Login
- Originaltitel:
- Kernel-Based Machine Learning for Molecular Crystal Structure Prediction
- Übersetzter Titel:
- Kernel-Basiertes maschinelles Lernen für die Vorhersage von molekularen Kristallstrukturen
- Autor:
- Wengert, Simon Peter
- Jahr:
- 2022
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Natural Sciences
- Betreuer:
- Reuter, Karsten (Prof. Dr.)
- Gutachter:
- Reuter, Karsten (Prof. Dr.); Oberhofer, Harald (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- CHE Chemie
- TU-Systematik:
- CHE 150
- Kurzfassung:
- Kernel-based supervised machine learning (ML) and methods from computational chemistry have been employed to develop accurate and computationally efficient models for application in molecular crystal structure predictions of single- and multi-component systems. Moreover, the application of kernel-based unsupervised ML on sophisticated structural representations of atomistic systems has been demonstrated to conveniently provide insights into corresponding data sets.
- Übersetzte Kurzfassung:
- Kernel-basiertes überwachtes maschinelles Lernen (ML) und Methoden der berechnenden Chemie wurden verwendet, um genaue und schnell auswertbare Modelle zur Kristallstrukturvorhersage von Einzel- und Mehrkomponenten-Systemen zu entwickeln. Darüber hinaus konnte gezeigt werden, dass die Anwendung von kernel-basiertem unüberwachtem ML auf hochentwickelte Repräsentationen atomistischer Systeme eine geeignete Möglichkeit darstellt, um Einblicke in entsprechende Datensätze zu erhalten.
- WWW:
- https://mediatum.ub.tum.de/?id=1662829
- Eingereicht am:
- 29.06.2022
- Mündliche Prüfung:
- 11.08.2022
- Dateigröße:
- 21040252 bytes
- Seiten:
- 94
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220811-1662829-1-4
- Letzte Änderung:
- 10.11.2022
BibTeX