최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 한국과학기술원 과학기술정책연구소 |
---|---|
연구책임자 | 김용훈 |
참여연구자 | 노민종 , 권태진 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2021-01 |
과제시작연도 | 2020 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
등록번호 | TRKO202100009428 |
과제고유번호 | 1711125272 |
사업명 | 한국과학기술원연구운영비지원(R&D)(주요사업비) |
DB 구축일자 | 2021-08-21 |
키워드 | 제1원리 계산 가속화.기계학습.전자밀도 예측.합성곱 신경망.양자 알고리즘.Accelation of first-principle calculation.machine learning.predict electron density.convolutional neural network.quantum algorithm. |
· Multi-space constrained-search DFT (MS-DFT) 방법론을 통해 도출된 비평형 상태의 전자밀도를 합성곱 신경망 기계학습 알고리즘인 U-NET을 통해 학습 및 예측
· 총 에너지 기준으로 예측된 전자밀도는 최종 수렴 값에 약 0.026%의 상대 오차를 가지며 근접
· 예측된 전자밀도를 자체-일관장 방법(self-consistent field method)의 초기값으로 이용하여 반복 루프를 평균 약 33% 단축
· 본 연구는 기계학습 알고리즘을 양자역학 계산에 접목하는 초기 단계의 연구로
Ⅳ. Research results
In the early stages of the study, it was found that the prediction of the density matrix, one of the expression of the electronic structure, was not suitable for learning target of the CNN machine learning algorithm. Therefore, we adopted an new feature representation of the r
※ AI-Helper는 부적절한 답변을 할 수 있습니다.