Ab-initio and artificial intelligence based methods for materials physical properties prediction
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
University of M'Sila
Abstract
Creating novel and inexpensive compounds that can meet both current and projected needs is becoming increasingly important due to the rapid speed of industrial change. However, traditional methods of rationally finding new materials with a specific set of features have grown challenging and costly because of the rise in material structural and functional complexity. This crucial fact has paved the way for the application of intelligence methods in this field. This dissertation focuses on two fundamental axes of research: The first focus on developing an intelligent prediction and identification technique for various material properties, and the second is on using the DFT theory to calculate and analyze the lattice parameter and band gap energy properties of the proposed compound, Ba2BiTaS6. To achieve this goal, we have addressed several points: First, we came up with a new model that uses artificial neural networks (ANN) and the particle swarm optimization algorithm (PSO) to get rid of problems with local minima in ANN models while keeping the quality of the fitting. By predicting the band gap properties, this method speeds up the search for new chalcopyrite materials in photovoltaic solar cells with better resolution. The model has two separate parts: an ANN sub-system that makes predictions using low-resolution training data; and an "error model" sub-system that was added to deal with resolution quality issues and show uncertainty in the primary model. Furthermore, we presented a comparative analysis of optimization algorithms to understand and quantify ANN's performance in guiding the search process towards better solutions over all feasible solutions. We used an efficient technique based on ANN-PSO and fuzzy logic-PSO to predict the lattice constants of pseudo-cubic and cubic perovskites. We predicted the lattice parameter of double perovskite compounds using the extreme learning machine (ELM). Finally, we used the FP-LAPW method in the WIEN2k environment, which is based on the DFT theory, to calculate and analyze the lattice parameter and the band gap energy properties of Ba2BiTaS6
Description
إن إنشاء مواد جديدة وبتكلفة منخفضة قادرة على تلبية الاحتياجات الحالية والمتوقعة أصبح أكثر أهمية نظرًا للسرعة
الفائقة للتغيرات الصناعية. ومع ذلك، فإن الطرق التقليدية لاكتشاف مواد جديدة ذات خصائص محددة أصبحت صعبة ومكلفة
بسبب الزيادة في التعقيد البنيوي والوظيفي للمواد. هذه الحقيقة الأساسية أفسحت المجال لفكرة استخدام أساليب الذكاء
الاصطناعي في هذا المجال .تركز الأبحاث المقدمة في هذه الرسالة على محورين أساسيين: 1( تطوير تقنية ذكية للتنبؤ وتحديد
العديد من خصائص المواد؛ 2 ( استخدام نظرية الكثافة الوظيفية (DFT) لحساب وتحليل الخصائص البنيوية والإلكترونية
للمركب المقترح )6BiTaS2Ba( . لتحقيق هذا الهدف، تم تناول عدة نقاط . أولاً، اقترحنا بنية مبتكرة تستفيد من الشبكات
العصبية الاصطناعية (ANN) وخوارزمية اسراب الطيور (PSO) للقضاء على مشاكل النقاط الأدنى المحلية في نماذج
ANN مع الحفاظ على جودة الملاءمة. تسُرع هذه الطريقة من تحديد مواد الكالكوبيرايت الجديدة في الخلايا الشمسية
الكهروضوئية مع تحسين الدقة عن طريق التنبؤ بخصائص فجوة الطاقة. يحتوي النموذج على نظامين فرعيين متوازيين: نظام
تنبؤ تقليدي ببيانات تدريب منخفضة الدقة كنظام فرعي أول ANN ، ونظام فرعي ثاني "نموذج خطأ" تم إدخاله لمعالجة
مخاوف جودة الدقة وتمثيل عدم اليقين في النموذج الرئيسي .بالإضافة إلى ذلك، قدمنا تحليلًا مقارنًا لخوارزميات التحسين لفهم
وقياس أداء ANN في توجيه عملية البحث نحو حلول أفضل من بين جميع الحلول الممكنة. تم استخدام تقنيات فعالة تعتمد على
ANN-PSO والمنطق الضبابي -PSO للتنبؤ بثوابت الشبكة للبيروفسكايت المكعب والبيروفسكايت الزائف. كما تم استخدام آلة
التعلم المتطرفة (ELM) للتنبؤ بمعامل الشبكة لمركبات البيروفسكايت المزدوجة . أخيرًا، استخدمنا طريقة FP-LAPW في بيئة
WIEN2k ، المعتمدة على نظرية DFT ، لحساب وتحليل الخصائص البنيوية والإلكترونية ل 6BiTaS2Ba.