Project R-14181

Verbetering van DFT-modellering van vibratiespectra door middel van machine learning en diepe neurale netwerken met behulp van kleine datasets. (Onderzoek)

Kwantumchemische modellering, specifiek dichtheidsfunctionaaltheorie (DFT), speelt een belangrijke rol in het moderne materiaalontwerp, omdat het rechtstreekse toegang biedt tot atomaire eigenschappen op schaal die experimenteel niet beschikbaar zijn. Echter, naarmate de systeemgrootte en complexiteit toenemen, neemt ook de rekenkundige kost van de DFT-berekeningen toe. Het doel van dit project is om het bereik van probleemgroottes die met DFT-nauwkeurigheid kunnen worden onderzocht, uit te breiden door het gebruik van machine learning en diepe neurale netwerken. Hiervoor zullen methoden worden ontwikkeld die zich richten op efficiënt leren van kleine datasets. Deze door AI verbeterde DFTaanpak zal worden toegepast op de modellering van vibratiespectra voor het identificeren van defecten in diamant en de karakterisering van zwak gebonden kristallen.

01 augustus 2023 - 31 juli 2027