mathematics, Government First Grade College, Tumkur, Karnataka, India 6Department of Mechatronics Engineering, Sanjivani College of Engineering, Kopargaon, MH, India 7Department of ECE, Raj Kumar Goel Institute of Technology, Ghaziabad, India |
| Е-mail | tarunctech@gmail.com |
| Випуск | Том 17, Рік 2025, Номер 5 |
| Дати | Одержано 10 серпня 2025; у відредагованій формі 20 жовтня 2025; опубліковано online 30 жовтня 2025 |
| Цитування | Ganesh Punjaba Dawange, P. William, Prasad M Patare, та ін., Ж. нано- електрон. фіз. 17 № 5, 05037 (2025) |
| DOI | https://doi.org/10.21272/jnep.17(5).05037 |
| PACS Number(s) | 07.05.Mh, 73.22. – f |
| Ключові слова | Наночастинки (93) , Прогнозування електронної структури, Машинне навчання (9) , Теорія функціоналу густини (4) , Нанотехнології (10) . |
| Анотація |
Застосування методів штучного інтелекту для прогнозування електронних структур наночастинок є складним завданням, яке традиційно залежить від квантово-механічних розрахунків. Унікальні властивості наночастинок, зумовлені ефектами квантового обмеження на нанорівні, мають вирішальне значення в таких галузях, як каталіз, електроніка та медицина. У дослідженні використовуються передові обчислювальні моделі, зокрема адаптивні нейронні мережі з оптимізованим графічним методом адаптивного рою тунікатів (ATSO-GNN), для точного прогнозування електронної густини, енергетичних станів та інших властивостей наночастинок. Підхід включає попередню обробку даних з нормалізацією z-оцінки та вилучення ознак з використанням лінійного дискримінантного аналізу (LDA), який покращує чутливість моделі до незначних електричних коливань. Модель ATSO-GNN, навчена на структурних даних з набору даних про наночастинки, демонструє значні покращення точності та обчислювальної ефективності порівняно з традиційними методами, такими як теорія функціоналу густини (DFT). Результати показують, що цей підхід ефективно фіксує складні атомні взаємодії, що робить його цінним для застосування в матеріалознавстві та нанотехнологіях, де швидкі та точні прогнози електронної структури є важливими. Порівняно зі стандартними методами, модель ATSO-GNN пропонує вищий R2 (0,95), нижчу середню абсолютну похибку (MAE) (0,2) та коротший час обчислення (1,5), що покращує прогнозування. Це дослідження демонструє, як методи на основі штучного інтелекту значно покращують швидкість і точність прогнозування електронної структури. |
|
Перелік посилань |
Інші статті цього номера
1) Вплив концентрації NaCl на розмір наночастинок CdS в присутності ПВС [05001-1-05001-6]2) Аналіз вільної вібрації функціонально градуйованої нанопластини (Al2O3/Al): параметричний аналіз [05002-1-05002-5]
3) Електронна структура кристала Cr:ZnS, модифікована моно- та бівакансіями [05003-1-05003-6]
4) Електрофізичні властивості шаруватих структур [Ni80Fe20/SiOx)]n [05004-1-05004-5]
5) Дослідження антифрикційних електроіскрових покриттів на основі MoS2 для елементів торцевих ущільнень АЕС [05005-1-05005-7]
6) Вплив нелокальності та пористості на характеристики частотної вібрації SUS304/Si3N4 функціонально градуйованих нанопластин [05006-1-05006-5]
7) Багатодіапазонна мікросмужкова патч-антена з використанням штучного магнітного провідника зі збільшеною пропускною здатністю та коефіцієнтом підсилення для бездротових застосувань [05007-1-05007-5]
8) Аналітичний метод визначення порогової напруги на безперехідному польовому транзисторі із закритим каналом [05008-1-05008-4]
