抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
第一原理からの材料のモデリングと理解特性は,基礎となる原子論的構造の知識を必要とする。これは,すべての関与する原子の個々の同一性と位置を知ることを必要とする。マクロ分子,ナノ粒子,クラスタ,および表面,界面,およびバルク相の非晶質および固体材料のそのような情報を得ることは,困難な高次元グローバル最適化問題を表す。しかし,材料科学における機械学習技術の上昇は,そのような構造探索をスピードアップするかもしれない多くの説得力のある開発をもたらした。新しい方法の複雑性は,グローバル最適化アルゴリズムにそれらを組立てて,組み立てる効率的方法の必要性を確立した。本論文では,効率的な大域的最適化アルゴリズムを構築するためのカスタマイズ可能なアプローチとして,原子論的大域的最適化X(AGOX)フレームワークとコードを導入した。大域的最適化アルゴリズムを表現するモジュール法を記述し,自由に利用できるAGOX pythonパッケージのモジュール性を可能にするため,現代のプログラミング実践を用いた。大域的最適化問題の2つの例,すなわち,AGOXが多重大域的最適化アルゴリズムの表現を可能にするケースを示すのに使用される計算的に安価である1つを解析した。他の例として,AGOXを用いて,密度汎関数理論(DFT)レベルで記述したように,グラフェンシートに埋め込まれた金属-窒化物ナノクラスタに対する複雑な原子論的最適化問題を解決した。【JST・京大機械翻訳】