Dự đoán năng lượng hình thành và thành phần nguyên tử trong vật liệu sử dụng thuật toán Machine Learning bằng Google Colab

Abstract

Đề tài đã nghiên cứu về Machine learning một lĩnh vực trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kỹ thuật cho phép các hệ thống “học” từ dữ liệu để giải quyết những vấn đề cụ thể. Đề tài cũng trình bày các ứng dụng nổi bật trong các lĩnh vực y tế, du lịch, giúp nhận dạng hình ảnh, giọng nói và phân tích dự đoán. Ngoài ra, luận văn đã giới thiệu về Google Colab, những tính năng nổi bật và một số hạn chế. Dựa vào bộ dữ liệu GNoME (Generative Network of Materials Exploration) và Materials Project, luận văn xác định năng lượng hình thành và tỷ lệ nguyên tử trong vật liệu được hợp thành từ các nguyên tố khác nhau. Quá trình này bao gồm, khai báo các thư viện bằng Pymatgen, tải bộ dữ liệu, tiền xử lý dữ liệu giúp đảm bảo độ chính xác, tính nhất quán và hiệu quả của các bước phân tích tiếp theo trong nghiên cứu vật liệu hoặc học máy. Tiếp theo, chọn hệ vật liệu từ việc lựa chọn các nguyên tố để làm đầu vào cho việc xây dựng sơ đồ pha. Cuối cùng, quá trình phân tích hệ vật liệu được thực hiện bằng cách xây dựng và trực quan hóa sơ đồ pha. Qua đó, có thể xác định tính ổn định và thành phần của vật liệu. Đây là định hướng để thiết kế vật liệu mới với chi phí thấp nhưng vẫn đảm bảo độ chính xác.