9) Рентгенівська та раманівська спектроскопія бінарних сполук кремнія (Si2)1 – x(BP)x [05009-1-05009-5]
10) Вплив концентрації нанорідин та профілю потоку на теплопередачу [05010-1-05010-6]
11) Порівняльний аналіз властивостей силіцидів марганцю [05011-1-05011-4]
12) Оптичні та структурні властивості наночастинок ZnSe [05012-1-05012-4]
13) Оптичні та магнітні властивості кремнію з бінарними наносполуками GexSi1 – x [05013-1-05013-5]
14) Дослідження працездатності резонансного перетворювача LLC для застосування в електромобілях [05014-1-05014-6]
15) Покращене виробництво термохромних плівок діоксиду ванадію на основі штучного інтелекту [05015-1-05015-6]
16) Контрольоване осадження тонких плівок ZnO методом спінінгового покриття: вплив швидкості спінінгу на мікроструктуру та прозорість плівки [05016-1-05016-8]
17) Визначення параметрів контактного поля сонячного елемента з кількома наногетеропереходами
18) p-i-n фотодіод із захисним кільцем p+ [05018-1-05018-6]
19) Вплив ультразвукової нанокристалічної модифікації поверхні на мікротвердість та механічні властивості на розтяг сталі 316L, отриманої методом Laser Powder Bed Fusion [05019-1-05019-10]
20) Мікроелектронний стимулятор зорових нервів [05020-1-05020-5]
21) Спіновий обмін d-f взаємодії в імпедансному спектрі [05021-1-05021-7]
22) Плазмонні явища у металевій нанокришці [05022-1-05022-10]
23) Вплив електромагнітного та оптичного випромінювання на фізичні та біологічні системи [05023-1-05023-4]
24) Реалізація трифазного Віденського випрямляча для застосувань постійного навантаження з використанням багатоканальної широтно-імпульсної модуляції [05024-1-05024-5]
25) Фізичні та прикладні аспекти наноматеріалів і тонких плівок у нових комунікаційних технологіях [05025-1-05025-5]
26) Аналіз продуктивності підвищувального перетворювача з використанням модельного прогнозуючого контролера [05026-1-05026-5]
27) Охолоджувальна здатність потрійних нанорідин під впливом магнітного поля [05027-1-05027-5]
28) Стабілізація дискретних лінійних систем у скінченному часі з урахуванням змінної затримки з використанням нової нерівності підсумовування [05028-1-05028-6]
29) Космологічна модель хмарних струн Біанкі III типу з об'ємною в'язкістю у загальній теорії відносності [05029-1-05029-3]
30) Ефективне видалення важких металів та органічних барвників з водних розчинів за допомогою оксиду графену, пов'язаного з марганцем: дослідження адсорбції в пакетному режимі [05030-1-05030-5]
31) Самоізольована дводіапазонна MIMO-антена для покращеного рознесення у ISM-діапазоні та для бездротового застосування [05031-1-05031-5]
32) Оптимізація планування поточного цеху для енергоефективності та сталого розвитку у виробництві напівпровідників: порівняльне дослідження алгоритмів NEH та PIG_NEH [05032-1-05032-5]
33) Багаторезонансна штучна магнітна провідна ударна монопольна антена для WBAN застосувань [05033-1-05033-5]
34) Сегментація уражень шкіри за допомогою Double U-Net Framework для покращеного вилучення ознак [05034-1-05034-5]
35) Мікросмужкова патч-антена з виїмчастими кутами для покращеної багатодіапазонної продуктивності [05035-1-05035-5]
36) Модель машинного навчання на основі штучного інтелекту для класифікації напружень у тонкоплівкових матеріалах [05036-1-05036-6]
37) Розробка нового методу оптимізації для оцінки поверхневих каналів на основі тонкоплівкової технології [05038-1-05038-5]
38) Експериментальні дослідження для вивчення впливу легування Ca2+, Dy3+ на структурні та оптичні властивості НЧ ZnO [05039-1-05039-6]
