Prediction of carbon nanotube atomic coordinates based on machine learning algorithms

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği, Türkiye

Tezin Onay Tarihi: 2016

Tezin Dili: İngilizce

Öğrenci: Mehmet Acı

Asıl Danışman (Eş Danışmanlı Tezler İçin): MUTLU AVCI

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, karbon nanotüplerin atomik koordinatlarını tahmin etmek için yedi adet tahmin modeli (İleri Beslemeli (İBYSA), Fonksiyon Uydurma (FUYSA), Kaskat Bağlantılı (KBYSA) ve Genelleştirilmiş Regresyon Yapay Sinir Ağları (GRYSA) ile Destek Vektör Regresyonu (DVR), Sınıflama ve Regresyon Ağacı (SRA) Çoklu Regresyon Analizi (ÇRA)) geliştirilmiştir. Çalışmanın temel amacı, önerilen modeller ile atomik koordinatların hesaplanma süresini günlerden dakikalara düşürmektir. Elementlerin atomik koordinatları ve kiral vektörleri ile CASTEP yazılımı kullanılarak bir veri kümesi oluşturulmuştur. Ortalama Karesel Hata (OKH), Ortalama Mutlak Hata (OMH), Standart Tahmin Hatası ve Korelasyon Katsayısı ölçütleri ile önerilen modellerin doğrulukları değerlendirilmiştir. Veri kümesi, 10-katlı çapraz doğrulama kullanılarak ve kullanılmadan ayrı ayrı çalışılmıştır. İBYSA, KBYSA ve FUYSA tahmin modelleri OKH ve OMH ölçütleri için çok yüksek başarım göstermişlerdir. Bu modelleri sırasıyla SRA, DVR, GRYSA ve ÇRA izlemektedir. Bu çalışmadan elde edilen sonuçlar iki şekilde kullanılabilir: i) Atomik koordinatlar hiçbir benzetim programı kullanmadan düşük bir hata oranı ile tahmin edilebilir, ii) Tahmin edilen koordinatlar benzetim programlarına başlangıç değeri olarak verilip benzetimin süresi ciddi oranda kısaltılabilir.