Závěrečná práce: Vojtěch Ráliš: Application of Machine Learning in Material Magnetism Analysis
Bakalářská práce
Application of Machine Learning in Material Magnetism Analysis
Anotace
Tato práce se zabývá aplikací technik strojového učení pro predikci lokálních magnetických momentů ve slitinách Fe-Al, což nabízí výpočetně efektivní alternativu k tradičním kvantově mechanickým výpočtům. Tato práce, navazující na předchozí výzkum, se zaměřuje na tři klíčové oblasti zlepšení: posouzení alternativních metod pro definování lokálního atomového prostředí, vylepšení architektur neuronových …více
Abstract
This thesis explores the application of machine learning techniques for predicting local magnetic moments in Fe-Al alloys, offering a computationally efficient alternative to traditional quantum mechanical calculations. Building upon previous research, this work focuses on three key areas of improvement: assessing alternative methods for defining local atomic environments, refining neural network architectures …více
Klíčová slova
machine learning material science Fe-Al alloys magnetism magnetic moment explainable artificial intelligence structure-property relationship hyperparameter optimization strojové učení materiálové vědy slitiny Fe-Al magnetismus magnetický moment vysvětlitelná umělá inteligence vztah mezi strukturou a vlastnostmi optimalizace hyperparametrůZadání práce
Cílem práce je spolupráce na základním výzkumu orientovaném na prozkoumání magnetických vlastností slitin ve vztahu ke struktuře těchto materiálů s využitím metod strojového učení. Konkrétně budou zkoumány lokální magnetické momenty atomů jako funkce prostorového uspořádání a chemického složení okolních atomů v tuhých roztocích (neperiodické uspořádání atomů několika prvků v uzlech krystalické mříže).
Souvislosti mezi lokálními magnetickými momenty atomů železa ve slitinách železa a hliníku a jejich okolím budou analyzovány pomocí nástrojů strojového učení, zejména využitím neuronových sítí, v návaznosti na předešlé výzkumné aktivity Ústavu fyziky materiálů AV ČR v Brně. Důraz bude kladen na interpretaci těchto modelů. Pro popis struktury slitin budou vyzkoušeny různé charakteristiky, tzv. deskriptory.
Práce se bude skládat z textové části, která bude kromě teoretického rozboru s popisem aktuálních přístupů obsahovat i popis a empirické vyhodnocení vlastní implementace na vybrané datové sadě (výsledky kvantově-mechanických výpočtů pro systémy s desítkami až stovkami atomů) včetně srovnání s jinými aktuálními přístupy na stejné sadě, a z části praktické v podobě funkční aplikace umožňující popsat magnetické vlastnosti systémů s mnohem vyššími počty atomů (např. tisíce až miliony), než jaké je možné popsat pomocí kvantově-mechanických výpočtů.
26. 5. 2025 15:34, doc. RNDr. Aleš Horák, Ph.D., učo 1648
Přílohy
Konzultant
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Teoretické studium vztahů mezi strukturou a magnetickými vlastnostmi materiálů
Mgr. Miroslav Golian -
Propagace konceptů v moderních neuronových sítích
Bc. Jiří Hofírek -
Interpretace dat o molekulární dynamice proteinů s využitím nástrojů umělé inteligence
Bc. Matej Demovič -
Webová aplikace pro prohledávaní proteinů indexem založeným na strojovém učení
Ing. Jakub Košvanec -
Explaining convolutional neural network using clustering methods
Mgr. Adam Bajger, učo 469113 -
Mechanical Turk: Lidská náhrada, nebo pomocník AI?
Mgr. Adam Lízal -
Regulace umělé inteligence v procesu úvěrového skóringu spotřebitele
Mgr. Ing. Filip Hampl, Ph.D., LL.M., učo 405729 -
Aplikace interpretovatelných metod strojového učení v analýze matematických úloh
Mgr. Vojtěch Voráček, MSc




