Yapay zekâ ve nano-topaklar: Genetik algoritma uygulaması

Basit Öğe Kaydı
dc.contributor.advisorYıldırım, Erdem Kamil
dc.contributor.authorAyan, Enes
dc.date.accessioned2021-01-16T19:12:48Z
dc.date.available2021-01-16T19:12:48Z
dc.date.issued2015
dc.departmentKKÜ, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı
dc.description.abstractTeorik ve deneysel olarak nano topaklar son yıllarda oldukça fazla ilgi çekmeye başladı. Benzer bulk materyallerle karşılaştırıldığında çok farklı kimyasal ve fiziksel özelliklere sahip olabilmektedirler. Nano topak yapıları nano malzemelerin temel taşları olduklarından geometrilerinin ve kararlı yapılarının bulunması oldukça önemlidir. Nano materyallerin istikrarlı geometrilerini tahmin etmek için, araştırmacılar farklı yöntemler kullanmışlardır bunlardan bazıları; monte carlo, moleküler dinamik, rassal arama metotları, genetik algoritmalar ve benzetim tavlama algoritmasıdır. Bu çalışmada, tek tip atomdan oluşan topak yapılarının istikrarlı geometrilerini tahmin etmek için daha önce geliştirilmiş genetik algoritma kodlarından ayrı olarak çaprazlama ve mutasyon operatörleri farklı genetik algoritma kodu geliştirildi. Geliştirilen kod DFT (Yoğunluk Fonksiyon Teorisi) ve genetik algoritmayı birlikte kullanan örneklerden bir tanesidir. Bu kodun doğru çalıştığını doğrulamak amacıyla B4, B5, B6, B8, Li5, Li6, Li7 topakları üzerinde test edilerek literatürdeki sonuçlar ile karşılaştırıldı. Elde edilen sonuçlar geliştirilen kodun çalıştığımız yapıların kararlı geometrilerini başarılı bir şekilde tahmin ettiğini ortaya koymuştur. Buna ek olarak geliştirilen kod hesaplama sürecindeki farklılıklardan dolayı daha önceki genetik algoritma kodlarından daha hızlı çalışmaktadır.en_US
dc.description.abstractTheoretically and experimentally nano-clusters have attracted much attention in recent years. They may have very different physical and chemical properties form their corresponding bulk materials. As they are building blocks for nano-materials finding their stable geometries are very important. To predict the stable geometries of nano-materials, researchers have used different methods such as monte carlo, molecular dynamics, stochastic search methods, genetic algorithms, simulated annealing etc. In this study, to predict the stable geometries of mono atom nano-clusters we developed a genetic algorithm code which has different crossover and mutation process from the previously developed genetic algorithm codes. This code is one of the few examples of performing genetic algorithm+DFT (Density Functional Theory) method. We tested our code on B4, B5, B6, B8, Li5, Li6, Li7 clusters and compared the results with the literature. Our results show that the code successfully predicts the stable geometries for these clusters. In addition, due to differences in the calculation process our code may be much faster that the previously developed genetic algorithm codes.en_US
dc.identifier.endpage60en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12587/17049
dc.identifier.yoktezid418432
dc.language.isotr
dc.publisherKırıkkale Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.subjecten_US
dc.subjecten_US
dc.subjecten_US
dc.subjecten_US
dc.subjecten_US
dc.titleYapay zekâ ve nano-topaklar: Genetik algoritma uygulamasıen_US
dc.title.alternativeArtificial intelligance and nano clusters: Application of genetic algoritmen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
418432.pdf
Boyut:
2.12 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam metin/fulltext
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu