بسمه تعالی

گروه مهندسی برق

اطلاعیه دفاع پایان‌نامه کارشناسی ارشد

مطالعه‌ی مبتنی‌بر یادگیری ماشین مهندسی گاف انرژی بایفنیلین به‌وسیله‌ی ناخالصی‌های بور و نیتروژن

ارائه دهنده: مینا فیاضی

زمان: 29/7/1402           ساعت: 17                                                                     مکان: ساختمان اصلی کلاس 216

استاد راهنما: دکتر علیرضا کوکبی                                       مرتبه علمی: استادیار            دانشگاه: صنعتی همدان

استاد داور داخلی: دکتر شعیب بابایی توسکی                     مرتبه علمی: استادیار            دانشگاه: صنعتی همدان

استاد داور خارجی: دکتر سیدمنوچهر حسینی پیلانگرگی   مرتبه علمی: استادیار             دانشگاه: بوعلی سینا

چکیده:

این مطالعه به بررسی اثر ناخالصی‌های بور و نیتروژن بر ویژگی‌های ساختاری، الکترونیکی و نوری بایفنیلین دوبعدی می‌پردازد. با جابه‌جایی این دو اتم ناخالصی در ابرسلول‌های 2×2 بایفنیلین، 35 ساختار غیرتکراری حاصل شده که ویژگی‌های آن‌ها به کمک محاسبات نظریه‌ی تابعی چگالی در نرم‌افزار سیستا استخراج می‌شود. در میان این ساختارها، شش مورد دارای گاف انرژی مستقیم هستند. این ویژگی‌ها، به همراه پیکربندی اتمی ابرسلول‌های بایفنیلین ناخالص، مجموعه‌ای از داده‌ها را شکل می‌دهند که برای آموزش شبکه‌های عصبی هم‌گشتی به‌کار برده‌می‌شوند. مدل شبکه‌ی عصبی هم‌گشتی قادر است الگوهای موجود بین نحوه‌ی قرارگیری اتم‌ها در بایفنیلین ناخالص و ویژگی‌های مختلف آن را شناسایی و پیش‌بینی کند. این مدل، ویژگی‌های ساختاری، الکترونیکی و نوری این 35 ساختار ناخالص را که شامل ثابت‌های شبکه، گاف‌های انرژی مستقیم و غیرمستقیم و مؤلفه‌های حقیقی و موهومی گذردهی مماس و عمود بر ساختارها می‌باشند، با دقت بالایی پیش‌بینی می‌کند. جذر میانگین مربعات خطا و ضریب تعیین این مدل در پیش‌بینی گاف‌های انرژی مستقیم به ترتیب برابر با ^3-10×7/3 و 99/99% و برای گاف‌های انرژی غیرمستقیم ^2-10×3/1 و 81/99% است. همچنین، بالاترین دقت در پیش‌بینی خواص نوری برای مؤلفه‌ی موهومی گذردهی عمودی، با مقادیر10-4×0/1 و 100% برای جذر میانگین مربعات خطا و ضریب تعیین مدل حاصل شده‌است.

​​​​​​​